With many applications in various d

With many applications in various domains, Face Recognition technology has received a great deal of attention over the decades in the field of image analysis and computer vision. It has been studied by scientists from different areas of psychophysical sciences and those from different areas of computer science. Psychologists and neuro-scientists mainly deal with the human perception part of the topic where as engineers studying on machine recognition of human faces deal with the computational aspects of Face Recognition. Face Recognition is an important and natural human ability of a human being. However developing a computer algorithm to do the same thing is one of the toughest tasks in computer vision. Research over the past several years enables similar recognitions automatically. Various face recognition techniques are represented through various classifications such as, Image-based face recognition and Video-based recognition, Appearance-based and Model-based, 2D and 3D face recognition methods. This paper gives a review of different face recognition techniques available as of today. The focus is on subspace techniques, investigating the use of image pre-processing applied as a preliminary step in order to reduce error rates. The Principle Component Analysis, Linear Discriminant Analysis and their modified methods of face recognition are implemented under subspace techniques, computing False Acceptance Rates (FAR)and False Rejection Rates (FRR) on a standard test set of images that pose typical difficulties for recognition. By applying a range of image processing techniques it is demonstrated that the performance is highly dependent on the type of pre-processing steps used and that Equal Error Rates (EER) of the Eigenface and Fisherface methods can be reduced using the method proposed in this paper.

ผลลัพธ์ (ไทย) 1:

ด้วยโปรแกรมประยุกต์หลายในโดเมนต่าง ๆ เทคโนโลยีจดจำใบหน้าได้รับความสนใจมากทศวรรษในรูปคอมพิวเตอร์และวิเคราะห์วิสัยทัศน์ มีการศึกษา โดยนักวิทยาศาสตร์จากหลายศาสตร์ psychophysical และจากพื้นที่ต่าง ๆ ของวิทยาการคอมพิวเตอร์ นักจิตวิทยาและนักวิทยาศาสตร์สมองส่วนใหญ่จัดการกับส่วนบุคคลการรับรู้ของหัวข้อที่เป็นวิศวกรที่เรียนในการรับรู้เครื่องของใบหน้ามนุษย์จัดการกับด้านคำนวณของการรู้จำใบหน้า จดจำใบหน้าเป็นสิ่งสำคัญ และตามธรรมชาติมนุษย์สามารถของมนุษย์ อย่างไรก็ตาม การพัฒนาอัลกอริทึมคอมพิวเตอร์ทำสิ่งเดียวกันเป็นหนึ่งในงานที่ยากที่สุดในคอมพิวเตอร์วิทัศน์ วิจัยหลายปีผ่านมาทำให้รางวัลที่คล้ายกันโดยอัตโนมัติ ต่าง ๆ เทคนิคการรู้จำใบหน้าจะแสดงการจัดประเภทต่าง ๆ เช่น จดจำใบหน้ารูปภาพและวิดีโอตามการรับรู้ 2D และ 3D แบบจำลอง ตาม และ ตามลักษณะที่ปรากฏหน้าวิธีการรับรู้ กระดาษนี้ให้รู้เทคนิคว่างวันนี้ทบทวนหน้าแตกต่างกัน โฟกัสอยู่บน subspace เทคนิค ตรวจสอบการใช้ภาพการประมวลผลก่อนนำไปใช้เป็นขั้นตอนเบื้องต้นเพื่อลดอัตราข้อผิดพลาด การ วิเคราะห์ส่วนประกอบหลัก Discriminant เชิงวิเคราะห์ และวิธีการแก้ไขการจดจำใบหน้าจะดำเนินการภายใต้เทคนิค subspace คอมพิวเตอร์ไม่ยอมรับราคา (ไกล) และชุดเท็จปฏิเสธราคา (FRR) ในการทดสอบมาตรฐานของภาพที่ก่อให้เกิดปัญหาทั่วไปสำหรับการรับรู้ โดยใช้ช่วงของภาพ เทคนิคการประมวลผลแสดงว่า ประสิทธิภาพการทำงานสูงขึ้นอยู่กับชนิดของขั้นตอนก่อนการประมวลผลที่ใช้ และสามารถลดที่เท่ากันข้อผิดพลาดราคา (ตัว) วิธี Eigenface และ Fisherface โดยใช้วิธีการนำเสนอในเอกสารนี้

ผลลัพธ์ (ไทย) 2:

