Деякі аспекти розпізнавання облич: моделі, алгоритми, методи, системи, застосування

Автор(и)

DOI:

https://doi.org/10.31866/2617-796X.4.1.2021.236949

Ключові слова:

розпізнавання образів, простір ознак, технології розпізнавання, алгоритми розпізнавання

Анотація

Метою статті є дослідження, аналіз і розгляд загальних проблем і перспектив використання наявних підходів до розпізнавання облич (сфери їх застосування, особливості та відмінності).

Методами дослідження є методи семантичного аналізу основних понять цієї предметної сфери (теорії та практики розпізнавання образів, зокрема зображень облич). У статті розглянуто відомі підходи до розробки систем розпізнавання облич.

Новизною проведеного дослідження є розв’язання проблем розпізнавання облич для визначення прав доступу та аутентифікації.

Висновки. Проаналізовані наявні проблеми та перспективи застосування алгоритмів розпізнавання облич стають більш точними. Розпізнавання облич стало важливою частиною штучного інтелекту, тому що його використовують у соціальних медіа, цифрових камерах та в розумній автоматизації будинку.

Біографії авторів

Олександр Ткаченко, Національний авіаційний університет

Кандидат фізико-математичних наук, доцент, доцент кафедри інженерії програмного забезпечення

Мирослав Бойко, Державний університет інфраструктури та технологій

Магістрант, кафедра інформаційних технологій та дизайну

Посилання

Acar, N., 2018. Eigenfaces: Recovering Humans from Ghosts. Towards Data Science. [online] 22 August 2018. Available at: <https://towardsdatascience.com/eigenfaces-recovering-humans-from-ghosts-17606c328184> [Accessed 30 May 2021].

Divjak, M. and Bischof, H., 2008. Real-time video-based eye blink analysisfor detection of low blink-rate during computer use. In: 1st International Workshop on Tracking Humans for the Evaluation of their Motion in Image Secuences (THEMIS). Leeds, UK, pp. 99–107.

Face Recognition. Electronic Frontier Foundation. [online] Available at: <https://www.eff.org/pages/face-recognition> [Accessed 29 May 2021].

Han, C.-C., Liao, H.-Y.M., Сhung, K. and Chen, Yu.L.-H., 1997. Fast face detection via morphology-based pre-processing. In: Lecture Notes in Computer Science, 1311, pp. 469–476.

Kawato, S. and Tetsutan, N., 2002. Detection and tracking of eyes for gaze-camera control. In: Proceedings of the 15th international conference, pp. 348–353.

Kirby, M. and Sirovich, L., 1990. Application of the Karhunen-Loeve procedure for the characterization of human faces. IEEE Transactions on Pattern Analysis and Machine Intelligence, 12 (1), pp. 103–108.

Klosowski, T., 2020. Facial Recognition Is Everywhere. Here’s What We Can Do About It. Wirecutter. [online] 15 July 2020. Available at: <https://www.nytimes.com/wirecutter/blog/how-facial-recognition-works/> [Accessed 30 May 2021].

Lam, K.-M. and Yan, H., 1994. Fast algorithm for locating head boundaries. Journal of Electronic Imaging, 3(4), pp. 351–359.

Louban, R., 2009. Image Processing of Edge and Surface Defects Theoretical Basis of Adaptive Algorithms with Numerous Practical Applications, 123, pp. 9–29.

Nechyba, M., Brandy, L. and Schneiderman, H., 2009. PittPatt Face Detection and Tracking for the CLEAR 2007 Evaluation. In: Lecture Notes in Computer Science, 4625, pp. 126–137.

Popirina, O.O, n.d. Identification and authentication. [online] Available: <https://sites.google.com/site/identifikaciataautentifikacia/> [Accessed 29 May 2021].

Pospielov, S., What is the Best Facial Recognition Software to Use in 2021? Towards Data Science. [online] Available at: <https://towardsdatascience.com/what-is-the-best-facial-recognition-software-to-use-in-2021-10f0fac51409> [Accessed 30 May 2021].

Prado, K.S., 2017. Face Recognition: Understanding LBPH Algorithm. Towards Data Science. [online] 10 November 2017. Available at: <https://towardsdatascience.com/face-recognition-how-lbph-works-90ec258c3d 6b> [Accessed 30 May 2021].

Raphael, F., Olivier, B. and Daniel, C., 1997. Constrained Generative Model Applied to Face De¬tection. Neural Processing Letters, 5 (2), pp. 11–19.

Rowley, H.A., Baluja, S. and Kanade, T., 1998. Neural Network-Based Face Detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, 20(1), pp. 23–38.

Sem, V., 2020. Під капотом штучного інтелекту. Альтернативна Наука Віталія Сема. [online] Available at: <https://alternativescience.net/artificial-intelligence/126-pid-kapotom-shtuchnogo-intelekta/> [Accessed 30 May 2021].

Singh, S., Chauhan, D., Vatsa, M. and Singh, R., 2003. A robust skincolor based face detection algorithm. Tamkang Journal of Science and Engineering, 6(4), pp. 227–234.

Turk, M. and Pentland, A., 1991. Eigenfaces for recognition. Journal of Cognitive Neuroscience, 3(1), pp. 71–86.

Turk, M., 2001. A random walk through eigenspace. IEICE Transactions on Information and Systems, E84-D(12), pp. 1586–1595.

Wagner, P., 2012. Fisherfaces. [online] 03 June 2012. Available at: <https://www.bytefish.de/blog/fisherfaces.html> [Accessed 30 May 2021].

What Is Deep Learning? 3 things you need to know. MathWorks. [online] Available at: <https://www.mathworks.com/discovery/deep-learning.html> [Accessed 30 May 2021].

Yang, M.-H., Kriegman, D. and Ahuja, N., 2002. Detecting faces in images: A survey. IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(1), pp. 34–58.

Zhao, W., Chellappa, R., Rosenfeld, A. and Phillips, P., 2003. Face recognition: A literature survey. ACM Computing Surveys, 3(4), pp. 399–458.

##submission.downloads##

Опубліковано

2021-07-02

Як цитувати

Ткаченко, О., & Бойко, М. (2021). Деякі аспекти розпізнавання облич: моделі, алгоритми, методи, системи, застосування. Цифрова платформа: інформаційні технології в соціокультурній сфері, 4(1), 79–95. https://doi.org/10.31866/2617-796X.4.1.2021.236949

Номер

Розділ

Збереження культурної спадщини та доступ до цифрових ресурсів

Статті цього автора (авторів), які найбільше читають