changes in illumination, resolution

changes in illumination, resolution loss and variation in facial
expression.
• The DHMMK requires fewer training images per subject.
• The rectangular grid featurewas found to provide better performance
than the polar grid feature.
• The proposed approach is less sensitive to HMM system parameters,
such as the number of hidden states, N.
• The proposed approach is found less sensitive to scale and resolution
changes.
Previously, using static lip features with an HMM has not been particularly
promisingwith regard to subject authentication [14].However,
DHMMK overturns this perception and shows great promise for biometric
based access control. This is due to the fact that the DHMMK captures
valuable information from the gradient of the probability of
having a certain feature vector in a particular state for both the rectangular
and polar grid features. Furthermore, the fact that it works well
while only requiring two training images is important with respect to
subject registration — an important practical consideration for large
scale access control.
Our lip extraction technique is robust to the change of skin colors to
some extent. This was demonstrated by the lip contour extraction results
on the PIE dataset illustrated in Fig. 3. The first image presents
much darker skin color than the second image. The lip contour could
be extracted relatively reliable in such cases. Much darker region such
as a black face might affect the lip extraction results heavier. One possible
idea to overcome this is to develop a possible face detector and adapt
the lip extractor for black, dark, and Caucasian faces respectively.
It is worth pointing out that in all the three datasets tested, it is not
necessary to conduct rotation correction since there are no rotated lips
presented. To handle the moderate rotations of the lips, one possible
way is to develop a simple algorithm in the pre-processing block to

ผลลัพธ์ (ไทย) 1:

การเปลี่ยนแปลงในรัศมี สูญเสียความละเอียด และความผันแปรในหน้านิพจน์• DHMMK ต้องการภาพการฝึกอบรมน้อยต่อเรื่อง•พบ featurewas ตารางสี่เหลี่ยมให้ประสิทธิภาพที่ดีขึ้นกว่าคุณลักษณะเส้นขั้วโลก•วิธีการนำเสนอเป็นสำคัญน้อย HMM ระบบพารามิเตอร์เช่นจำนวนของอเมริกาซ่อน N.•วิธีการนำเสนออยู่ตรงตามขนาดและความละเอียดน้อยกว่าการเปลี่ยนแปลงก่อนหน้านี้ ด้วย lip คงคุณลักษณะ HMM เป็นไม่ได้โดยเฉพาะอย่างยิ่งpromisingwith เกี่ยวกับการรับรองความถูกต้องของเรื่อง [14] อย่างไรก็ตามDHMMK overturns นี้รับรู้ และแสดงสัญญาที่ดีสำหรับการตรวจสอบทางชีวภาพการควบคุมการเข้าถึง นี่คือเนื่องจากข้อเท็จจริงที่ว่า DHMMK จับข้อมูลจากระดับสีของความเป็นไปได้มีเวกเตอร์ลักษณะเฉพาะในสิ่งเฉพาะสำหรับทั้งแบบสี่เหลี่ยมและคุณลักษณะเส้นขั้วโลก นอกจากนี้ ความจริงที่ทำงานร่วมกันในขณะเดียวต้องฝึกทั้งสองรูปมีความสำคัญกับ respectเรื่องการลงทะเบียนโดยพิจารณาการปฏิบัติที่สำคัญสำหรับขนาดใหญ่ควบคุมการเข้าถึงระดับเทคนิคของเราสกัด lip เป็นประสิทธิภาพการเปลี่ยนสีผิวให้บางกรณี นี้ถูกแสดง โดย lip สกัดจากผลในชุดข้อมูลแผนภูมิวงกลมแสดง Fig. 3 นำเสนอภาพแรกมากสีเข้มผิวมากกว่าภาพที่สอง Lip contour สามารถสามารถสกัดค่อนข้างเชื่อถือได้ในกรณีดังกล่าว เข้มมากภูมิภาคดังกล่าวเป็นหน้าดำอาจส่งผลกระทบต่อผลลัพธ์ lip สกัดที่หนัก ได้ที่หนึ่งความคิดที่จะเอาชนะนี้จะจับใบหน้าได้พัฒนา และปรับการระบาย lip สำหรับสีดำ ดำ และคอเคซัสหันหน้าตามลำดับก็น่าชี้ให้เห็นว่า ในทั้งหมดสาม datasets ทดสอบ ไม่จำเป็นต้องดำเนินการแก้ไขวาระเนื่องจากมีริมฝีปากไม่หมุนการนำเสนอ การจัดการหมุนเวียนปานกลางของริมฝีปาก สุดหนึ่งวิธีคือการ พัฒนาอัลกอริทึมแบบง่ายในช่วงก่อนการประมวลผลเพื่อ

ผลลัพธ์ (ไทย) 2:

