Andere Kunden interessierten sich auch für
![Gestenbasierte Erkennung: Theorie und Anwendungen]( "Gestenbasierte Erkennung: Theorie und Anwendungen")
Gestenbasierte Erkennung: Theorie und Anwendungen43,90 €![ANWESENHEITSSYSTEM MIT GESICHTSERKENNUNG]( "ANWESENHEITSSYSTEM MIT GESICHTSERKENNUNG")
ANWESENHEITSSYSTEM MIT GESICHTSERKENNUNG39,90 €![Gesichtserkennungstechniken basierend auf Eigenmerkmalen und Ann]( "Gesichtserkennungstechniken basierend auf Eigenmerkmalen und Ann")
Gesichtserkennungstechniken basierend auf Eigenmerkmalen und Ann43,90 €![Gesichtsdetektion und -erkennung in Echtzeit]( "Gesichtsdetektion und -erkennung in Echtzeit")
Gesichtsdetektion und -erkennung in Echtzeit43,90 €![Kompendium Technik in Museen]( "Kompendium Technik in Museen")
Kompendium Technik in Museen88,00 €![Technisches Handbuch Straßen-und Außenbeleuchtung]( "Technisches Handbuch Straßen-und Außenbeleuchtung")
Technisches Handbuch Straßen-und Außenbeleuchtung44,00 €![Lichttechnik und Energieversorgung]( "Lichttechnik und Energieversorgung")
Lichttechnik und Energieversorgung49,00 €
In diesem Buch wurde eine eingehende Studie über den Stand der Technik der beleuchtungsinvarianten Gesichtserkennungstechniken durchgeführt und eine Methode vorgeschlagen, die auf der Fusion von zwei verschiedenen Merkmalsextraktionstechniken basiert, um die ungünstigen Beleuchtungsbedingungen zu überwinden. Das vorgeschlagene System verwendet die gradientenbasierte Beleuchtungsnormalisierung, um die Überlegenheit der Beleuchtungskomponente zu entfernen. Um die beleuchtungsunempfindliche Gesichtsdarstellung zu erhalten, wird ein Verhältnis der Gradientenamplitude zur ursprünglichen Bildintensität ermittelt. Die Gesichtsmerkmale werden mit zwei verschiedenen Merkmalsextraktionstechniken extrahiert. Das lokale binäre Muster (LBP) ist ein sehr effizienter lokaler Texturdeskriptor, der auf der Schwellenwertbildung für die Pixel in einer kleinen Nachbarschaft auf der Grundlage des Wertes des mittleren Pixels basiert. Das lokale ternäre Muster (LTP) ist eine rauschresistente modifizierte Version des LBP. Die von den beiden Techniken gelieferten Merkmalsvektoren werden auf Merkmalsebene verschmolzen. Schließlich wird in der Klassifizierungsphase zur Erkennung ein künstliches neuronales Netz verwendet.