Информация о работе
Подробнее о работе
ВКР Исследование методов распознавания лиц по фотографиям
- 45 страниц
- 2021 год
- 7 просмотров
- 0 покупок
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
Целью данной работы является оценка эффективности автоматического распознавания лиц по сравнению с возможностями человеческого восприятия, а также исследование и применение на практике различных методов машинного обучения.
В первой части описано понятие биометрии и биометрических данных, дано описание их использования повседневной в жизни, проведено сравнение метода распознавания лиц с другими методами получения биометрических данных.
Вторая часть посвящена описанию методов машинного обучения. В ней рассмотрены основные их них, приведены принципы работы данных методов и объяснен способ их действия.
Третья часть включает в себя экспериментальное исследование,
опирающееся на теоретические данные предыдущих глав. На практике
Введение ...................................................................................................................................................... 4 1. Значение и применение биометрии в современном мире .............................................................. 6
1.1. Понятие биометрии и биометрических данных ...................................................................... 6 1.2. Использование биометрических данных в повседневной жизни ............................................ 9 1.3. Преимущества биометрического распознания лиц в сравнении с другими
биометрическими методами ............................................................................................................ 12 1.4. Процесс захвата изображения и компоненты систем распознавания лиц ....................... 14
2. Обзор методов для автоматического распознавания лиц ........................................................... 19 2.1. Расширенный метод 2-D PCA для распознавания лиц ........................................................... 19 2.2. Модель распознавания лиц на основе ковариационного слияния с использованием
ковариационных пересечений (Covariance fusion using covariance intersection) ......................... 23 2.3. Распознание лиц на основе PCA и генетических алгоритмах .............................................. 28
3. Постановка задачи и экспериментальные исследования ........................................................... 35 3.1. Постановка задачи ....................................................................................................................... 35 3.2. Программная реализация ............................................................................................................ 35
Заключение ............................................................................................................................................... 39 Список литературы ................................................................................................................................ 40 Приложение 1. Программный код ....................................................................................................... 42
Оригинальность по АП.Вуз на 11 февраля 2023 года более 70%.
В настоящее время имеется большое количество возможностей в области разработки программного обеспечения. В различные сферы жизни быстро внедряются автоматизированные процессы и программы, упрощающие работу многим специалистам. К ним относятся и биометрические системы, которые позволяют повысить уровень безопасности и облегчить распознавание лиц.
реализована программа, выполняющая распознавание лиц. При ее разработке были использованы техники машинного зрения и глубокого обучения.
Дипломная работа посвящена анализу использования биометрических данных и исследованию методов распознавания лиц по фотографиям, что очень актуально на данный момент в связи с быстрым развитием технологий и их частым использованием в повседневной жизни.
1. W. Zhao, R. Chellappa, P.J. Phillips, and A. Rosenfeld, ACM Comp. Surv. 35,
399 (2003).
2. M. Kirby, L. Sirovich, IEEE Trans Patt. Anal. Mach. Intel. 12, 103 (1990).
3. S.G. Kong, J. Heo, B.R. Abidi, J. Paik, and M.A. Abidi, Comp. Vis.
Image Understanding 97, 103 (2005).
4. A. F. Abate, M. Nappi, D. Riccio, and G. Sabatino, Pattern Recognition Letters
28, 1885 (2007).
5. M. Turk and A. Pentland, J. Cogn. Neuro. 3, 71 (1991).
6. R. Gottumukkal and V.K. Asari, Patt. Recog. Lett. 25, 429 (2004).
7. I. Gauthier, N. K. Logothetis. Is face recognition not so unique after all?
(2000).
8. J. Sergent. Microgenesis of Face Perception (1986).
9. R. Chellappa, C.L. Wilson, S. Sirohey. Human and machine recognition of
faces: A survey. Proc. IEEE 83 (5) (1995).
10. S. T. Roweis, L. K. Saul. Nonlinear dimensionality reduction by locally linear
embedding (2000).
11. M. Belkin, P. Niyogi. Laplacian eigenmaps and spectral techniques for
embedding and clustering. In Advances in neural information processing
systems (2002).
12. Z. J. Tan, S. J. Chen. Electrostatic correlations and fluctuations for ion binding
to a finite length polyelectrolyte (2005).
13. W. A. Barrett, Syst. and Comp. 1, 301 (1998).
14. J. L. Center Jr., Proceedings of the NATO Advanced Study Institute on Face Recognition: From Theory to Applications, 23, June 1997 (Stirling, UK) pp 402-408.
15. A. Pentland and T. Choudhury, IEEE Computer 33, 50 (2000).
16. A. Samal and P. A. Iyengar, Patt. Recog. 25, 65 (1992).
17. I.T. Jolliffe, Principal Component Analysis, Springer, New York (1986).
18. M. Lòeve, Probability Theory, Van Nostrand, Princeton (1955).
19. L. Sirovich and M. Kirby, J. of Opt. Soc. of Amer 4, 519 (1987).
20. S. Bartlettm, J. R. Movellan, and T. J. Sejnowski, IEEE Trans. Neu. Net. 13,
1450 (2002).
21. H. Kong, X. Li, L. Wang, E.K. Teoh, J.-G.Wang, and R. Venkateswarlu,
Proceedings IEEE International Joint Conference on Neural Networks, 31, July 2005, (Montreal, Canada) pp 108-113.
22. G. L. Marcialis and F. Roli, Patt. Anal. Appl. 7, 151 (2004).
23. A. M. Martinez and A. C. Kak, IEEE Trans Patt. Anal. Mach. Intel. 23, 228
(2001).
24. A. Pentland, B. Moghaddam, and T. Starner, Proceedings of Computer Vision
and Pattern Recognition, 21, June 1994 (Seattle, USA) pp84-91.
25. G. Giacinto, F. Roli, and G. Fumera, IEEE International Joint Conference on
Neural Network, 24, July 2000 (Como, Italy), pp155-159.
26. T.K. Ho, J.J. Hull, and S.N. Srihari, IEEE Trans Patt. Anal. Mach. Intell. 16, 66
(1994).
27. J. Kittler, M. Hatef, R.P.W. Duin, and J. Matas, IEEE Trans Patt. Anal. Mach.
Intel. 20, 226 (1998).
28. M. J. Aitkenheada and A. J. S. Mcdonald, Eng. Appl. Artif. Intel. 16, 167 (2003).
29. Журавлев Ю.И. Об алгебраических методах в задачах распознавания и
классификации. − Распознавание. Классификация. Прогноз.
Математические методы и их применение. Вып. 1. – М.: Наука. 1989.
30. Журавлев Ю.И., Гуревич И.Б. Распознавание образов и распознавание изображений. − Распознавание, классификация, прогноз. Математические
методы и их применение. Вып. 2. – М.: Наука, 1989.
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
