Zeitschrift für Fernerkundung und GIS

Abstrakt

Anwendung des Theorems „Allgemeiner Sinus“ auf den Gesichtserkennungsalgorithmus

Mostafa Derraz, Faouzya El Farissi und Abdellatif Ben Abdellah

Die Mensch-Maschine-Interaktion ist einer der einflussreichsten Akteure für die Zukunft der Robotik. Aufgrund der Notwendigkeit, die Robotereingabe zu verbessern und sich so weit wie möglich von den Befehlszeilen zu entfernen und sie auf Sensoren und Controller umzustellen. Mensch-Maschine-Interaktion (HMI) bezieht sich auf die Kommunikation und Interaktion zwischen Mensch und Maschine über eine Benutzeroberfläche. Heutzutage ziehen natürliche Benutzeroberflächen wie Gesten immer mehr Aufmerksamkeit auf sich, da sie es Menschen ermöglichen, Maschinen durch natürliche und intuitive Verhaltensweisen zu steuern. Bei gestenbasierter HMI werden beispielsweise ein Sensor und eine Kamera verwendet, um menschliche Körperhaltungen und Bewegungen zu erfassen, um das menschliche Gesicht (Benutzer) zu erkennen, das zur Steuerung einer Maschine verarbeitet wird. Die Hauptaufgabe der gestenbasierten HMI besteht darin, signifikante Ausdrücke des menschlichen Gesichts und Bewegungen anhand der von der Kamera und dem Sensor bereitgestellten Daten zu erkennen, darunter RGB- (Rot, Grün, Blau), Tiefen- und Skelettinformationen. Viele Gesichtserkennungsalgorithmen basieren auf merkmalsbasierten Methoden, die eine Reihe geometrischer Merkmale im Gesicht wie Augen, Augenbrauen, Nase und Mund erkennen. Eigenschaften und Beziehungen wie Flächen, Abstände und Winkel zwischen Minutien (charakteristischen Punkten) dienen als Deskriptoren für die Gesichtserkennung. Im Allgemeinen ergibt sich die Notwendigkeit, 30 bis 60 charakteristische Punkte zu erkennen, um ein Gesicht auf robuste Weise zu beschreiben. Die Leistung der Gesichtserkennung basierend auf geometrischen Merkmalen hängt von der Genauigkeit des Merkmalslokalisierungsalgorithmus ab, oder lassen Sie uns geometrische Theoreme und Formeln genauer untersuchen. Es gibt jedoch keine universelle Antwort auf das Problem, welche Anzahl von Punkten die beste Leistung liefert, welche wichtigen Merkmale wichtig sind und wie diese automatisch extrahiert werden können. Dies impliziert, dass die allgemeine geometrische Konfiguration der Gesichtsmerkmale für die Erkennung ausreicht. Wie oben erwähnt, gibt es viele Ansätze für das Problem der Gesichtserkennung. Einer davon basiert auf den Punkten der Gesichtsmerkmale. In diesem Fall handelt es sich dabei um digitale Bilder des Frontalporträts. Es sind 30 bis 60 Punkte erforderlich, um ein Gesicht auf robuste Weise zu beschreiben. Die Position einiger Punkte hängt vom Gesichtsausdruck ab. Es gibt zwei Probleme: Definieren und Extrahieren der invariantesten Punkte und Finden des optimalen geometrischen Merkmalssatzes für die Gesichtserkennung. Vor zehn Jahren entwickelten wir einen Satz, der das Konzept/die Funktion des Sinus aus einer anderen Philosophie rückwärts formulierte, und veröffentlichten den Satz nach fünf Jahren unter dem Namen „Die allgemeinen Sünden“. In der Arbeit über die allgemeinen Sinus diskutierten wir die Ergebnisse, den Kontext und den Hintergrund. Und wie lässt sich die Sinusfunktion verallgemeinern? Der allgemeine Sinus wurde durch Sin (x, y) mit zwei Parametern definiert, die in n-Ecken verwendet werden können, nicht unbedingt in einem Rechteck. Und wie haben wir die allgemeine Sinusfunktion in n-Ecken angewendet? Um alle intrinsischen Eigenschaften von n-Ecken zu bestimmen, indem wir eine minimale und angemessene Datenmenge verwendeten, wobei in der Natur von n-Ecken keine Bedingungen galten.Wir haben bewiesen, dass diese Formel die allgemeinste in der euklidischen Geometrie ist. Basierend auf dem allgemeinen Sinussatz können wir die Leistung des Gesichtserkennungsalgorithmus verbessern. Die Anwendung allgemeiner Sinusformeln ermöglicht die Behandlung charakteristischerer Punkte und das Erhalten präziserer Informationen wie der Entfernung und der Winkel zwischen den einzelnen Punkten, während gleichzeitig die Verarbeitungszeit des Algorithmus verkürzt wird.