Advertisement

Informatik-Spektrum

, Volume 35, Issue 2, pp 112–118 | Cite as

Lernen situationsunabhängiger Personenerkennung

  • Marco K. Müller
  • Michael Tremer
  • Christian Bodenstein
  • Rolf P. Würtz
HAUPTBEITRAG SITUATIONSUNABHÄNGIGE PERSONENERKENNUNG
  • 141 Downloads

Zusammenfassung

In den vergangenen Jahren hat die automatische Gesichtserkennung so große Fortschritte gemacht, dass kommerzielle Systeme teilweise bessere Erkennungsraten erreichen als Versuchspersonen. Dennoch bleibt die Erkennung in verschiedenen Situationen schwierig. Wir stellen ein System vor, das auf Ranglistenähnlichkeit basiert und, getreu den Prinzipien von Organic Computing, Veränderung der Situation rein aus Beispielen lernt. Wir demonstrieren den Erfolg am Beispiel von Posen- und Beleuchtungsänderungen anhand einer großen Datenbank chinesischer Gesichter. Die Auswertung kann durch ein schnelles pulsbasiertes neuronales Netzwerk erfolgen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

References

  1. 1.
    Gao W, Cao B, Shan S, Zhou D, Zhang X, Zhao D (2004) The CAS-PEAL large-scale Chinese face database and baseline evaluations. Technical Report JDL-TR-04-FR-001, Joint Research & Development Laboratory for Face Recognition, Chinese Academy of Sciences, Beijing, ChinaGoogle Scholar
  2. 2.
    Gao W, Cao B, Shan S, Chen X, Zhou D, Zhang X, Zhao D (2008) The CAS-PEAL large-scale Chinese face database and baseline evaluations. IEEE T Syst Man Cy A 38(1):149–161CrossRefGoogle Scholar
  3. 3.
    Heinrichs A, Müller MK, Tewes AHJ, Würtz RP (2006) Graphs with principal components of Gabor wavelet features for improved face recognition. In: Cristóbal G, Javidi B, Vallmitjana S (eds) Information Optics: 5th International Workshop on Information Optics; WIO’06. American Institute of Physics, pp 243–252Google Scholar
  4. 4.
    Lades M, Vorbrüggen JC, Buhmann J, Lange J, von der Malsburg C, Würtz RP, Konen W (1993) Distortion invariant object recognition in the dynamic link architecture. IEEE T Comput 42(3):300–311CrossRefGoogle Scholar
  5. 5.
    Müller-Schloer C, von der Malsburg C, Würtz RP (2004) Aktuelles Schlagwort: Organic Computing. Informatik Spektrum 27(4):332–336CrossRefGoogle Scholar
  6. 6.
    O’Toole AJ, Phillips PJ, Jiang F, Ayyad J, Penard N, Abdi H (2007) Face recognition algorithms surpass humans matching faces over changes in illumination. IEEE T Pattern Anal 29:1642–1646CrossRefGoogle Scholar
  7. 7.
    Schmeck H, Müller-Schloer C, Çakar E, Mnif M, Richter U (2010) Adaptivity and self-organization in organic computing systems. ACM Trans Auton Adapt Syst 5(3):1–32CrossRefGoogle Scholar
  8. 8.
    Thorpe S, Delorme A, Van Rullen R (2001) Spike-based strategies for rapid processing. Neural Networks 14(6–7):715–725CrossRefGoogle Scholar
  9. 9.
    Wiskott L, Fellous J-M, Krüger N, von der Malsburg C (1997) Face recognition by elastic bunch graph matching. IEEE T Pattern Anal 19(7):775–779CrossRefGoogle Scholar
  10. 10.
    Würtz RP (2005) Organic Computing methods for face recognition. it – Inform Technol 47(4):207–211CrossRefGoogle Scholar
  11. 11.
    Würtz RP (ed) (2008) Organic Computing. SpringerGoogle Scholar

Copyright information

© Springer-Verlag 2012

Authors and Affiliations

  • Marco K. Müller
    • 1
  • Michael Tremer
    • 1
  • Christian Bodenstein
    • 1
  • Rolf P. Würtz
    • 1
  1. 1.Institut für NeuroinformatikRuhr-Universität BochumBochumDeutschland

Personalised recommendations