haku: @keyword feature extraction / yhteensä: 22
hakutulos-lista
viite: 5 / 22
« edellinen | seuraava »
Tekijä:Wu, Jing
Työn nimi:Online Face Recognition with Application to Proactive Augmented Reality
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2010
Sivut:ix + 64      Kieli:   eng
Koulu/Laitos/Osasto:Informaatio- ja luonnontieteiden tiedekunta
Oppiaine:Informaatiotekniikka   (T-61)
Valvoja:Oja, Erkki
Ohjaaja:Koskela, Markus
Elektroninen julkaisu: http://urn.fi/URN:NBN:fi:aalto-201203131473
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto  1575   | Arkisto
Avainsanat:online face recognition
feature extraction
classification
machine learning
illumination normalization
recognition accuracy
Tiivistelmä (eng): Recently, more and more researchers have concentrated on the research of video-based face recognition.
The topic of this thesis is online face recognition with application to proactive augmented reality.
We intend to solve online single-image and multiple-image face recognition problems when the influence of illumination variations is introduced.

First, three machine learning approaches are utilized in single-image face recognition: PCA-based, 2DPCA-based, and SVM-based approaches.
Illumination variations are big obstacles for face recognition.
The next step in our approach therefore involves illumination normalization.
Image preprocessing (AHE+RGIC) and invariant feature extraction (Eigenphases and LBP) methods are employed to compensate for illumination variations.
Finally, in order to improve the recognition performance, we propose several novel algorithms to multiple-image face recognition which consider the multiple images as query data for subsequent classification.
These algorithms are called MIK-NN, MMIK-NN and Kmeans+Muliple K-NN.

In conclusion, the simulation experiment results show that the LBP+x2-based method efficiently compensates for the illumination effect and MMIK-NN considerably improves the performance of online face recognition.
ED:2010-08-17
INSSI tietueen numero: 40119
+ lisää koriin
« edellinen | seuraava »
INSSI