顔認識の 3 つの古典的なアルゴリズムは何ですか?

顔認識の 3 つの古典的なアルゴリズムは、Eigenface、ローカル バイナリ パターン (LBP)、および Fisherface アルゴリズムです。

顔認識のための 3 つの古典的なアルゴリズム

Eigenface メソッド (Eigenface)

Eigenface テクノロジーは、顔または一般的な剛体認識、および顔処理を伴うその他の方法のために最近開発された方法です。顔認識に固有顔を使用する方法は、Sirovich と Kirby (1987) (「人間の顔の特徴付けのための低次元手順」) によって最初に提案され、Matthew Turk と Alex Pentland (「認識のための固有顔」) によって顔の分類に使用されました。 。まず、顔画像のバッチが、初期トレーニング画像セットの基本コンポーネントである「固有顔」と呼ばれる特徴ベクトルのセットに変換されます。認識プロセスは、新しい画像を固有面部分空間に投影し、部分空間内の投影点の位置と投影線の長さによってそれを決定および識別することです。

画像を別の空間に変換すると、同じカテゴリの画像は集まりますが、異なるカテゴリの画像は遠くに集まります。元のピクセル空間の異なるカテゴリの画像分布上、単純な線や面で区切ることは難しいですが、別の空間に変換することでうまく区切ることができます。

Eigenfaces が選択した空間変換手法は PCA (主成分分析) です。PCA は顔分布の主成分を取得するために使用されます。具体的な実装は、すべての顔画像の共分散行列の固有値分解を実行することです。対応する固有ベクトルが取得され、これらの固有ベクトルが「固有面」となります。各固有ベクトルまたは固有顔は、人間の顔間の変化や特徴を捕捉または記述することに相当します。これは、各面がこれらの固有面の線形結合として表現できることを意味します。

ローカル バイナリ パターン (LBP)

ローカル バイナリ パターン (LBP) は、コンピューター ビジョンの分野で分類に使用される視覚アルゴリズムです。画像テクスチャの特徴を記述するために使用される演算子である LBP は、1996 年にフィンランドのオウル大学の T. Ojala らによって提案されました (「特徴のある分布に基づく分類によるテクスチャ測定の比較研究」)。 2002 年に、T. Ojala らは、LBP に関する別の記事 (「ローカル バイナリ パターンによる多重解像度グレースケールおよび回転不変テクスチャ分類」) を PAMI に発表しました。この記事では、多重解像度、グレースケール不変性、回転不変性、および等価モードの改良された LBP 機能について非常に明確に説明しています。 LBP の中心となるアイデアは、中心ピクセルのグレー値をしきい値として使用し、それをそのフィールドと比較して、ローカル テクスチャ特徴を表す対応するバイナリ コードを取得することです。

#LBP は、識別の基礎として局所的な特徴を抽出します。 LBP 法の大きな利点は、照明の影響を受けないことですが、それでも姿勢や表情の問題は解決できません。しかし、固有顔法に比べて、LBP の認識率は大幅に向上しました。

Fisherface アルゴリズム

線形判別分析は、次元を削減しながらカテゴリー情報を考慮します。1936 年に統計学者 R.A. フィッシャー卿によって発明されました (「分類学的問題における複数の測定値の使用」) 》）。クラス間分散を最大化し、クラス内分散を最小化する機能を組み合わせる方法を見つけるため。考え方は単純です。低次元表現では、同じクラスがしっかりとクラスター化され、異なるクラスは可能な限り離れている必要があります。 1997 年、ベルヒューマーはフィッシャー判別基準を顔分類に適用することに成功し、線形判別分析に基づくフィッシャーフェイス法を提案しました (「固有顔対フィッシャーフェイス: クラス固有の線形射影を使用した認識」)。

関連知識の詳細については、PHP 中国語 Web サイト をご覧ください。

以上が顔認識の 3 つの古典的なアルゴリズムは何ですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。