Face recognition is one of the visu

Face recognition is one of the visual tasks which humans can do almost effortlessly while for computers it is a difcult and challenging task [1]. The applications of face recognition are increasing in a number of domains. An
upcoming application domain is user identification as a form of ambient intelligence for access control as an alternative
for pincodes and for adapting parameters of machines such as PC settings. Recently, a rapidly growing demand is for face recognition as part of a surveillance system. Nowadays most face recognition systems don't work at video speed but use previously captured video. Some huge systems are able to do on-the-y face recognition (matching detected faces to a limited database of stored faces) from captured video streams [2]. These latter systems are in high demand especially seen the latest
mondial political situation. Because of the cost of these
systems they are only affordable for large sites such as
football stadiums or airports.
What we want to show in this publication is that it is
possible using thought-over smart camera architectures to
achieve good, real-time face recognition results. A “smart
camera” is hereby dened as a stand-alone programmable
device with a size equal to or smaller than a typical video
surveillance camera. In our situation it is programmed in
such a way that video goes in and names of recognized
people come out.

Face recognition is becoming an important application for
smart cameras. However, up till now, the processing required
for real-time detection, prohibits integration of the whole application into a small sized, consumer type of
camera. This paper showed that by:
1. Proper selection of algorithms, both for face detection
and recognition,
2. Adequate choice of processing architecture, supporting
both SIMD and ILP types of parallelism,
3. Tuning the mapping of algorithms to the selected
architecture,this integration can be achieved. We implemented the algorithms
on a small smart camera. As a result we can
recognize one face per NGJms, when we are searching for

persons, with LIE% recognition rate and only Q% failure
rate.
Future research will focus on further tuning the mapping
of the algorithms, e.g. by replacing oating point operations
with xed point, trying other (cheaper) activation
functions (see eq. 8), and further parallelization of the
RBF neural network. This should allow for further speedups
needed when searching in much larger databases that can
contain large numbers of identiable faces. Furthermore,
the recognition will be enhanced by using multiple cameras
with different viewpoints.

ผลลัพธ์ (ไทย) 1:

จดจำใบหน้าเป็นหนึ่งในงานภาพมนุษย์ที่ทำเกือบได้อย่างง่ายดายในขณะที่คอมพิวเตอร์ มันเป็นลัทธิ dif และท้าทายงาน [1] โปรแกรมประยุกต์ของการรู้จำใบหน้าจะเพิ่มจำนวนโดเมน การ
โดเมนโปรแกรมประยุกต์จะเป็น cation identifi ผู้เป็นแบบของปัญญาสภาวะสำหรับควบคุมการเข้าถึงเป็นทางเลือก
สำหรับ pincodes และปรับพารามิเตอร์ของเครื่องจักรเช่นการตั้งค่า PC ล่าสุด ความต้องการเติบโตอย่างรวดเร็วคือการรู้จำใบหน้าเป็นส่วนหนึ่งของระบบเฝ้าระวัง ในปัจจุบันส่วนใหญ่ระบบการรู้จำใบหน้าไม่ทำงานที่ความเร็ววิดีโอ แต่ใช้วิดีโอจับภาพก่อนหน้านี้ บางระบบใหญ่จะได้ทำการจดจำใบหน้าบน y (ตรงหน้าตรวจพบฐานข้อมูลที่จำกัดของหน้าเก็บ) จากกระแสข้อมูลวิดีโอจับภาพ [2] ระบบหลังนี้มีความต้องการสูงโดยเฉพาะอย่างยิ่งเห็นล่าสุด
สถานการณ์ทางการเมืองจำกัด เนื่องจากต้นทุนเหล่านี้
ระบบจะเท่าราคาไม่แพงสำหรับเว็บไซต์ขนาดใหญ่เช่น
ลักษณะน่าตื่นเต้นฟุตบอลหรือสนามบินการ
สิ่งที่เราต้องการแสดงในประกาศนี้เป็นที่เป็น
ได้ใช้กล้องสมาร์ทคิดมากกว่าสถาปัตยกรรมการ
บรรลุผลลัพธ์การรู้หน้าดี แบบเรียลไทม์ สมาร์ทการ
กล้องจะขอเด ned เป็นแบบสแตนด์อโลนโปรแกรม
อุปกรณ์ที่ มีขนาดเท่ากับ หรือน้อยกว่าวิดีโอทั่วไป
กล้องวงจรปิด ของเรา มันเป็นโปรแกรมใน
ลักษณะว่า ไปแสดงผลในชื่อของการรับรู้และ
ผู้คนมาออก

เป็น โปรแกรมประยุกต์ที่สำคัญสำหรับการจดจำใบหน้า
สมาร์ทกล้อง อย่างไรก็ตาม จนถึงตอนนี้ การประมวลผลต้อง
ตรวจแบบเรียลไทม์ ห้ามรวมของโปรแกรมประยุกต์ทั้งหมดเป็นขนาดเล็กขนาด ชนิดผู้บริโภค
กล้อง เอกสารนี้ชี้ให้เห็นว่าโดย:
1 การเลือกใช้อัลกอริทึม ตรวจจับใบหน้าทั้ง
และการรับ รู้,
2 พอเลือกประมวลผลสถาปัตยกรรม สนับสนุน
ชนิด SIMD และ ILP parallelism,
3 ปรับเปลี่ยนการแม็ปของอัลกอริทึมการเลือก
สถาปัตยกรรม รวมนี้สามารถทำได้ เราใช้อัลกอริทึม
บนกล้องสมาร์ทขนาดเล็ก ดังนั้น เราสามารถ
จดจำใบหน้าหนึ่งต่อ N GJms เมื่อเรากำลังค้นหา

