Sistema di riconoscimento facciale basato su nuove tecniche di classificazione Pca-Lda
Autore
Pietro Fabiani - Università degli Studi di Siena - [2001-02]
Documenti
Abstract
Il lavoro svolto nell’ambito di questa tesi è stato incentrato sui sistemi di riconoscimento facciale.
Il riconoscimento facciale consiste nella verifica dell’identità di un individuo attraverso i tratti somatici del viso. Da un punto di vista tecnico il riconoscimento facciale non è altro che un particolare problema di “object recognition” nel quale gli oggetti da riconoscere presentano particolari proprietà che li accomunano (es. posizione di occhi, bocca e naso) ed altre, più sottili, che permettono di distinguerli (es. lineamenti e forma del viso).
In questo progetto è stato effettuato un lavoro preliminare di ricerca sullo stato dell’arte nel campo del Riconoscimento Facciale Automatico (AFR). Dalle indagini svolte, è emerso che si tratta di un ambito attualmente in fase di sviluppo: lo dimostra il fatto che la maggior parte delle tecnologie segnalate sono riferite a risultati accademici degli ultimi cinque anni.
Dopo avere analizzato i principali metodi per il riconoscimento facciale utilizzati e sviluppati recentemente, è stato ritenuto che l’approccio basato su tecniche PCA (Principal Component Analysis) e LDA (Linear Discriminant Analysis) fosse particolarmente promettente.
E’ stato così deciso di sviluppare un sistema prototipale di AFR sperimentando una nuova tecnica di classificazione che deriva dalla combinazione delle altre due già esistenti (PCA e LDA). Il sistema sviluppato permette di identificare un individuo all’interno di un database, semplicemente fornendo in ingresso al sistema una foto digitale del soggetto da riconoscere.
Analizzando in dettaglio il metodo che si basa sulla combinazione PCA-LDA, sono emersi due problemi: uno riguardante il costo computazionale richiesto e l’altro riguardante la classificazione, che risulta sempre più difficile all’aumentare del numero degli individui presenti nel database.
L’algoritmo proposto, su cui si basa il sistema implementato, è stato creato proprio per migliorare questi due aspetti.
Il riconoscimento facciale consiste nella verifica dell’identità di un individuo attraverso i tratti somatici del viso. Da un punto di vista tecnico il riconoscimento facciale non è altro che un particolare problema di “object recognition” nel quale gli oggetti da riconoscere presentano particolari proprietà che li accomunano (es. posizione di occhi, bocca e naso) ed altre, più sottili, che permettono di distinguerli (es. lineamenti e forma del viso).
In questo progetto è stato effettuato un lavoro preliminare di ricerca sullo stato dell’arte nel campo del Riconoscimento Facciale Automatico (AFR). Dalle indagini svolte, è emerso che si tratta di un ambito attualmente in fase di sviluppo: lo dimostra il fatto che la maggior parte delle tecnologie segnalate sono riferite a risultati accademici degli ultimi cinque anni.
Dopo avere analizzato i principali metodi per il riconoscimento facciale utilizzati e sviluppati recentemente, è stato ritenuto che l’approccio basato su tecniche PCA (Principal Component Analysis) e LDA (Linear Discriminant Analysis) fosse particolarmente promettente.
E’ stato così deciso di sviluppare un sistema prototipale di AFR sperimentando una nuova tecnica di classificazione che deriva dalla combinazione delle altre due già esistenti (PCA e LDA). Il sistema sviluppato permette di identificare un individuo all’interno di un database, semplicemente fornendo in ingresso al sistema una foto digitale del soggetto da riconoscere.
Analizzando in dettaglio il metodo che si basa sulla combinazione PCA-LDA, sono emersi due problemi: uno riguardante il costo computazionale richiesto e l’altro riguardante la classificazione, che risulta sempre più difficile all’aumentare del numero degli individui presenti nel database.
L’algoritmo proposto, su cui si basa il sistema implementato, è stato creato proprio per migliorare questi due aspetti.
Questa tesi è correlata alle categorie
segnala questa pagina ::.