การรับรู้เป้าหมายของมนุษย์ได้รับการวิจัยการใช้งานในปีที่ผ่านมามีความสำคัญสำคัญในการตรวจสอบโดยอัตโนมัติและการจับคู่ของใบหน้าในภาพนิ่งและวิดีโอสำหรับวัตถุประสงค์ของการตรวจสอบและการตรวจสอบ ผลการดำเนินงานของใบหน้า 2D ระบบการจับคู่ขึ้นอยู่กับความสามารถของพวกเขาไม่มีความรู้สึกของการเป็นปัจจัยที่สำคัญเช่นการแสดงออกทางสีหน้าแต่งหน้าและริ้วรอย แต่ส่วนใหญ่บานพับกับปัจจัยภายนอกเช่นความแตกต่างของความสว่าง, มุมมองของกล้องและเรขาคณิตที่เกิดเหตุ อย่างไรก็ตามข้อ จำกัด โดยธรรมชาติของใบหน้า 2D จับคู่ได้รับการสนับสนุนความเชื่อที่ว่าการรับรู้ที่มีประสิทธิภาพของตัวตนควรจะได้รับผ่านทางเทคโนโลยีหลายไบโอเมตริกซ์ โดยเฉพาะอย่างยิ่งการใช้ประโยชน์จากรูปทรงเรขาคณิตของโครงสร้างทางกายวิภาคของใบหน้ามากกว่ารูปลักษณ์ที่มีความหมายของขั้นตอนวิธีการและระบบสำหรับการจับคู่ใบหน้า 3 มิติที่ได้รับด้านการเจริญเติบโตของการวิจัยในปีที่ผ่านมามาก 3D ระบบจดจำใบหน้ามีจุดมุ่งหมายที่จะใช้ข้อมูล 3 มิติเพิ่มเติมเพื่อกำจัดบางส่วนของปัญหาที่แท้จริงที่เกี่ยวข้องกับระบบการรับรู้ 2D ตัวอย่างเช่นพื้นผิว 3 มิติของใบหน้าเป็นค่าคงที่การเปลี่ยนแปลงในสภาพแสงและด้วยเหตุนี้ระบบได้รับการยอมรับว่าใช้ข้อมูลนี้ควรจะเป็นโดยนิยามความสว่างคงที่ นอกจากนี้ยังได้รับว่ามันเป็นไปได้ที่จะลงทะเบียนหมายเลขของแบบจำลอง 3 มิติไปยังฐานก่อให้เกิดระบบดังกล่าวยังจะเป็นมุมมองคงที่ (แม้ว่าสิ่งที่ระดับขึ้นอยู่กับความสมบูรณ์ของรูปแบบหัว 3D) นอกจากนี้ยังมีข้อมูล 3 มิติมันก็ยังคงเป็นไปได้ที่จะจับข้อมูลพื้นผิวและทำให้ใช้ข้อมูลทั้งหมดที่มีอยู่เพื่อให้คำแนะนำขั้นตอนการรับรู้
รหัสที่ได้รับการทดสอบในฐานข้อมูล GavabDB GavabDB เป็นฐานข้อมูลใบหน้า 3D มันมี 549 ภาพสามมิติของพื้นผิวบนใบหน้า ตาข่ายเหล่านี้สอดคล้องกับ 61 บุคคลที่แตกต่างกัน (45 เพศชายและเพศหญิง 16 คน) มี 9 ภาพสำหรับแต่ละบุคคล รวมของบุคคลที่เป็นคนผิวขาวและอายุของพวกเขาคือระหว่าง 18 และ 40 ปี ภาพแต่ละภาพจะได้รับจากตาข่ายของจุด 3D ที่เกี่ยวโยงกันของพื้นผิวบนใบหน้าโดยไม่ต้องเนื้อ ฐานข้อมูลมีการเปลี่ยนแปลงอย่างเป็นระบบเกี่ยวกับการปลอมและการแสดงออกทางสีหน้า
ดัชนีคำ Matlab แหล่งที่มา, รหัส, 3D ใบหน้าได้รับการยอมรับการตรวจสอบรูปแบบการจับคู่เสมือน, ความจริง, การสร้างแบบจำลองภาษา VRML
ต้องการ .
Matlab
ความคิดเห็นที่ไม่พบ