32,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 1-2 Wochen
payback
16 °P sammeln
  • Broschiertes Buch

Negli ultimi decenni il riconoscimento dei volti ha suscitato una notevole attenzione da parte dei ricercatori nel campo del riconoscimento dei modelli. La sua importanza è cresciuta a causa delle sue potenziali applicazioni nelle forze dell'ordine, nei sistemi di controllo degli accessi, nella videosorveglianza, nell'autenticazione degli utenti e nelle indagini criminali. Sebbene esistano sistemi di riconoscimento facciale che funzionano bene in ambienti controllati, le applicazioni in tempo reale pongono sfide significative. Fattori come l'illuminazione, l'espressione, la posa, la scala, la…mehr

Produktbeschreibung
Negli ultimi decenni il riconoscimento dei volti ha suscitato una notevole attenzione da parte dei ricercatori nel campo del riconoscimento dei modelli. La sua importanza è cresciuta a causa delle sue potenziali applicazioni nelle forze dell'ordine, nei sistemi di controllo degli accessi, nella videosorveglianza, nell'autenticazione degli utenti e nelle indagini criminali. Sebbene esistano sistemi di riconoscimento facciale che funzionano bene in ambienti controllati, le applicazioni in tempo reale pongono sfide significative. Fattori come l'illuminazione, l'espressione, la posa, la scala, la bassa risoluzione, l'occlusione parziale del volto e le condizioni ambientali rendono il riconoscimento dei volti un compito complesso. Per affrontare queste sfide, il presente studio propone un sistema ibrido di riconoscimento dei volti che considera sia le informazioni olistiche che quelle strutturali. Nel primo metodo, il vettore di caratteristiche viene inserito direttamente in una RNA (rete neurale a retropropagazione o rete a funzione di base radiale) per la classificazione. Nel secondo metodo, il vettore di caratteristiche formato dalla combinazione di componenti multiscala del volto viene proiettato su uno spazio di caratteristiche PCA o LDA per ottenere un vettore di pesi delle caratteristiche, che viene poi utilizzato come input per il classificatore ANN.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
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.