Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Sistema di riconoscimento facciale basato su nuove tecniche di classificazione Pca-Lda

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.

Mostra/Nascondi contenuto.
Introduzione i Introduzione Il lavoro svolto nell’ambito di questa tesi è stato incentrato sui sistemi di riconoscimento facciale. 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.

Tesi di Laurea

Facoltà: Ingegneria

Autore: Pietro Fabiani Contatta »

Composta da 143 pagine.

 

Questa tesi ha raggiunto 7290 click dal 04/10/2006.

 

Consultata integralmente 8 volte.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.