3D Face Recognition System

คำอธิบาย

การจดจำเป้าหมายของมนุษย์เป็นพื้นที่การวิจัยเชิงรุกในช่วงหลายปีที่ผ่านมา โดยเน้นที่การตรวจจับอัตโนมัติและการจับคู่ใบหน้าในภาพนิ่งและวิดีโอ เพื่อวัตถุประสงค์ในการตรวจสอบและระบุตัวตน ประสิทธิภาพของระบบจับคู่ใบหน้า 2 มิติขึ้นอยู่กับความสามารถในการไม่ไวต่อปัจจัยสำคัญ เช่น การแสดงออกทางสีหน้า การแต่งหน้า และอายุ แต่ส่วนใหญ่ขึ้นอยู่กับปัจจัยภายนอก เช่น ความแตกต่างของแสง มุมมองของกล้อง และรูปทรงเรขาคณิตของฉาก อย่างไรก็ตาม ข้อจำกัดโดยธรรมชาติของการจับคู่ใบหน้า 2 มิติได้สนับสนุนความเชื่อที่ว่าการจดจำตัวตนอย่างมีประสิทธิภาพควรได้รับผ่านเทคโนโลยีมัลติไบโอเมตริกซ์ โดยเฉพาะอย่างยิ่ง การใช้ประโยชน์จากรูปทรงเรขาคณิตของโครงสร้างทางกายวิภาคของใบหน้ามากกว่ารูปลักษณ์ ด้วยคำจำกัดความของอัลกอริธึมและระบบสำหรับการจับคู่ใบหน้า 3 มิติเป็นสาขาการวิจัยที่เพิ่มขึ้นในช่วงไม่กี่ปีที่ผ่านมา ระบบจดจำใบหน้า 3 มิติมีเป้าหมายที่จะใช้ข้อมูล 3 มิติเพิ่มเติมเพื่อขจัดปัญหาภายในที่เกี่ยวข้องกับระบบจดจำ 2 มิติ ตัวอย่างเช่น พื้นผิว 3 มิติของใบหน้าไม่เปลี่ยนแปลงตามการเปลี่ยนแปลงของสภาพแสง ดังนั้นระบบการจดจำที่ใช้ข้อมูลนี้จึงควรเป็นค่าคงที่ของแสงตามคำจำกัดความ นอกจากนี้ เนื่องจากสามารถลงทะเบียนโมเดล 3 มิติจำนวนหนึ่งไปยังท่าพื้นฐานได้ ระบบดังกล่าวก็จะไม่แปรเปลี่ยนมุมมองด้วย (แม้ว่าระดับจะขึ้นอยู่กับความสมบูรณ์ของโมเดลส่วนหัว 3 มิติก็ตาม) นอกจากข้อมูล 3 มิติแล้ว ยังสามารถจับข้อมูลพื้นผิวได้ ดังนั้นจึงใช้ข้อมูลที่มีอยู่ทั้งหมดเพื่อเป็นแนวทางในกระบวนการจดจำ

รหัสได้รับการทดสอบบนฐานข้อมูล GavabDB GavabDB เป็นฐานข้อมูลใบหน้า 3 มิติ ประกอบด้วยภาพสามมิติของพื้นผิวใบหน้าจำนวน 549 ภาพ ตาข่ายเหล่านี้สอดคล้องกับบุคคลที่แตกต่างกัน 61 คน (ชาย 45 คนและหญิง 16 คน) มี 9 ภาพสำหรับแต่ละบุคคล บุคคลทั้งหมดเป็นชาวคอเคเซียนและมีอายุระหว่าง 18 ถึง 40 ปี แต่ละภาพกำหนดโดยจุด 3 มิติที่เชื่อมต่อกันของพื้นผิวใบหน้าโดยไม่มีพื้นผิว ฐานข้อมูลจัดเตรียมรูปแบบต่างๆ ที่เป็นระบบเกี่ยวกับท่าทางและการแสดงออกทางสีหน้า

เงื่อนไขดัชนี: Matlab, แหล่งที่มา, รหัส, 3D, ใบหน้า, การจดจำ, การตรวจสอบ, โมเดล, การจับคู่, เสมือน, ความเป็นจริง, การสร้างแบบจำลอง, ภาษา, vrml