Bücher von Mohammad Shakir

O reconhecimento facial desempenha um papel importante na identificação pessoal com base na biometria. A técnica de reconhecimento biométrico actua como um método eficiente e de ampla aplicação na área da recuperação de informação, banca automática, controlo de acesso a áreas de segurança, etc. O método proposto baseia-se na análise de componentes principais (PCA) da imagem com uma combinação de pormenores da DWT. Esta abordagem reduz os requisitos de armazenamento e o tempo de cálculo, preservando simultaneamente os dados. O esquema proposto explora as capacidades de extração de características da decomposição da Transformada Wavelet Discreta e invoca certas técnicas de normalização que aumentam a sua robustez às variações da geometria facial e da iluminação. Tradicionalmente, para representar o rosto humano, a PCA é efectuada em toda a imagem facial. A rede neural e o classificador K-NN são utilizados para classificar as características e a medida de semelhança é efectuada através da distância euclidiana. Os resultados experimentais mostram que o método proposto é eficaz e possui várias propriedades desejáveis quando comparado com muitos algoritmos existentes. A abordagem híbrida PCA-DWT-ICA é avaliada em MATLAB utilizando a base de dados de rostos de Yale.

La reconnaissance faciale joue un rôle important dans l'identification personnelle basée sur la biométrie. La technique de reconnaissance biométrique est une méthode efficace et a de nombreuses applications dans le domaine de la recherche d'informations, de la banque automatique, du contrôle d'accès aux zones de sécurité, etc. La méthode proposée est basée sur l'analyse en composantes principales (ACP) de l'image avec une combinaison de détails de DWT. Cette approche réduit les besoins en stockage et le temps de calcul tout en préservant les données. Le système proposé exploite les capacités d'extraction de caractéristiques de la décomposition de la transformée en ondelettes discrète et fait appel à certaines techniques de normalisation qui augmentent sa résistance aux variations de la géométrie du visage et de l'éclairage. Traditionnellement, pour représenter le visage humain, l'ACP est effectuée sur l'ensemble de l'image du visage. Le réseau neuronal et le classificateur K-NN sont utilisés pour classer les caractéristiques et la mesure de similarité est effectuée par la distance euclidienne. Les résultats expérimentaux montrent que la méthode proposée est efficace et possède plusieurs propriétés souhaitables lorsqu'elle est comparée à de nombreux algorithmes existants. L'approche PCA-DWT-ICA-hybride est évaluée sur MATLAB en utilisant la base de données des visages de Yale.

Il riconoscimento del volto svolge un ruolo importante nell'identificazione personale basata sulla biometria. La tecnica di riconoscimento biometrico funge da metodo efficiente e trova ampie applicazioni nell'ambito del reperimento di informazioni, delle operazioni bancarie automatiche, del controllo degli accessi alle aree di sicurezza e così via. Il metodo proposto si basa sull'analisi delle componenti principali (PCA) dell'immagine con una combinazione di dettagli DWT. Questo approccio riduce i requisiti di memorizzazione e il tempo di calcolo, preservando i dati. Lo schema proposto sfrutta le capacità di estrazione delle caratteristiche della Decomposizione della Trasformata Wavelet Discreta e ricorre ad alcune tecniche di normalizzazione che ne aumentano la robustezza alle variazioni della geometria e dell'illuminazione del volto. Tradizionalmente, per rappresentare il volto umano, la PCA viene eseguita sull'intera immagine del viso. La rete neurale e il classificatore K-NN vengono utilizzati per classificare le caratteristiche e la misura della somiglianza viene effettuata mediante la distanza euclidea. I risultati sperimentali dimostrano che il metodo proposto è efficace e possiede diverse proprietà desiderabili se confrontato con molti algoritmi esistenti. L'approccio PCA-DWT-ICA-ibrido è stato valutato su MATLAB utilizzando il database dei volti di Yale.

