Библиотека
Оригинальное расположение статьи - http://www.google.com.ua/url?sa=t&ct=res&cd=1&url=ftp%3A%2F%2Fftp-sop.inria.fr
Распознание лица используя многополярные изображения и фильтры Gabor
Авторы: Maria Jose Escobar*, Javier Ruiz-del-Solar** , Jose Rodriguez
Перевод: Петросянц В.С.
Резюме. Архитектура MLPG, новая биологически базирующаяся архитектура для распознавания лица здесь предложена. В этой архитектуре полярные регистрацией изображения и Фильтрование Gabor используются для того, чтобы моделировать путь, которым изображения лица обработаны между сетчаткой и первичной визуальной корой. Некоторые моделирования способностей распознавания MLPG использование Йельской Базы данных Лица представлены, вместе со сравнением с EBMG и архитектурой LPG.
1. ВВЕДЕНИЕ
Распознавание лица - очень живая и расширяющаяся область исследования. Увеличивающийся интерес в этой технологии главным образом стимулируют заявления как управление доступом к зданиям, идентификация для проведения законов в жизнь, и недавно пассивное признание преступников в общественных местах как аэропорты, стадионы, и т.д.
Способность признает и опознает других людей, использующих информацию, содержавшуюся в изображении лица, одна из отличительной особенности нашей визуальной системы и где это показывает высокую специализацию по сравнению с визуальными системами другого млекопитающие [6]. По этой причине и полагая, что выполнение вычислительной системы для распознавания лица - жесткая задача, кажется естественным подражать механизмам, используемым в нашей визуальной системе, чтобы осуществить систему распознавания лица. Принимая во внимание эту идею, данная работа описывает систему распознавания лица, вселенную в моделях обработки нашей визуальной системы.
Много различных подходов были предложены, чтобы решить задачу распознования лица. Самое успешное может быть разделено на те, которые анализируют лица в целостном смысле (Eigenfaces, Fisherfaces, и т.д.) и те, которые анализируют отдельные части лиц (глаза, рот, нос, и т.д.) что касается примера, так называемой динамической архитектуры связи. Динамическая архитектура связи - общая техника распознавания лица, которая представляет лица, проектируя их на упругую сетку, где ответ банка фильтра Gabor измерен в каждом узле сетки. Признание лиц выполнено, измеряя подобие ответа фильтра в каждом узле (Gabor-самолеты) между различными изображениями лица. Узлы сетки обычно, но не необходимый, соответствуют так называемым основанным на вере пунктам (центр глаз, вершина носа, углы губ, и т.д.) . Одна из самой успешной динамической архитектуры связи - Упругий Граф Связки, Соответствующий - EBGM (см. например [12]).
Анализ Gabor, специфический случай объединенного пространственного / анализа частоты, биологически базируется, и их ориентируемые фильтры (фильтры Gabor) моделируют вид визуальной обработки, выполненной простыми и сложными ячейками первичной визуальной коры более высоких млекопитающих [7]. Форма восприимчивых областей этих ячеек и их организации - результаты визуального неконтролируемого изучения во время развития визуальной системы за первые несколько месяцев жизни [11]. Основанный на этих фактах можно сказать, что динамический подход связи для распознавания лица биологически мотивирован, по крайней мере в стадиях, где анализ Gabor используется. Цель этой работы состоит в том, чтобы предпринять шаги далее в строительство системы распознавания лица, которая биологически базируется. Чтобы достигнуть этой цели Полярное регистрацией Преобразование – LPT [8], который моделирует Картографию Retinothopic визуальной информации между сетчаткой и областью V1 визуальной коры [7] [11], используется.
Использование LPT в заявлениях распознования лица не ново, различные группы исследования использовали это. Tistarelli и Grosso [9] [10] осуществили активную систему распознования лица, которая использует LPT вместе с Основными Компонентами Анализа. Chien и Choi использовали LPT, чтобы определить местонахождение ориентиров в лицах [1]. Minut и др. использовали LPT вместе со Скрытыми Моделями Markov для распознавания лиц [5]. Однако, к нашему знанию наша работа является первой, где LPT были включены в архитектуру распознавания лица динамической связи. В предыдущей работе мы осуществили архитектуру, которая смешивает EBMG с LPT, названным Полярной регистрацией архитектурой Gabor - LPG [4]. В архитектуре LPG Банк Фильтра Gabor применен к каждому узлу сетки в полярном регистрацией изображении.
Архитектура здесь предложенный, названный Много Полярный регистрацией Gabor – MLPG, состоит из биологической вдохновленной системы, которая использует LPT и Фильтры Gabor, но различным способом чем LPG. В архитектуре MLPG полярное регистрацией изображение для каждого основанного на вере пункта, внимательного важный, получено, затем Банк Фильтра Gabor применен в каждом из этих новых изображений, получая как результат Gabor-самолеты для каждого изображения с меньшим количеством вычислительной стоимости чем EBMG.
Статья структурирована следующим образом. Предложенная архитектура распознавания лица описана в секции II. В секции III некоторые моделирования способностей распознавания MLPG использование Йельской Базы данных Лица представлены, вместе со сравнением с EBMG и архитектурой LPG. Наконец, в секции IV некоторые заключения этой работы даны.
2. АРХИТЕКТУРА ПРЕДЛОЖЕНА
Блок-схема предложенной архитектуры представлена в иллюстрации 1. Когда новое изображение лица прибывает в систему, блок Выравнивания Лица находит, что основанные на вере пункты Fp используются для распознавания. В нашем текущем выполнении этот блок не осуществлен автоматическим способом, но вручную. Впоследствии Полярное регистрацией Преобразование применено по входному изображению лица, используя как происхождение преобразования координаты основанных на вере пунктов, получая Fp различные Полярные регистрацией изображения. После этого Фильтрование Gabor применено к каждому из этих изображений Fp, получая ценности Gabor-самолета для каждого основанного на вере пункта. Наконец, чтобы определить идентичность входного лица, его Gabor-самолеты по сравнению с Gabor-самолетами каждого изображения лица, которое формирует Базу данных Графов Лица (P классы и полярные регистрацией изображения N в класс), используя Подобие, Соответствующее блоку.
|
|
