Numerous methods have been develope

Numerous methods have been developed for holistic face recognition with impressive performance. However, few studies have tackled how to recognize an arbitrary patch of a face image. Partial faces frequently appear in unconstrained scenarios, with images captured by surveillance cameras or handheld devices (e.g. mobile phones) in particular. In this paper, we propose a general partial face recognition approach that does not require face alignment by eye coordinates or any other fiducial points. We develop an alignment-free face representation method based on Multi-Keypoint Descriptors (MKD), where the descriptor size of a face is determined by the actual content of the image. In this way, any probe face image, holistic or partial, can be sparsely represented by a large dictionary of gallery descriptors. A new keypoint descriptor called Gabor Ternary Pattern (GTP) is also developed for robust and discriminative face recognition. Experimental results are reported on four public domain face databases (FRGCv2.0, AR, LFW, and PubFig) under both the open-set identification and verification scenarios. Comparisons with two leading commercial face recognition SDKs (PittPatt and FaceVACS) and two baseline algorithms (PCA+LDA and LBP) show that the proposed method, overall, is superior in recognizing both holistic and partial faces without requiring alignment.

ผลลัพธ์ (ไทย) 1:

วิธีการต่าง ๆ ได้รับการพัฒนาสำหรับการรู้จำใบหน้าแบบองค์รวมกับประสิทธิภาพที่น่าประทับใจ อย่างไรก็ตาม การศึกษาน้อยมีสำหรับวิธีการจำแนกโปรแกรมปรับปรุงการกำหนดของรูปหน้า ใบหน้าบางส่วนมักปรากฏในสถานการณ์ unconstrained มีภาพจับกล้องรักษาความปลอดภัยหรืออุปกรณ์มือถือ (เช่นโทรศัพท์) โดยเฉพาะ ในเอกสารนี้ เราเสนอวิธีการรู้จำหน้าบางส่วนทั่วไปที่ต้องการจัดตำแหน่งหน้าตาพิกัดหรือสถาน fiducial อื่น ๆ เราพัฒนาวิธีการแสดงตำแหน่งฟรีหน้าตามใน Keypoint หลายตัวบอก (MKD), ที่บอกขนาดของใบหน้าจะถูกกำหนด โดยเนื้อหาแท้จริงของรูป ด้วยวิธีนี้ โพรบหน้าภาพ แบบองค์รวม หรือ บางส่วน สามารถเบาบางแสดงตามพจนานุกรมขนาดใหญ่ของตัวบอกเก็บ บอก keypoint ใหม่ที่เรียกว่ารูปสามของกาบอร์ (GTP) นอกจากนี้ยังได้รับการพัฒนาสำหรับการรู้จำใบหน้าแข็งแรง และ discriminative มีรายงานผลการทดลองในโดเมนสาธารณะสี่หน้าฐาน (FRGCv2.0, AR, LFW และ PubFig) ภายใต้ทั้งสองเปิดชุด identification และ verification สถานการณ์ เปรียบเทียบสองนำพาณิชย์หน้ารู้ SDKs (PittPatt และ FaceVACS) และสองหลักอัลกอริทึม (PCA + LDA และแอลบีพี) แสดงว่าวิธีนำเสนอ รวม ห้องในการจดจำใบหน้าแบบองค์รวม และบางส่วนโดยตำแหน่ง

ผลลัพธ์ (ไทย) 2:

วิธีการจำนวนมากได้รับการพัฒนาสำหรับการจดจำใบหน้าแบบองค์รวมที่มีประสิทธิภาพที่น่าประทับใจ อย่างไรก็ตามการศึกษาไม่กี่ได้จัดการวิธีการรับรู้แพทช์โดยพลการของภาพใบหน้า ใบหน้าบางส่วนมักปรากฏในสถานการณ์ที่ไม่มีข้อ จำกัด กับภาพที่ถ่ายโดยกล้องวงจรปิดหรืออุปกรณ์มือถือ (เช่นโทรศัพท์มือถือ) โดยเฉพาะอย่างยิ่ง ในบทความนี้เรานำเสนอใบหน้าบางส่วนได้รับการยอมรับโดยทั่วไปวิธีการที่ไม่ต้องใช้การจัดตำแหน่งใบหน้าโดยพิกัดตาหรือสายอื่น ๆ จุด ducial เราพัฒนาวิธีการเป็นตัวแทนการจัดตำแหน่งใบหน้าฟรีขึ้นอยู่กับหลาย Keypoint อธิบาย (MKD) ที่บ่งขนาดของใบหน้าจะถูกกำหนดโดยเนื้อหาจริงของภาพ ด้วยวิธีนี้ภาพใบหน้าที่แสดงความคิดเห็นใด ๆ แบบองค์รวมหรือบางส่วนสามารถแสดงเบาบางโดยพจนานุกรมใหญ่ของแกลเลอรี่อธิบาย บ่ง keypoint ใหม่ที่เรียกว่าบอร์ Ternary แบบ (ฉี่) ได้รับการพัฒนาสำหรับการที่แข็งแกร่งและการจำแนกการจดจำใบหน้า ผลการทดลองจะมีการรายงานในฐานข้อมูลใบหน้าโดเมนสาธารณะสี่ (FRGCv2.0, AR, LFW และ PubFig) ภายใต้ทั้งเปิดไฟตั้งไอออนบวกและระบุ Veri สถานการณ์ไฟไอออนบวก เปรียบเทียบกับสองจดจำใบหน้าเชิงพาณิชย์ชั้นนำ SDKs (PittPatt และ FaceVACS) และสองขั้นตอนวิธีการพื้นฐาน (PCA + LDA และ LBP) แสดงให้เห็นว่าวิธีการที่นำเสนอโดยรวมจะดีกว่าในการรับรู้ทั้งใบหน้าแบบองค์รวมและบางส่วนโดยไม่ต้องมีการจัดตำแหน่ง