主成分分析PrincipalComponentAnalysisPCAII.PPT

* * 隨著鄰近集合P和圓的半徑R，和中央像素“gc” 及其鄰近地區（g0,g1…gp）之間的差異 原始LBP標籤影像的像素由本地區域當成門檻值，每個像素的鄰近地區與中心值和考量結果為二進制數值。 函式（2）意指像素若大於中央像素映射到1，否則為0。 * * 實驗設置 利用南佛羅里達大學的3D database 直接用3D臉部影像的Database去點出34個點，並且截取出50個人的2D臉部影像，而每個影像擷取在正負30度的範圍內。 所以會產生出3050張影像 * 最後將所有的影像標準化，裁剪成為100*100像素 * 首先先以角度為0度的也就是人的正面為基準，然後針對30度到-30度中間選擇20個角度，形成一個group 然後這個實驗一共要取出10個group來做比較 * * 實驗的結果 這個些數值指的是辨識率的百分比，Rall(%)是利用Eigenface所產生出來的辨識率 Ravg(%)是再利用AVG Face所產生出來的辨識率 最後的結果平均提高了10%的辨識率 * 在LBP的比較中，發現使用LBP的辨識率，跟在做完AVG Face的辨識率明顯下降， 而第1,2,4,5,7組更是低於30% * 由於LBP辨識有參數微調的問題，作者考慮是否因此而造成識別率降低的原因原本設定是使用32位元組跟10*10的區塊 所以改變了位元組跟分區的區域 這張圖是針對GROUP1改變了位元組所做的比較圖 * 而這張圖是針對GROUP1改變了分區的區塊所做的比較圖 但是結果都是一樣的，在LBP的比較中，使用LBP的辨識率，跟在做完AVG Face的辨識率明顯下降， 使用AVG Face 會使得細微的特徵淡化或者是消失， 作者指出這個方法在臉部辨識上還處於實驗的階段，經過實驗證明AVG Face不一定能夠提高影像的辨識度。 所以使用AVG Face 在臉部辨識上容有很多的問題值得探討。 * * * * A Comparative Evaluation of Average Face on Holistic and Local Face Recognition Approaches Sanqiang Zhao, Xiaozheng Zhang, and Yongsheng Gao Pattern Recognition, 2008. ICPR 2008. 19th International Conference on8-11 Dec. 2008 Page(s):1 - 4 授課教師：萬書言副教授 報告者：陳奕穎 報告日期：2009/11/23 Outline Abstract Introduction Average Face Experimental settings Experimental results Conclusions References Abstract To reveal a published paper 100% Accuracy in Automatic Face Recognition which working mechanism. Perform the averaging process using pose-varied synthetic images generated from 3D face database and conduct a comparative study. Two representative methods, i.e. Eigenface and Local Binary Pattern (LBP) are employed to perform the experiments. Introduction Recently, psychological researchers from University of Glasgow proposed an “Average Face” to improve face recognition approaches. Pose variation is confined within approximately ±30° to make all feature points visible in the image. Averaging the 20 images of each person can increase the recognition accuracy from 54% to 100%. Average Face I Original face images labeled with 34 feature point