मल्टी-व्यू चेहरे पहचान के लिए एग्रीगेट चैनल विशेषताएँ

चेहरे की पहचान ने हाल के दशकों में वियोला और जोन्स के प्रारंभिक काम के बाद काफी ध्यान आकर्षित किया है। जबकि कई उप-क्रमों ने अधिक शक्तिशाली सीखने वाली एल्गोरिदम के साथ काम को बेहतर बनाया है, चेहरे पहचान के लिए उपयोग की जाने वाली विशेषता प्रतिनिधित्व अभी भी जंगली में बड़े उपस्थिति भिन्नता के साथ चेहरे को प्रभावी और कुशलतापूर्वक संभालने की मांग को पूरा नहीं कर सकता। इस बाधा को हल करने के लिए, हम चेहरे पहचान क्षेत्र में चैनल विशेषताओं के विचार को अपनाते हैं, जो चित्र चैनल को ग्रेडिएंट मैग्निटूड और अभिवोधित ग्रेडिएंट हिस्टोग्राम जैसे विविध प्रकारों में विस्तारित करता है और इसलिए एक सरल रूप में समृद्ध जानकारी को एन्कोड करता है। हम एग्रीगेट चैनल विशेषताओं के नाम से एक नया रूप अपनाते हैं, विशेषता डिजाइन की पूर्ण खोज करते हैं, और बेहतर प्रदर्शन वाली विशेषताओं का मल्टी-स्केल संस्करण खोजते हैं। जंगली में चेहरों की मुद्राओं से निपटने के लिए, हम स्कोर री-रैंकिंग और पहचान समायोजन के साथ एक मल्टी-व्यू पहचान दृष्टिकोण का प्रस्ताव करते हैं। वियोला-जोन्स ढांचे में सीखने की पाइपलाइनों का पालन करते हुए, एग्रीगेट चैनल विशेषताओं का उपयोग करते हुए मल्टी-व्यू चेहरे पहचान प्रणाली AFW और FDDB परीक्षण सेट पर नवीनतम एल्गोरिदम के मुकाबले प्रतिस्पर्धात्मक प्रदर्शन दिखाती है, जबकि VGA छवियों पर 42 FPS पर चलती है।