ด้วยการใช้งานมากในโดเมนต่างๆเทคโนโลยีการรู้จำใบหน้าได้รับการจัดการที่ดีของความสนใจในช่วงหลายทศวรรษในด้านการวิเคราะห์ภาพและวิสัยทัศน์คอมพิวเตอร์ มันได้รับการศึกษาโดยนักวิทยาศาสตร์จากพื้นที่ที่แตกต่างกันของวิทยาศาสตร์และจิตผู้ที่มาจากพื้นที่ต่างๆของวิทยาการคอมพิวเตอร์ นักจิตวิทยาและประสาทนักวิทยาศาสตร์ส่วนใหญ่จัดการกับส่วนที่รับรู้ของมนุษย์ในหัวข้อที่เป็นวิศวกรการศึกษาในการรับรู้ของเครื่องใบหน้าของมนุษย์จัดการกับด้านการคำนวณการจดจำใบหน้า จดจำใบหน้าเป็นความสามารถของมนุษย์ที่สำคัญและเป็นธรรมชาติของมนุษย์ อย่างไรก็ตามการพัฒนาอัลกอริทึมคอมพิวเตอร์ที่จะทำในสิ่งเดียวกันเป็นหนึ่งในงานที่ยากที่สุดในคอมพิวเตอร์วิสัยทัศน์ การวิจัยในช่วงหลายปีที่ผ่านมาช่วยให้ความสำเร็จที่คล้ายกันโดยอัตโนมัติ เทคนิคการจดจำใบหน้าต่างๆจะแสดงผ่านการจำแนกประเภทต่างๆเช่นจดจำใบหน้าภาพตามการรับรู้และวิดีโอตามลักษณะที่ใช้และรุ่นที่ใช้ 2D และ 3D วิธีการจดจำใบหน้า กระดาษนี้จะช่วยให้การตรวจสอบของเทคนิคการจดจำใบหน้าที่แตกต่างกันที่มีอยู่ ณ วันนี้ ให้ความสำคัญกับเทคนิคสเปซ, ตรวจสอบการใช้การประมวลผลภาพก่อนนำมาใช้เป็นขั้นตอนเบื้องต้นเพื่อลดอัตราความผิดพลาด การวิเคราะห์ส่วนประกอบหลักการวิเคราะห์จำแนกเชิงเส้นและวิธีการแก้ไขของพวกเขาในการจดจำใบหน้าได้รับการดำเนินการภายใต้เทคนิคสเปซการคำนวณอัตราการยอมรับผิด (FAR) และอัตราการปฏิเสธเท็จ (FRR) บนชุดทดสอบมาตรฐานของภาพความยากลำบากที่ก่อให้เกิดการรับรู้โดยทั่วไปสำหรับ โดยใช้ช่วงของเทคนิคการประมวลผลภาพมันจะแสดงให้เห็นว่าผลการดำเนินงานจะสูงขึ้นอยู่กับชนิดของขั้นตอนก่อนการประมวลผลที่ใช้และอัตราความผิดพลาดที่เท่าเทียมกัน (EER) ของ Eigenface และวิธีการ Fisherface สามารถลดลงได้โดยใช้วิธีการที่นำเสนอในบทความนี้ .

ผลลัพธ์ (ไทย) 3:

กับการใช้งานมากในหลายโดเมน , เทคโนโลยีจดจำใบหน้าที่ได้รับความสนใจมากในช่วงหลายทศวรรษในด้านการวิเคราะห์ภาพและวิสัยทัศน์คอมพิวเตอร์ จะได้รับการศึกษาโดยนักวิทยาศาสตร์จากพื้นที่ที่แตกต่างของการวิทยาศาสตร์และผู้ที่มาจากพื้นที่ที่แตกต่างกันของวิทยาศาสตร์คอมพิวเตอร์นักจิตวิทยาและนักวิทยาศาสตร์ประสาทส่วนใหญ่จัดการกับการรับรู้ของมนุษย์เป็นส่วนหนึ่งของหัวข้อที่เป็นวิศวกรศึกษาเครื่องการรับรู้ของใบหน้าของมนุษย์ที่จัดการกับแง่มุมเชิงคำนวณของใบหน้าดู ใบหน้าเป็นสิ่งสําคัญ และความสามารถของมนุษย์ธรรมชาติของมนุษย์อย่างไรก็ตามการพัฒนาขั้นตอนวิธีทางคอมพิวเตอร์เพื่อทำแบบเดียวกัน เป็นหนึ่งในงานที่ยากที่สุดในวิสัยทัศน์คอมพิวเตอร์ งานวิจัยที่ผ่านมาหลายปีช่วยให้ยอมรับกันโดยอัตโนมัติ เทคนิคหน้ารู้ต่างๆจะแสดงผ่านทางหมวดหมู่ต่าง ๆ เช่น ภาพใบหน้าและวิดีโอการรับรู้ตามตามลักษณะพื้นฐานและรูปแบบตาม2D และ 3D ใบหน้าวิธี กระดาษนี้ให้ทบทวนเทคนิคใบหน้าที่แตกต่างกันที่มีอยู่ในวันนี้ เน้นเทคนิคย่อย ตรวจสอบการใช้ภาพการประมวลผลที่ใช้เป็นขั้นตอนเบื้องต้นในการลดอัตราการผิดพลาด จากการวิเคราะห์ส่วนประกอบหลักจำแนกเชิงเส้นการวิเคราะห์และดัดแปลงวิธีการรู้จำใบหน้าจะดำเนินการภายใต้เทคนิคย่อย คอมพิวเตอร์ปลอมยอมรับอัตรา ( ไกล ) และอัตราการปฏิเสธเป็นเท็จ ( frr ) ในแบบทดสอบมาตรฐาน ชุดของภาพที่ก่อให้เกิดความยากลำบากทั่วไปสำหรับการรับรู้โดยการใช้ช่วงของเทคนิคการประมวลผล ภาพมันแสดงให้เห็นว่า ประสิทธิภาพสูง ขึ้นอยู่กับประเภทของการประมวลผลและขั้นตอนที่ใช้เท่ากับอัตราความคลาดเคลื่อน ( EER ) ของ eigenface และวิธีการ fisherface สามารถลด การใช้วิธีที่เสนอในบทความนี้