Abstract This paper presents a 3D a

Abstract This paper presents a 3D approach for recognizing faces based on Principal Component Analysis (PCA). The approach addresses the issue of proper 3D face alignment required by PCA for maximum data compression and good generalization performance for new untrained faces. This issue has traditionally been addressed by 2D data normalization, a step that eliminates 3D object size information important for the recognition process. We achieve correspondence of facial points by registering a 3D face to a scaled generic 3D reference face and subsequently perform a surface normal search algorithm. 3D scaling of the generic reference face is performed to enable better alignment of facial points while preserving important 3D size information in the input face. The benefits of this approach for 3D face recognition and dimensionality reduction have been demonstrated on components of the Face Recognition Grand Challenge (FRGC) database versions 1 and 2.
1

ผลลัพธ์ (ไทย) 1:

บทคัดย่อเอกสารนี้แสดงวิธีการแบบ 3D สำหรับการจดจำใบหน้าอยู่ในหลักส่วนประกอบวิเคราะห์ (PCA) วิธีการเน้นถึงเรื่องของตำแหน่งใบหน้า 3D ที่เหมาะสมจำเป็น โดย PCA สำหรับบีบอัดข้อมูลสูงสุดและประสิทธิภาพดี generalization สำหรับฝึกฝนสมาชิกใหม่ ปัญหานี้มีประเพณีการส่ง โดยฟื้นฟูข้อมูล 2D ขั้นตอนกำจัดวัตถุ 3D ขนาดข้อมูลสำคัญสำหรับกระบวนการรับรู้ เราบรรลุติดต่อจุดผิวหน้า โดยการลงทะเบียนใบหน้า 3D เพื่อปรับสัดส่วนได้อ้างอิง 3D ทั่วใบหน้า และต่อมาทำอัลกอริทึมการค้นหาปกติผิว ขนาดของใบหน้าอ้างอิงทั่วไป 3D ทำให้ตำแหน่งดีคะแนนหน้าขณะรักษาข้อมูล 3D ขนาดสำคัญในหน้าป้อนข้อมูล ประโยชน์ของวิธีการนี้สำหรับการลดการรับรู้และ dimensionality หน้า 3D ได้ถูกแสดงบนส่วนประกอบของรุ่น 1 และ 2 ฐานข้อมูลหน้ารู้แกรนด์ท้าทาย (FRGC) 1

ผลลัพธ์ (ไทย) 2:

บทคัดย่อบทความนี้นำเสนอวิธีการ 3 มิติสำหรับตระหนักถึงใบหน้าอยู่บนพื้นฐานของการวิเคราะห์องค์ประกอบหลัก (PCA) วิธีการที่อยู่ในประเด็นของการจัดตำแหน่งใบหน้า 3 มิติที่เหมาะสมต้องตาม PCA สำหรับการบีบอัดข้อมูลสูงสุดและประสิทธิภาพการทำงานทั่วไปที่ดีสำหรับใบหน้าได้รับการฝึกฝนใหม่ ปัญหานี้ได้รับการแก้ไขโดยประเพณีการฟื้นฟูข้อมูล 2D, ขั้นตอนที่ช่วยขจัดข้อมูลขนาดของวัตถุ 3 มิติที่สำคัญสำหรับกระบวนการรับรู้ เราประสบความสำเร็จในการติดต่อของจุดบนใบหน้าโดยการลงทะเบียนใบหน้า 3 มิติเพื่อใบหน้าอ้างอิง 3D ทั่วไปปรับขนาดและต่อมาได้ดำเนินการพื้นผิววิธีการค้นหาปกติ ปรับ 3 มิติของใบหน้าอ้างอิงทั่วไปจะดำเนินการเพื่อช่วยให้การจัดตำแหน่งที่ดีขึ้นของจุดบนใบหน้าในขณะที่รักษาข้อมูลขนาด 3 มิติที่สำคัญในการเผชิญกับการป้อนข้อมูล ผลประโยชน์ของวิธีการนี้สำหรับการจดจำใบหน้า 3 มิติและการลดมิติได้รับการแสดงให้เห็นถึงองค์ประกอบของการจดจำใบหน้าแกรนด์ท้าทาย (FRGC) รุ่นฐานข้อมูลที่ 1 และ 2.
1

ผลลัพธ์ (ไทย) 3:

บทคัดย่องานวิจัยนี้เสนอวิธีการ 3D ตระหนักถึงใบหน้าโดยการวิเคราะห์องค์ประกอบหลัก ( PCA ) วิธีการที่อยู่ปัญหาที่เหมาะสมของ 3D หน้าแนวบังคับใช้โดย PCA สำหรับบีบอัดข้อมูลและประสิทธิภาพการดีสำหรับหน้ามือใหม่ใหม่สูงสุด ปัญหานี้มีประเพณีที่ถูก addressed โดยการฟื้นฟูข้อมูล 2D ,ขั้นตอนที่กำจัดวัตถุ 3 มิติ ขนาดข้อมูลที่สำคัญสำหรับกระบวนการรับรู้ เราบรรลุความสอดคล้องของคะแนนหน้าโดยการลงทะเบียนหน้า 3D ปรับทั่วไป 3D หน้าอ้างอิงและต่อมาแสดงพื้นผิวปกติการค้นหาอัลกอริทึม3 ปรับขนาดของการอ้างอิงทั่วไปหน้าจะดำเนินการเพื่อให้ตำแหน่งที่ดีของจุดบนใบหน้าในขณะที่รักษาข้อมูลสำคัญขนาด 3 มิติใส่หน้า ประโยชน์ของวิธีการนี้เพื่อจดจำใบหน้า 3 มิติและการลด dimensionality ได้รับแสดงให้เห็นส่วนประกอบของใบหน้าใหญ่ที่ท้าทาย ( ฐานข้อมูล frgc ) รุ่นที่ 1 และ 2
1