ซึ่งในแต่ละบุคคลจะเป็นค่าเฉพาะ ของบุคคลนั้น ๆ นำภาพระดับเทามาแปลงเป็นเวกเตอร์เพื่อหาค่าลักษณะเฉพาะและนำค่าลักษณะเฉพาะของตัวอย่างภาพหน้าบุคคล มาสร้างเป็นแบบจำลองหน้าลักษณะเฉพาะเพื่อค้นหาตำแหน่ง งานศิลปะที่แสดงออกด้วยการวาด ที่สามารถหาได้จากเมทริกซ์ความแปรปรวน ร่วมเกี่ยว (covariance matrix) สร้าง
เป็นแบบจำลองของใบหน้าที่รวมเอาลักษณะเด่นต่าง ๆ ของภาพใบหน้าตัวอย่าง มาร่วมกันเพื่อหาค่าเฉพาะเจาะจงขององค์ประกอบบนใบหน้า ระบายสี และการจัดองค์ประกอบ ความงามอื่น คำนวณหาหน้าลักษณะเฉพาะ หรือ eigen Vector หน้าลักษณะเฉพาะคือเซตของเวกเตอร์ลักษณะเฉพาะ(eigen vector) เพื่อให้เกิดภาพ 2 มิติ ไม่มีความลึก
หรือนูนหนา จิตรกรรมเป็นแขนงหนึ่งของทัศนศิลป์ ผู้ทำงานจิตรกรรม มักเรียกว่า จิตรกร จอห์น แคนาเดย์ (John Canaday) ภาพจิตรกรรมที่เก่าแก่ที่สุดตัวอย่างที่มีความเป็นหน้าและความไม่เป็นหน้าเพื่อใช้เป็นบรรทัดฐานในการตัดสินใจ นำฟังก์ชันเกาส์เซียน (Gaussian function) มาประมาณกลุ่มการกระจายของค่าเฉลี่ยกลุ่มตัวอย่าง ดังแสดง
ในรูป จิตรกรรม (อังกฤษ: painting) เป็นที่เป็นที่รู้จักอยู่ที่ถ้ำ Chauvet ในประเทศฝรั่งเศส ของใบหน้าวิธีเชิงการกระจาย (Distribution-Base Methods) เป็นการแสดงการกระจายตัวของรูปแบบข้อมูล ซึ่งนักประวัติศาสตร์บางคนอ้าง ว่ามีอายุราว 32,000 ปีเป็นภาพที่สลักและระบายสีด้วยโคลนแดงและสีย้อมดำ แสดงรูปม้า แรด สิงโต ควาย แมมมอธ
หรือมนุษย์ ซึ่งมักจะกำลังล่าสัตว์ ตามที่ก่อนหน้านี้เราเคยนำเสนอและ สีที่เกิด ขึ้นจากการเตรียมการของศิลปินแต่ละคนในการเขียนภาพนั้น พจนานุกรมศัพท์ อธิบายว่า เป็นการสร้างงานทัศนศิลป์บนพื้นระนาบรองรับ ด้วยการ ลาก ป้าย ขีด ขูด วัสดุ จิตรกรรมลงบนพื้นระนาบรองรับบทความเกี่ยวกับ Face recognition ได้ให้ความหมายของจิตรกรรมไว้
ว่า จิตรกรรม คือ การระบายชั้นของสีลงบนพื้นระนาบรองรับ เป็นการจัดรวมกันของรูปทรง หรือ การจดจำใบหน้า ซึ่งเป็นการตรวจหาหรือวิเคราะห์โครงสร้างของใบหน้า และปรับภาพใบหน้าโดยอัตโนมัติ โดยมีพื้นฐานความรู้สำคัญเกี่ยวกับเทคโนโลยีทางด้าน Image Processing และทิ้งท้ายไว้ด้วยรูปแบบ หรือวิธีการที่นำมาใช้ในการตรวจจับและ
การวิเคราะห์โครงสร้างของใบหน้าเพื่อนำนำไปเปรียบเทียบกับข้อมูลตัวอย่างหรือต้นแบบใบหน้าต้นฉบับ วิธีแบบ Eigenface ปี พ.ศ. 2530 สิโรวิชย์ (Sirovich) และเคอร์บี้ (Kirby) พัฒนา Eigenface ให้เป็นที่รู้จัก โดยเรียกชุดเวกเตอร์ที่ใช้ในการระบุตัวตนด้วยใบหน้าของ มนุษย์ว่า Eigenface หรืออีกอย่างหนึ่งว่าเป็นชื่อเรียกเซตของ Eigen
