ВИКОРИСТАННЯ МЕТОДІВ З ПОНИЖЕННЯМ РОЗМІРНОСТІ ПРОСТОРУ ХАРАКТЕРИСТИК У ЗАДАЧІ РОЗПІЗНАВАННЯ ОБЛИЧ

##plugins.themes.bootstrap3.article.sidebar##

PDF
Опубліковано: серп. 1, 2017
Ключові слова:
розпізнавання облич, аналіз головних компонент, аналіз незалежних компонент, локальні збережені проекції, лінійний дискримінантний аналіз, наївний Байєсовий класифікатор, перцептивний хеш.

##plugins.themes.bootstrap3.article.main##

Олександр Кучер
Олександр Сердюк

Анотація

У статті описано застосування методів з пониженням розмірності простору характеристик для розв’язання задачі розпізнавання облич. Наведено опис застосування методів головних компонент, локальних збережених проекцій, лінійного дискримінантного аналізу, незалежних компонент, наївного Байєсового класифікатора та перцептивних хешів на основі усередненої функції хешування та дискретного косинусного перетворення. Подано загальні алгоритми застосування вказаних методів. Описано та проаналізовано отримані на основі реалізованого програмного продукту результати розпізнавання облич, взятих з бази даних зображень colorferet.

##plugins.themes.bootstrap3.article.details##

Номер
Том 371 № 38 (2015)
Розділ
Applied Mathematics

Посилання

Блейхут Р. Теория и практика кодов, контролирующих ошибки / Р. Блейхут. – Москва: Мир, 1986. – 576 с.

Bartlett M. S. Face Recognition by Independent Component Analysis / M. S. Bartlett, J. R. Movellan, T. J. Sejnowski // IEEE Transactions on Neural Networks. – 2002. – Vol. 13, No. 6. – P. 1450-1464.

Bhat A. Medoid based Model for Face Recognition using Eigen and Fisher Faces / A. Bhat // International Journal of Soft Computing, Mathematics and Control (IJSCMC). – 2013. Vol. 2, No. 3. – P. 1-10.

Comon P. Independent Component Analysis, a new concept? / P. Comon // Signal Processing. – 1994. – No.36. – P. 287-314.

Congdon P. Applied Bayesian modelling / P. Congdon. – Berlin: John Wiley & Sons, 2014. – 465 p.

Crochemore M. Algorithms on strings / M. Crochemore, C. Hancart, T. Lecroq. – Cambridge: Cambridge University Press, 2007. – 393 p.

Draper B.A. Recognizing faces with PCA and ICA / B.A. Draper, K. Baek, M.S. Bartlett, J.R. Beveridge // Computer Vision and Image Understanding. – 2003. – Vol. 91, I. 1-2. – P. 115-137.

Eigenfaces [Електронний ресурс]: Scholarpedia. – Режим доступу: http://www.scholarpedia.org/article/Eigenfaces

He X. Face recognition using laplacianfaces / X. He, S. Yan, Y. Hu, P. Niyogi, H.J. Zhang // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2005. – Vol. 27(3). – P. 328-340.

Hyvärinen A. Independent Component Analysis: Algorithms and Applications / A. Hyvärinen, E. Oja // Neural Networks. – 2000. – No. 13(4-5). – P. 411-430.

Jolliffe I. T. Principal component analysis / I. T. Jolliffe. – New-York: Springer-Verlag, 2002. – 518 p.

Kopparapu S. K. Bayesian approach to image interpretation / S. K. Kopparapu, U. B. Desai – New-York: Kluwer Academic Publishers, 2002. – 136 p.

Li S. Z. Handbook of Face Recognition / S. Z. Li, A. K. Jain – London: Springer-Verlag, 2011. – 716 p.

Monga V. Perceptually Based Methods for Robust Image Hashing / V. Monga // PhD thesis. – University of Texas, 2005. – 107 p.

Phillips P. J. The FERET Evaluation Methodology for Face Recognition Algorithms / P. J. Phillips, H. Moon, S. A. Rizvi, P. J. Rauss // IEEE PAMI. – 2000. – Vol. 22, No. 10. – P. 1090-1104.

The Color FERET Database [Електронний ресурс]: NIST. – Режим доступу: http://www.nist.gov/itl/iad/ig/colorferet.cfm

Turk M. Eigenfaces for Recognition / M. Turk, A. Pentland // Journal of cognitive neuroscience – 1991. –Vol. 3, I. 1. – P. 71-86.

Wu X. The top ten algorithms in data mining / X. Wu, V. Kumar. – Taylor & Francis Group, LLC, 2009. – 214 p.