Performance Analysis of Eigenface and Lbph Algorithms in Raspberry Pi Environment
| المؤلف الرئيسي: | Barry, Ahmed Elrasheed Ali (Author) |
|---|---|
| مؤلفين آخرين: | Al Hassan, Ahmed Mohammed |
| التاريخ الميلادي: |
2020
|
| موقع: | الخرطوم |
| الصفحات: | 1 - 46 |
| رقم MD: | 1140670 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة النيلين |
| الكلية: | كلية الهندسة |
| الدولة: | السودان |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
5
| المستخلص: |
عند تصميم نظام التعرف على الوجوه على بيئة ال Raspberry pi، ينبغي النظر في قضيتين رئيسيتين؛ محدودية ذاكرة التخزين التي تؤثر على مجموعة بيانات النظام، والمشكلة الأخرى هي اختيار عتبة أداة التعرف. يهدف هذا العمل إلى تحليل ودراسة التأثير الناتج من تقليل حجم مجموعة البيانات، وزيادة عدد المعرفات المحددة -الأشخاص الذين تم تعريفهم في مجموعة البيانات بصورهم- على قيم مستوى الثقة التي تم الحصول عليها من خوارزميات Eigenfaces وخوارزمية الأنماط الثنائية الخطية المتكررة (LBPH). كما تهدف إلى اقتراح طريقة مناسبة لتحديد عتبة أداة التعرف لكل خوارزمية. لتحقيق ذلك تم تنفيذ ثلاثة اختبارات؛ وهي استخدام اختبار حجم مجموعة البيانات، واختبار المعرفات المتعددة، وفي الاختبار الأخير استخدمت كل من نسبة الرفض الخاطئ (FRR) ونسبة القبول الخاطئ (FAR) كمقياس لتحديد العتبة. حددت نتائج أول اختبارين أن خوارزمية LBPH أقل تأثرا بالتغييرات وأصبحت خوارزمية Eigenfaces أقل دقة عندما انخفض حجم مجموعة البيانات. تم إنشاء الطريقة المقترحة لتحديد العتبة عن طريق حساب متوسط مستوى الثقة لكل الصور "المعرفة" و"غير المعرفة" (530 صورة لكل منهما)، ثم حساب المتوسط مرة أخرى بين تلك المتوسطات لكل خوارزمية على حدا. سجلت خوارزمية Eigenfaces نسبة أقل من 5% لكل من FRR وFAR، بينما سجلت خوارزمية LBPH 16.41% ل FRR و4.53% ل FAR. وأشارت أيضا إلى أن الطريقة المقترحة سهلة وفعالة، ولكنها ليست مثالية أو حاسمة. هناك مشكلة أخرى مهمة تتمثل في إضاءة الصورة، حيث تأثر كل من Eigenfaces وLBPH سلبا بهذا العامل، على الرغم من أن LBPH كان أقل تأثرا من Eigenfaces، لكن من الأفضل مراعاة تنوع الإضاءة في مجموعة البيانات. |
|---|
عناصر مشابهة
-
Improvement of Accuracy, Performance, and ID Switched Using Logistic Regression for Deep Sort Algorithm
بواسطة: مسلم، رمزي جبر عبدالفتاح منشور: (2022) -
Enhancement of Queuing Algorithm for Improving Network Performance
بواسطة: السعايدة، محمد جمال منشور: (2017) -
Evaluating of String Pattern Matching Algorithms on Large Data
بواسطة: الزبون، ميس عبدالحليم منشور: (2023) -
Modified Honey Bee Behavior Load Balancing "Mhbblb" Algorithm for Cloud Environment
بواسطة: البشيتي، أنور محمد نظام أنور منشور: (2018) -
A Novel Hybrid Algorithm Of GSA With Kepler Algorithm For Numerical Optimization
بواسطة: Sarafrazi, Soroor منشور: (2015)
