30,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in über 4 Wochen
payback
15 °P sammeln
  • Broschiertes Buch

En las últimas décadas, el reconocimiento facial ha suscitado gran interés entre los investigadores del campo del reconocimiento de patrones. Su importancia ha crecido debido a sus aplicaciones potenciales en el cumplimiento de la ley, los sistemas de control de acceso, la videovigilancia, la autenticación de usuarios y las investigaciones criminales. Aunque existen sistemas de reconocimiento facial que funcionan bien en entornos controlados, las aplicaciones en tiempo real plantean importantes retos. Factores como la iluminación, la expresión, la pose, la escala, la baja resolución, la…mehr

Produktbeschreibung
En las últimas décadas, el reconocimiento facial ha suscitado gran interés entre los investigadores del campo del reconocimiento de patrones. Su importancia ha crecido debido a sus aplicaciones potenciales en el cumplimiento de la ley, los sistemas de control de acceso, la videovigilancia, la autenticación de usuarios y las investigaciones criminales. Aunque existen sistemas de reconocimiento facial que funcionan bien en entornos controlados, las aplicaciones en tiempo real plantean importantes retos. Factores como la iluminación, la expresión, la pose, la escala, la baja resolución, la oclusión parcial de la cara y las condiciones ambientales hacen que el reconocimiento facial sea una tarea compleja. Para hacer frente a estos retos, este estudio propone un sistema híbrido de reconocimiento facial que tiene en cuenta tanto la información holística como la estructural. En el primer método, el vector de características se introduce directamente en una RNA (ya sea una red neuronal de retropropagación o una red de función de base radial) para su clasificación. En el segundo método, el vector de características formado por la combinación de componentes faciales multiescala se proyecta en un espacio de características PCA o LDA para obtener un vector de pesos de características, que luego se utiliza como entrada para el clasificador ANN.
Autorenporträt
Dr. K. Rama Linga Reddy tiene 30 años de experiencia docente con 22 años en GNITS y 8 años en CBIT. Trabaja como HOD en el departamento de ETE desde 2002. Tiene 85 trabajos de investigación en su haber y ha dirigido con éxito 5 doctorados de JNTUH. Asesor y miembro del BOS de muchas escuelas de ingeniería.