El reconocimiento facial juega un papel importante en la identificación personal basada en la biometría. La técnica de reconocimiento biométrico actúa como un método eficiente y amplias aplicaciones en el área de recuperación de información, banca automática, y el control de acceso a las áreas de seguridad y así sucesivamente. El método propuesto se basa en el Análisis de Componentes Principales (PCA) de la imagen con una combinación de detalles de DWT. Este enfoque reduce los requisitos de almacenamiento y el tiempo de cálculo, al tiempo que preserva los datos. El esquema propuesto explota las capacidades de extracción de características de la Descomposición por Transformada Wavelet Discreta e invoca ciertas técnicas de normalización que aumentan su robustez frente a variaciones en la geometría facial y la iluminación. Tradicionalmente, para representar el rostro humano, el PCA se realiza sobre toda la imagen facial. La red neuronal y el clasificador K-NN se utilizan para clasificar las características y la medida de similitud se realiza mediante la distancia euclidiana. Los resultados experimentales muestran que el método propuesto es eficaz y posee varias propiedades deseables cuando se compara con muchos algoritmos existentes. El enfoque PCA-DWT-ICA-híbrido se evalúa en MATLAB utilizando la base de datos de rostros de Yale.

Die Gesichtserkennung spielt eine wichtige Rolle bei der biometrischen Identifizierung von Personen. Die biometrische Erkennungstechnik ist eine effiziente Methode und findet breite Anwendung im Bereich der Informationsbeschaffung, des automatischen Bankwesens, der Zugangskontrolle zu Sicherheitsbereichen usw. Die vorgeschlagene Methode basiert auf der Hauptkomponentenanalyse (PCA) von Bildern mit einer Kombination von DWT-Details. Dieser Ansatz reduziert den Speicherbedarf und die Berechnungszeit, während die Daten erhalten bleiben. Das vorgeschlagene Verfahren nutzt die Fähigkeiten der diskreten Wavelet-Transformationszerlegung zur Merkmalsextraktion und wendet bestimmte Normalisierungstechniken an, die seine Robustheit gegenüber Variationen der Gesichtsgeometrie und der Beleuchtung erhöhen. Traditionell wird zur Darstellung des menschlichen Gesichts die PCA für das gesamte Gesichtsbild durchgeführt. Zur Klassifizierung der Merkmale werden ein neuronales Netz und ein K-NN-Klassifikator verwendet, und die Ähnlichkeitsmessung erfolgt über den Euklidischen Abstand. Die experimentellen Ergebnisse zeigen, dass die vorgeschlagene Methode effektiv ist und mehrere wünschenswerte Eigenschaften besitzt, wenn sie mit vielen bestehenden Algorithmen verglichen wird. Der Ansatz PCA-DWT-ICA-Hybrid wird in MATLAB anhand der Yale-Gesichtsdatenbank evaluiert.

Raspoznawanie lic igraet wazhnuü rol' w identifikacii lichnosti na osnowe biometrii. Biometricheskaq tehnika raspoznawaniq qwlqetsq äffektiwnym metodom i nahodit shirokoe primenenie w oblasti informacionnogo poiska, awtomaticheskogo bankowskogo obsluzhiwaniq, kontrolq dostupa w zony bezopasnosti i t.d. Predlagaemyj metod osnowan na analize glawnyh komponent (PCA) izobrazheniq s kombinaciej detalej DWT. Takoj podhod pozwolqet sokratit' ob#em pamqti i wremq wychislenij pri sohranenii dannyh. Predlozhennaq shema ispol'zuet wozmozhnosti wydeleniq priznakow, zalozhennye w razlozhenii diskretnogo wejwlet-preobrazowaniq, i primenqet opredelennye metody normalizacii, powyshaüschie ee ustojchiwost' k izmeneniqm geometrii i osweschennosti lica. Tradicionno dlq predstawleniq chelowecheskogo lica PCA wypolnqetsq dlq wsego izobrazheniq lica. Dlq klassifikacii priznakow ispol'zuütsq nejronnaq set' i K-NN-klassifikator, a meroj shodstwa sluzhit ewklidowo rasstoqnie. Rezul'taty äxperimentow pokazywaüt, chto predlozhennyj metod äffektiwen i obladaet rqdom preimuschestw po srawneniü so mnogimi suschestwuüschimi algoritmami. Podhod PCA-DWT-ICA-hybrid oceniwaetsq w MATLAB s ispol'zowaniem bazy dannyh lic Yale.