คน โกหก%อัตราการรู้จำและความล้มเหลว% Q เดียว
อัตราได้
วิจัยในอนาคตจะเน้นเพิ่มเติม ปรับเปลี่ยนการแม็ป
ของอัลกอริทึม เช่น ด้วยการแทนที่ oating ชี้การดำเนินงาน
มีจุด xed พยายามเปิดใช้งานอื่น ๆ (ถูกกว่า)
งาน (ดู eq. 8), และ parallelization เพิ่มเติมของ
RBF เครือข่ายประสาท นี้ควรอนุญาตสำหรับ speedups เพิ่มเติม
จำเป็นเมื่อค้นหาในฐานข้อมูลขนาดใหญ่ที่สามารถ
ประกอบด้วยจำนวนมากใบหน้าสามารถ identi นอกจากนี้
การรู้จะปรับปรุง โดยการใช้กล้องหลาย
ด้วยมุมมองที่แตกต่างกัน

ผลลัพธ์ (ไทย) 3:

ใบหน้าเป็นหนึ่งในงานทัศนศิลป์ซึ่งมนุษย์สามารถทำได้อย่างง่ายดายในขณะที่คอมพิวเตอร์เป็นดิฟ  ศาสนาและงานที่ท้าทาย [ 1 ] การใช้งานของใบหน้าจะเพิ่มจำนวนโดเมน เป็นโปรแกรมที่จะ identifi
โดเมนผู้ใช้  ไอออนบวกที่เป็นรูปแบบของความฉลาดทางสำหรับการควบคุมการเข้าถึงเป็นทางเลือก
สำหรับ pincodes และการปรับพารามิเตอร์ของเครื่องเช่นการตั้งค่าเครื่องคอมพิวเตอร์ เมื่อเร็วๆ นี้ เติบโตอย่างรวดเร็ว ความต้องการคือใบหน้าเป็นส่วนหนึ่งของระบบการเฝ้าระวัง ทุกวันนี้ส่วนใหญ่ใบหน้าระบบไม่ทำงานที่ความเร็ววิดีโอ แต่ใช้ก่อนหน้านี้วิดีโอบันทึกระบบมีขนาดใหญ่สามารถทำบน -  Y ( ตรงกับใบหน้าเพื่อใบหน้าที่ตรวจพบฐานข้อมูลจำกัดเก็บไว้หน้า ) จากบันทึกวิดีโอสตรีม [ 2 ] ระบบหลังเหล่านี้อยู่ในความต้องการสูงโดยเฉพาะอย่างยิ่งเห็นล่าสุด
Mondial สถานการณ์ทางการเมือง . เนื่องจากค่าใช้จ่ายของระบบเหล่านี้
พวกเขาเป็นเพียงราคาไม่แพงสำหรับเว็บไซต์ขนาดใหญ่เช่น

สนามกีฬาฟุตบอลหรือสนามบินสิ่งที่เราต้องการจะแสดงอยู่ในเอกสารนี้คือว่า มันเป็นไปได้ในการใช้ความคิดมากกว่า

บรรลุสถาปัตยกรรมกล้องสมาร์ทดี ผลลัพธ์ จดจำใบหน้าได้แบบเรียลไทม์ " สมาร์ท " คือขอเดอ
กล้อง  เน็ดเป็นอุปกรณ์โปรแกรม
เดี่ยวที่มีขนาดเท่ากับหรือเล็กกว่าปกติ กล้องวีดีโอ
. ในสถานการณ์ของเรามันเป็นโปรแกรมในลักษณะที่วิดีโอ

ไปและชื่อของ ได้รับการยอมรับผู้คนออกมา ใบหน้า

เป็นโปรแกรมที่สำคัญสำหรับ
กล้องสมาร์ท อย่างไรก็ตาม จนถึงขณะนี้ การประมวลผลที่จำเป็นสำหรับการตรวจสอบเวลาจริง
, ห้ามการรวมกลุ่มของโปรแกรมทั้งหมดลงในขนาดเล็ก ประเภทของผู้บริโภค
กล้อง กระดาษนี้ พบว่า โดย :
1 การเลือกที่เหมาะสมของขั้นตอนวิธี ทั้งใบหน้าและตรวจจับ
5
2ทางเลือกที่เพียงพอของสถาปัตยกรรมการประมวลผลที่สนับสนุนทั้งสองและประเภทของระบบไอแอลพี
simd ความขนาน ,
3 ปรับแต่งแผนที่ของขั้นตอนวิธีการเลือกสถาปัตยกรรม
รวมนี้สามารถลุ้นรับ เราใช้ขั้นตอนวิธี
ในขนาดเล็ก Smart กล้อง เป็นผลให้เราสามารถจำหนึ่งหน้าต่อ
n gjms เมื่อเราค้นหา

คน กับการโกหก % อัตราการรับรู้และ Q

% ล้มเหลวอัตราการวิจัยในอนาคตจะมุ่งเน้นเพิ่มเติมปรับแต่งแผนที่
ของขั้นตอนวิธี เช่นโดยการเปลี่ยน  oating
ปฏิบัติการจุดด้วย  xed จุด พยายามอื่น ๆ ( ราคาถูก ) ฟังก์ชันกระตุ้น ( เห็นอีคิว
8 ) และ parallelization ไปเพิ่มเติมของ
RBF เครือข่ายประสาท . นี้ควรให้ speedups ต่อไป
ต้องการเมื่อค้นหาในฐานข้อมูลขนาดใหญ่มากที่สามารถ
มีตัวเลขขนาดใหญ่ของ identi  ได้ใบหน้า นอกจากนี้
รู้จะเพิ่มโดยการใช้กล้องหลายตัว
ด้วยมุมมองที่แตกต่างกัน