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

Riconoscimento di volti mediante H.M.M. supportato da reti neurali

Face recognition from an image or video sequences is emerging as an active search area with numerous commercial and law enforcement applications. In this paper different Pseudo 2-dimension Hidden Markov Models (HMMs) are introduced for a face recognition showing performances reasonably fast for binary images. The proposed P2-DHMMsaremade up of five levels of states, one for each significant facial region in which the input frontal images are sequenced: forehead, eyes, nose, mouth and chin. Each of P2-D HMMs has been trained by coefficients of an artificial neural network used to compress a bitmap image in order to represent it with a number of coefficients that is smaller than the total number of pixels. All the P2-D HMMs, applied to the input set consisting of the Olivetti Research Laboratory
face database combined to others photos, have achieved good rates of recognition and, in particular, the structure 3-6-6-6-3 has achieved a rate of recognition equal to 100%.

Mostra/Nascondi contenuto.
- 8 - INTRODUZIONE Stato dell arte e motivazioni In questa tesi si Ł creato un sistema per il riconoscimento dei volti umani appartenenti ad un assegnato data base di foto. Il sistema ricevendo in ingresso una foto qualsiasi del data base, Ł in grado di riconoscere il soggetto corretto del data base indicando con quale probabilit . Se si assegna in ingresso una fo to non presente nel data base, l uscita del sistema Ł forzata al riconoscimento di uno dei soggetti del data base con relativa probabilit , che sar molto bassa. Il sistema complessivo pu essere visto come un sis tema ibrido formato da due sottosistemi collegati in cascata. Questi sottosistemi sono la rete neurale artificiale (back propagation) e la catena di markov nascosta (pseudo 2D). I vantaggi principali di questa scelta sono:  Una migliore efficacia del riconoscimento, in quanto le features (caratteristiche) estratte dal primo sottosistema rappresentano gli ingressi del secondo sottosistema, che opera su queste per estrarre le features finali. Per cui grazie a questa connessione si ottiene un riconoscimento piø accurato;  La possibilit di adattare sistemi che sono stati s viluppati precedentemente. Ad esempio sia la rete neurale artificiale che gli H.M.M. possono essere utilizzati singolarmente per il riconoscimento dei volti umani (ma con risultati non ottimali come per l utilizzo combinato). Di contro lo svantaggio Ł:

Tesi di Laurea

Facoltà: Ingegneria

Autore: Gaetano Carro Contatta »

Composta da 252 pagine.

 

Questa tesi ha raggiunto 580 click dal 30/06/2009.

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