論文の概要: An Improved Real-Time Face Recognition System at Low Resolution Based on
Local Binary Pattern Histogram Algorithm and CLAHE
- arxiv url: http://arxiv.org/abs/2104.07234v1
- Date: Thu, 15 Apr 2021 04:54:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-17 03:58:33.089921
- Title: An Improved Real-Time Face Recognition System at Low Resolution Based on
Local Binary Pattern Histogram Algorithm and CLAHE
- Title（参考訳）: 局所2値パターンヒストグラムアルゴリズムとCLAHEに基づく低分解能リアルタイム顔認識システムの改良
- Authors: Kamal Chandra Paul, Semih Aslan
- Abstract要約: 本研究では、ポーズや感情、解像度のバリエーションのある15ピクセルの低解像度のリアルタイム顔認識システムを提案する。
トレーニングや分類に使用されている LRD200 と LRD100 というデータセットを設計しました。
この顔認識システムは、法執行目的で使用することができ、監視カメラは、カメラから人の距離のために低解像度の画像をキャプチャします。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This research presents an improved real-time face recognition system at a low
resolution of 15 pixels with pose and emotion and resolution variations. We
have designed our datasets named LRD200 and LRD100, which have been used for
training and classification. The face detection part uses the Viola-Jones
algorithm, and the face recognition part receives the face image from the face
detection part to process it using the Local Binary Pattern Histogram (LBPH)
algorithm with preprocessing using contrast limited adaptive histogram
equalization (CLAHE) and face alignment. The face database in this system can
be updated via our custom-built standalone android app and automatic restarting
of the training and recognition process with an updated database. Using our
proposed algorithm, a real-time face recognition accuracy of 78.40% at 15 px
and 98.05% at 45 px have been achieved using the LRD200 database containing 200
images per person. With 100 images per person in the database (LRD100) the
achieved accuracies are 60.60% at 15 px and 95% at 45 px respectively. A facial
deflection of about 30 degrees on either side from the front face showed an
average face recognition precision of 72.25% - 81.85%. This face recognition
system can be employed for law enforcement purposes, where the surveillance
camera captures a low-resolution image because of the distance of a person from
the camera. It can also be used as a surveillance system in airports, bus
stations, etc., to reduce the risk of possible criminal threats.
- Abstract（参考訳）: 本研究では、ポーズや感情、解像度のバリエーションのある15ピクセルの低解像度のリアルタイム顔認識システムを提案する。
lrd200とlrd100というデータセットを設計し、トレーニングと分類に使用しました。
顔検出部は、ヴィオラ・ジョーンズアルゴリズムを用い、顔認識部は、顔検出部から顔画像を受け取って、コントラスト限定適応ヒストグラム等化(CLAHE)と顔アライメントを用いた前処理による局所二分パターンヒストグラム(LBPH)アルゴリズムを用いて処理する。
このシステム内の顔データベースは、当社独自のスタンドアロンandroidアプリと、データベース更新によるトレーニングと認識プロセスの自動再起動を通じて更新することができます。
提案手法を用いて, 1人当たり200画像を含むlrd200データベースを用いて, 15pxで78.40%, 45pxで98.05%のリアルタイム顔認識精度を達成した。
データベース(LRD100)に1人100枚の画像があり、達成された精度は15pxで60.60%、45pxで95%である。
顔の両面に約30度の偏向があり、顔の認識精度は72.25%から81.85%であった。
この顔認識システムは、監視カメラがカメラから人物の距離のために低解像度の画像をキャプチャする法執行目的に使用できる。