การเปลี่ยนแปลงในการส่องสว่าง,
การสูญเสียความละเอียดและการเปลี่ยนแปลงในทางสีหน้าการแสดงออก.
•ความ DHMMK ต้องใช้ภาพการฝึกอบรมน้อยลงต่อเรื่อง.
•ตารางสี่เหลี่ยม featurewas
พบเพื่อให้ประสิทธิภาพที่ดีขึ้นกว่าคุณลักษณะตารางขั้วโลก.
•วิธีการที่นำเสนอมีความสำคัญน้อยกว่าในการพารามิเตอร์ของระบบอืม, เช่นจำนวนของรัฐที่ซ่อนอยู่เอ็น•วิธีการที่นำเสนอพบที่มีความสำคัญน้อยกว่าในการปรับขนาดและความละเอียดการเปลี่ยนแปลง. ก่อนหน้านี้ใช้คุณสมบัติคงที่ริมฝีปากด้วยอืมได้ไม่ได้โดยเฉพาะอย่างยิ่งในเรื่องเกี่ยว promisingwith เพื่อการตรวจสอบเรื่อง [14] อย่างไรก็ตาม, DHMMK พลิกคว่ำ การรับรู้และการแสดงนี้สัญญาที่ดีสำหรับไบโอเมตริกซ์การควบคุมการเข้าถึงตาม เพราะนี่คือความจริงที่ว่า DHMMK จับข้อมูลที่มีค่าจากการไล่ระดับของความน่าจะเป็นของที่มีคุณลักษณะบางอย่างเวกเตอร์ในรัฐโดยเฉพาะอย่างยิ่งสำหรับทั้งสี่เหลี่ยมและคุณสมบัติตารางขั้วโลก นอกจากความจริงที่ว่ามันทำงานได้ดีขณะที่มีเพียงสองภาพที่ต้องใช้การฝึกอบรมเป็นสิ่งสำคัญที่เกี่ยวกับเรื่องการลงทะเบียน- การพิจารณาการปฏิบัติที่สำคัญสำหรับขนาดใหญ่การควบคุมการเข้าถึงขนาด. เทคนิคการสกัดริมฝีปากของเรามีประสิทธิภาพมีการเปลี่ยนแปลงของสีผิวที่จะมีขอบเขต นี่คือการแสดงให้เห็นโดยเส้นริมฝีปากผลการสกัดในชุดข้อมูลที่พายแสดงในรูปที่ 3. ภาพแรกที่มีการจัดสีผิวคล้ำกว่าภาพที่สอง รูปร่างริมฝีปากอาจจะสกัดค่อนข้างเชื่อถือได้ในกรณีดังกล่าว ภูมิภาคเข้มดังกล่าวเป็นหน้าดำอาจส่งผลกระทบต่อการสกัดริมฝีปากหนัก หนึ่งที่เป็นไปได้ความคิดที่จะเอาชนะนี้คือการพัฒนาเครื่องตรวจจับใบหน้าที่เป็นไปได้และปรับระบายริมฝีปากสีดำมืดและคนผิวขาวใบหน้าตามลำดับ. เป็นมูลค่าการชี้ให้เห็นว่าในทุกสามชุดทดสอบก็ไม่จำเป็นที่จะต้องดำเนินการแก้ไขการหมุนตั้งแต่ไม่มีริมฝีปากหมุนที่นำเสนอ ที่จะจัดการกับการหมุนในระดับปานกลางของริมฝีปากหนึ่งที่เป็นไปได้ทางคือการพัฒนาอัลกอริทึมที่เรียบง่ายในบล็อกก่อนการประมวลผลเพื่อ

ผลลัพธ์ (ไทย) 3:

การเปลี่ยนแปลงในรัศมี การสูญเสีย ความละเอียดและการเปลี่ยนแปลงในหน้า

- การแสดงออก ที่ต้องฝึก dhmmk น้อยลงภาพต่อ 1 รายวิชา ตารางสี่เหลี่ยมที่ featurewas
-
พบเพื่อให้มีประสิทธิภาพที่ดีกว่าคุณลักษณะตารางขั้วโลก .
- วิธีการที่เสนอมีความไวน้อยกว่าพารามิเตอร์ระบบอืม
เช่นหมายเลขของรัฐที่ซ่อนอยู่
N- วิธีการที่เสนอจะพบความไวน้อยต่อขนาดและความละเอียด

ก่อนหน้านี้โดยใช้คุณลักษณะการเปลี่ยนแปลง ลิป สถิตกับอืมยังไม่ได้โดยเฉพาะ
promisingwith เกี่ยวกับเรื่องการตรวจสอบ [ 14 ] . อย่างไรก็ตาม ,
dhmmk กลับด้านการรับรู้เรื่องนี้และแสดงสัญญาที่ดีสำหรับการควบคุมการเข้าถึง Biometric
ตาม นี้เกิดจากข้อเท็จจริงที่ว่า dhmmk จับ
ข้อมูลที่มีคุณค่าจากความลาดชันของความน่าจะเป็นของ
มีเวกเตอร์คุณลักษณะบางอย่างในรัฐโดยเฉพาะทั้งสี่เหลี่ยม
และคุณสมบัติตารางที่ขั้วโลก นอกจากนี้ข้อเท็จจริงที่ว่ามันทำงานได้ดี
ในขณะที่ต้องสองภาพการฝึกอบรมเป็นสำคัญ ด้วยความเคารพ

ลงทะเบียน - การพิจารณาในทางปฏิบัติที่สำคัญสำหรับการควบคุมการเข้าถึงขนาดใหญ่

เรื่องริมฝีปากของเราเทคนิคการสกัด ( การเปลี่ยนแปลงของผิวสี

บ้าง นี้แสดงให้เห็นโดยลิปผลการสกัด
บนพายข้อมูลแสดงในรูปที่ 3 ภาพแรกแสดง
สีผิวเข้มกว่าภาพที่สอง ส่วนลิปอาจ
จะสกัดที่เชื่อถือได้ค่อนข้างในกรณีดังกล่าว มืดมากในภูมิภาคเช่น
เป็นหน้าสีดำอาจมีผลต่อการสกัดริมฝีปากหนักขึ้น หนึ่งเป็นไปได้
ความคิดที่จะเอาชนะนี้เป็นการพัฒนาเครื่องตรวจจับใบหน้าได้และปรับตัว
ระบายริมฝีปากดำเข้ม ผิวขาว ใบหน้าตามลำดับ .
ก็คุ้มค่าที่ชี้ให้เห็นว่าทั้งสามชุดข้อมูลทดสอบ มันไม่ได้จำเป็นที่จะต้องดำเนินการแก้ไข
หมุนเนื่องจากไม่มีหมุนริมฝีปาก
นำเสนอ