The idea of auto face detection fro

The idea of auto face detection from surveillance cameras and CCTVs is very relevant today. More and more CCTVs and surveillance cameras are being installed everyday. If there is a database of facial data present then the task of recognition boils down to comparison of each and every face detected from the video with every face saved in the database. Now this process involves capturing the faces before hand. This is actually a very tedious job. So the database of images is created (/updated) as and when new faces come into the camera view. The labeling of the faces can be done at leisure (by a human) or not be done at all. The current system once deployed does not need a database of images to start with. It creates its own collection of images, and then tracks the future occurrences of those images. Eigenface, fisherface, LBP histograms and SURF are different algorithms used for face recognition. We have tried all these algorithms.but among these surf shows better result. So the paper uses SURF for comparing image descriptors.

ผลลัพธ์ (ไทย) 1:

ความคิดในการตรวจจับใบหน้าอัตโนมัติจากกล้องวงจรและ CCTVs จะเกี่ยวข้องมากวันนี้ CCTVs และกล้องเฝ้าระวังมาก ขึ้นกำลังถูกติดตั้งทุกวัน ถ้ามีฐานข้อมูลอยู่หน้า แล้วงานของการเดือดลงเพื่อเปรียบเทียบแต่ละหน้าพบวิดีโอทุกหน้าที่บันทึกในฐานข้อมูล ขณะนี้ กระบวนการนี้เกี่ยวข้องกับจับหน้าก่อนมือ นี้เป็นจริงงานน่าเบื่อมาก ดังนั้น ฐานข้อมูลของภาพเป็นสร้าง (/ ปรับปรุง) เป็น และเมื่อสมาชิกใหม่เข้ามาดูกล้อง การติดฉลากของใบหน้าโดยการพักผ่อน (มนุษย์) หรือไม่ทำเลย ระบบปัจจุบันที่ใช้งานครั้งเดียวไม่ได้ฐานข้อมูลของรูปจะเริ่มต้นด้วย มันสร้างคอลเลกชันของตัวเองภาพ และติดตามเหตุการณ์ในอนาคตของรูปภาพเหล่านั้นแล้ว Eigenface, fisherface แอลบีพีฮิสโตแกรม และเซิร์ฟเป็นอัลกอริทึมต่าง ๆ ที่ใช้สำหรับการรู้จำใบหน้า เราได้ลองทั้งหมดเหล่านี้ algorithms.but นี่แสดงคลื่นเหล่านี้ได้ดี ดังนั้น กระดาษใช้ท่องการเปรียบเทียบตัวบอกรูป

ผลลัพธ์ (ไทย) 2:

ความคิดของการตรวจจับใบหน้าอัตโนมัติจากกล้องวงจรปิดและ CCTVs มีความเกี่ยวข้องมากในวันนี้ CCTVs มากขึ้นและกล้องวงจรปิดที่ถูกติดตั้งในชีวิตประจำวัน หากมีเดือดเป็นฐานข้อมูลของข้อมูลปัจจุบันใบหน้าแล้วงานของการรับรู้ลงไปเปรียบเทียบของแต่ละคนและทุกใบหน้าที่ตรวจพบจากวิดีโอที่มีใบหน้าทุกที่บันทึกไว้ในฐานข้อมูล ตอนนี้กระบวนการนี​​้เกี่ยวข้องกับการจับภาพใบหน้าก่อนที่มือ นี้เป็นจริงเป็นงานที่น่าเบื่อมาก ดังนั้นฐานข้อมูลของภาพที่ถูกสร้างขึ้น (/ ปรับปรุง) และเมื่อหน้าใหม่เข้ามาในมุมมองกล้อง การติดฉลากของใบหน้าที่สามารถทำได้ที่พักผ่อน (โดยมนุษย์) หรือไม่สามารถทำได้เลย ระบบปัจจุบันครั้งเดียวใช้งานไม่จำเป็นต้องมีฐานข้อมูลของภาพที่จะเริ่มต้นด้วย มันจะสร้างคอลเลกชันของตัวเองของภาพและจากนั้นติดตามเหตุการณ์ที่เกิดขึ้นในอนาคตของภาพเหล่านั้น Eigenface, fisherface, histograms LBP SURF และมีขั้นตอนวิธีการที่แตกต่างกันที่ใช้ในการจดจำใบหน้า เราได้พยายามทุกหมู่เหล่า algorithms.but คลื่นเหล่านี้แสดงให้เห็นผลที่ดีขึ้น ดังนั้นกระดาษที่ใช้สำหรับการเปรียบเทียบ SURF อธิบายภาพ

ผลลัพธ์ (ไทย) 3:

วันนี้ความคิดของการตรวจหาใบหน้าอัตโนมัติจากกล้อง CCTV และมีมากที่เกี่ยวข้อง กล้องวงจรปิด เพิ่มเติม และเพิ่มเติม และกล้องวงจรปิดที่ถูกติดตั้งทุกวัน หากมีฐานข้อมูลของข้อมูลหน้าปัจจุบันแล้วงานของการรับรู้ boils ลงเพื่อการเปรียบเทียบของแต่ละคนและทุกใบหน้าที่ตรวจพบจากวิดีโอกับทุกใบหน้าที่บันทึกไว้ในฐานข้อมูลขณะนี้ กระบวนการนี้เกี่ยวข้องกับการจับใบหน้าก่อนที่มือ นี้เป็นจริงเป็นงานที่น่าเบื่อ ดังนั้นฐานข้อมูลของภาพจะถูกสร้างขึ้น ( ปรับปรุง ) และเมื่อใบหน้าใหม่ที่เข้ามาในมุมมองของกล้อง การติดฉลากของใบหน้าสามารถทำได้ในยามว่าง ( โดยมนุษย์ ) หรือ ไม่ทำอะไรเลย ปัจจุบันระบบเมื่อใช้งานไม่ต้องมีฐานข้อมูลของภาพที่จะเริ่มต้นด้วยสร้างคอลเลกชันของตัวเองของภาพและจากนั้นติดตามเหตุการณ์ในอนาคตของภาพเหล่านั้น eigenface fisherface ฮิสโตแกรม , ปวดหลัง , และท่องเป็นขั้นตอนวิธีที่แตกต่างกันที่ใช้สำหรับใบหน้า . เราได้พยายามทั้งหมดเหล่านี้ algorithms.but ในหมู่เหล่านี้ท่องแสดงให้เห็นผลที่ดีกว่า . แล้วกระดาษที่ใช้คลื่นในการเปรียบเทียบภาพ