また、空港やバス停などの監視システムとしても利用でき、犯罪の危険性を軽減できる。
関連論文リスト
- An Enhancement of Haar Cascade Algorithm Applied to Face Recognition for Gate Pass Security [0.0]
顔認識ライブラリはHaar Cascade Algorithmで実装された。
グレースケール画像をRGBに変換し、顔符号化を改善するためにサブプロセスを適用した。
拡張ハールカスケードアルゴリズムは98.39%の精度を実現した。
論文 参考訳（メタデータ） (2024-11-06T11:03:34Z) - FACE-AUDITOR: Data Auditing in Facial Recognition Systems [24.082527732931677]
顔画像を扱うスケーラビリティと能力のために、ショットベースの顔認識システムが注目されている。
顔画像の誤使用を防止するために、簡単なアプローチとして、生の顔画像を共有する前に修正する方法がある。
そこで本研究では,FACE-AUDITORの完全ツールキットを提案する。このツールキットは,少数ショットベースの顔認識モデルに問い合わせ,ユーザの顔画像のいずれかがモデルのトレーニングに使用されているかどうかを判断する。
論文 参考訳（メタデータ） (2023-04-05T23:03:54Z) - WebFace260M: A Benchmark for Million-Scale Deep Face Recognition [89.39080252029386]
我々は、未修正4MのID/260Mの顔(WebFace260M)とクリーン2MのID/42Mの顔(WebFace42M)を含む新しい100万スケールの認識ベンチマークに貢献する。
分散フレームワークは、性能を損なうことなく、顔認識モデルを効率的に訓練するために開発された。
提案したベンチマークは、標準、マスク付き、偏見のない顔認識シナリオにおいて大きな可能性を示している。
論文 参考訳（メタデータ） (2022-04-21T14:56:53Z) - On the Effect of Selfie Beautification Filters on Face Detection and
Recognition [53.561797148529664]
ソーシャルメディア画像フィルターは、例えば人工眼鏡や動物の鼻で、画像コントラスト、照明、あるいは顔の一部を妨げる。
U-NETセグメンテーションネットワークの修正版を用いて適用操作を再構築する手法を開発した。
認識の観点からは、顔を認識するために訓練されたResNet-34ネットワークを用いて抽出された特徴に対して、距離測定と訓練された機械学習アルゴリズムを用いる。
論文 参考訳（メタデータ） (2021-10-17T22:10:56Z) - Harnessing Unrecognizable Faces for Face Recognition [87.80037162457427]
本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。
FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
論文 参考訳（メタデータ） (2021-06-08T05:25:03Z) - FedFace: Collaborative Learning of Face Recognition Model [66.84737075622421]
FedFaceは顔認識モデルの協調学習のためのフレームワークである。
各クライアントに格納された顔画像が、他のクライアントや中央ホストと共有されない、正確で汎用的な顔認識モデルを学ぶ。
コードとトレーニング済みモデルは公開される予定です。
論文 参考訳（メタデータ） (2021-04-07T09:25:32Z) - Real Time Face Recognition Using Convoluted Neural Networks [0.0]
畳み込みニューラルネットワークは顔認識に最適であることが証明されている。
データセットの作成は、認識される人の顔映像を何百もの人の画像に変換することで行われる。
論文 参考訳（メタデータ） (2020-10-09T12:04:49Z) - Video Face Recognition System: RetinaFace-mnet-faster and Secondary
Search [5.371825910267909]
本稿は、主にビデオの複雑な顔について実験する。
ファジィシーンや露出の少ない顔のための画像前処理モジュールを設計し、画像を強化する。
また,検出のためのRetinacFace-mnet-fasterと顔認識のための信頼しきい値仕様を提案する。
論文 参考訳（メタデータ） (2020-09-28T09:31:38Z) - Masked Face Recognition for Secure Authentication [2.429066522170765]
マスクされた顔は検出と認識が難しいため、社内データセットを無効にする恐れがある。
マスクされた顔の大規模なデータセットを効果的に作成するためのオープンソースのツールであるMaskTheFaceを提案する。
Facenet システムでは 38% の増加がみられた。
論文 参考訳（メタデータ） (2020-08-25T15:33:59Z) - Black-Box Face Recovery from Identity Features [61.950765357647605]
我々はアルゴリズムをテストするために最先端の顔認識システム(ArcFace)を攻撃した。
我々のアルゴリズムは、最先端のソリューションに比べて、はるかに少ないクエリを必要とする。
論文 参考訳（メタデータ） (2020-07-27T15:25:38Z) - Investigating the Impact of Inclusion in Face Recognition Training Data
on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。
モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文 参考訳（メタデータ） (2020-01-09T15:50:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。