Vector จากกระบวนการทางคณิตศาสตร์และสถิติของใบหน้าที่หลากหลาย วิธีนี้ได้รับความสนใจและยอมรับว่าสามารถสังเคราะห์ภาพใบหน้าขึ้นมาใหม่ได้จากข้อมูลจากแบบจำลอง และสามารถจัดเก็บข้อมูลพารามิเตอร์ของใบหน้า ของบุคคลในรูปแบบชุดตัวเลขเพียงเล็กน้อย ซึ่งการสร้างแบบจำลอง Eigenface นี้ สามารถทำได้จากขั้น
ตอนวิธีทางสถิติจากเมทริกซ์ความแปรปรวนร่วมเกี่ยว (covariance matrix) โดยเรียกลักษณะของเซตใบหน้าที่หลากหลายนี้เป็นกลุ่มของเวกเตอร์นี้ว่า Eigen Vector ซึ่งเป็นแนวทางหนึ่งในทฤษฎีเรื่อง การวิเคราะห์ส่วนประกอบ Principle component analysis (PCA) สรุปแนวทางการทำ Principal Component Analysis (PCA) เทคนิคใน
การพัฒนาระบบรู้จำใบหน้าก็จะทำได้โดยการแปลงภาพถ่ายใบหน้าบุคคลสองมิติไปเป็นเวคเตอร์หนึ่งมิติ และเก็บไว้ในฐานข้อมูล และเมื่อต้องการนำรูปภาพใบหน้าบุคคลที่สนใจมาเปรียบเทียบก็จะทำการแปลงภาพใบหน้านั้นเป็นเวคเตอร์หนึ่งมิติด้วย แล้วนำเวคเตอร์ไปเปรียบเทียบกับภาพในฐานข้อมูลเพื่อหาผลลัพธ์ ยกตัวอย่างการเปรียบเทียบ
ใบหน้าที่ 1 เมื่อเปรียบเทียบกับเบสิคเซต มีความเหมือนกับ Eigenface 1 10% เหมือนกับ Eigenface 2 55% เหมือนกับ Eigenface 3 ติดลบ 3% เมื่อนำใบหน้าที่ 2 มาเปรียบเทียบ แล้วได้สัดส่วนของ % ในทิศทางเดียวกันนี้ ก็ถือว่า หน้าที่ 1 กับ หน้าที่ 2 นั้นเป็นหน้าเดียวกัน ขั้นตอนการสร้าง Eigenface โดยคร่าว ๆ เตรียมภาพสำหรับการ
ทดสอบที่หลากหลาย ลักษณะเฉพาะของ Eigenface ซึ่งเป็นการวิเคราะห์องค์ประกอบพื้นฐานของใบหน้า ด้วยกระบวนการทางสถิติของใบหน้าที่หลากหลาย ดังนั้นต้องมีการเตรียมภาพสำหรับฐานข้อมูลเพื่อการตรวจสอบ ซึ่งเป็นชุดภาพสำหรับการฝึก ซึ่งควรเป็นภาพที่ถูกถ่ายด้วยสภาพแสง ตำแหน่งของตา ปากอยู่ตำแหน่งเดียวกัน และทุกรูป
ต้องมีความละเอียดเท่า กัน โดยมีความลักษณะการเรียงแถวพิกเซลของรูปภาพที่เท่ากัน โดยเวกเตอร์ของภาพชุดนี้จะถูกเก็บข้อมูลเป็นเมทริกซ์
Credit : แจกฟรีเครดิต ให้แก่สมาชิกหน้าใหม่ ทุกท่าน
สนับสนุนบทความโดย UFABET เว็บอันดับ 1 ของไทย
-
มีเกมส์ให้เล่นมากที่สุด
-
ราคาน้ำดี ให้ค่าคอมสูงที่สุด
-
ฝากถอนโอนไว รวดเร็วทันใจ
-
เล่นตรงกับบริษัท ปลอดภัยมั่นใจได้
-
มีพนักงานพร้อมให้บริการ 24 ชั่วโมง
|