Professional Documents
Culture Documents
Ahol:
f x, y – az eredeti kép szaturációjának, illetve intenzitásának értéke x, y
koordinátákon
m f x, y – az eredeti kép lokális átlagának becsült értéke
f x, y – a lokális normál szórás becsült értéke
g x, y – a normalizált kép
R
r .................................................................................(2)
RG B
G
g .................................................................................(3)
RG B
1. szabály: a fenti ábrán látható eloszlás alapján két határértéket kell kiszámolni és
ezek függvényében dönteni a pixel hovatartozásáról. A határértékek:
A szabály:
SZ4: R - G > 45
4.0 Arcfelismerés
A leggyakrabban alkalmazott arcfelismerő módszerek:
1973-ban Kanade kifejlesztett egy olyan automatikus, arcjellemzőket megállapító
módszert, amely a jellemző pontok (például: szem, száj, orr) közti távolságok
arányát felhasználva próbálja meg azonosítani a keresett személyt. Ezzel a
módszerrel 20 főt tartalmazó adatbázisában 45-75%-os pontosságot tudott elérni.
Mivel nagyon ritkán fordul elő, hogy szemből készült képet kelljen vizsgálni, így
ennél a módszernél problémát okozhat az arcpozíció. Ezzel a módszerrel azóta is
sokan foglalkoztak, de igazán jó eredményeket még kontrollált körülmények
között sem tudtak elérni.
Sablonillesztés: a képrészletek közvetlen összehasonlításán alapul, és csak akkor
működik jól, ha a tanító és kérdésként szereplő képek megvilágítása, iránya,
mérete azonos.
Egyes rendszerek több irányból készített felvételek segítségével az arc
háromdimenziós modelljét állítják elő, és vizsgálják.
Neurális hálók is használatosak arcfelismerési célokra, de a legtöbb esetben kicsi
adatbázissal dolgoznak.
Eigenface-módszer: nagyon népszerű módszer. 1987-ben mutatták be. A módszer
kifejlesztői: Sirovich és Kirby. Az alkalmazásomban is ezzel a módszerrel történik
az arcfelismerés.
c1 d1
c2 d2
c d
3 3
c . d .
. .
. .
cN 2 dN2
e1 f1
e2 f2
e f
3 3
e . f .
. .
. .
eN 2 fN2
g1 h1
g2 h2
g h
3 3
g . h .
. .
. .
g N2 hN 2
a1 b1 . . . h1
a2 b2 . . . h2
.
1 . .
.................................(6)
m
M . . .
. . .
a 2 bN 2 . . . hN 2
N
e 3 m 3
f 3 m 3
g 3 m 3
h 3 m 3
em . fm . gm . hm .
. . . .
. . . .
e 2 m 2 f 2 m 2 g 2 m 2 h 2 m 2
N N N N N N N N
2
IV. Létre kell hozni az A mátrixot, melynek N sorból (pixelek száma) és M oszlopból
(beolvasott képek száma) áll. Ez az úgynevezett képtér.
A a m bm cm dm em fm gm hm ...............................(7)
V. Ki kell számolni a kovariancia mátrixot:
L AT A .......................................................................................(9)
U AV .........................................................................................(10)
r1 m1
2r m 2
r3 m 3
rm . .............................................................................(12)
.
.
r 2 m 2
N N