Eigenfaces are a set of eigenvectors used in the computer vision problem of human face recognition. The approach of using eigenfaces for recognition was developed by Sirovich and Kirby (1987) and used by Matthew Turk and Alex Pentland in face classification. It is considered the first successful example of facial recognition technology. These eigenvectors are derived from the covariance matrix of the probability distribution of the high-dimensional vector space of possible faces of human beings.

PropertyValue
dbpedia-owl:thumbnail
dbpprop:abstract
  • Eigenfaces are a set of eigenvectors used in the computer vision problem of human face recognition. The approach of using eigenfaces for recognition was developed by Sirovich and Kirby (1987) and used by Matthew Turk and Alex Pentland in face classification. It is considered the first successful example of facial recognition technology. These eigenvectors are derived from the covariance matrix of the probability distribution of the high-dimensional vector space of possible faces of human beings.
  • Eigengesichter (engl. auch Eigenfaces genannt) ist ein Verfahren zur Gesichtserkennung das auf der Hauptkomponentenanalyse basiert. Entwickelt wurde das Verfahren von Matthew Turk und Alex Pentland.
  • ファイル:Eigenfaces. png 固有顔の例。AT&T研究所より 固有顔（英: Eigenface）とは、顔認識システムというコンピュータビジョンの応用で使われる固有ベクトルの集合である。固有顔を利用した顔認識は1987年、Matthew Turk と Alex Pentland が開発した。 この固有ベクトル群は、「人間の考えられる顔」の高次元ベクトル空間の確率分布についての共分散行列から得られる。
  • Een eigenface is een basisvorm van een gezicht in de vorm van een rasterafbeelding (bitmap) waarin een of meer specifieke gezichtskenmerken aanwezig zijn. Eigenfaces worden gebruikt in de gezichtsherkenning door computersystemen. De techniek om eigenfaces te gebruiken in de gezichtsherkenning werd in 1987 ontwikkeld door Sirovich en Kirby, en later toegepast door Matthew Turk en Alex Pentland. Algemeen wordt de toepassing van eigenfaces beschouwd als de eerste technologie voor gezichtsherkenning die aantoonbaar resultaat gaf. Met de techniek wordt een menselijk gezicht opgebouwd als de gewogen som van een aantal eigenfaces. Het aantal eigenfaces wordt zodanig bepaald dat alle mogelijke gezichten uit een beperkt aantal eigenfaces kan worden opgebouwd. Een bepaald gezicht wordt gekenmerkt door de gewichtsfactoren en kan daaraan herkend worden. Heel sterk vereenvoudigd, werkt het systeem analoog aan het systeem waarop elk punt in de ruimte met een x, y en z coördinaat kan worden aangeduid. Dat is een voorbeeld met 3 eigenvectoren. Van het aantal eigenfaces zullen er veel meer nodig zijn. Om een set eigenfaces te genereren wordt uitgegaan van een groot aantal gedigitaliseerde en onder dezelfde lichtomstandigheden genomen foto's van menselijke gezichten. Deze worden genormaliseerd door ogen en mond over elkaar te laten vallen en ze op een standaardgrootte van pixelafmetingen, zeg m×n, te brengen. De waarden van de mn pixels worden opgevat als de kentallen van een mn-dimensionale vector. Met wiskundige technieken, zoals hoofdcomponentenanalyse, worden de eigenfaces bepaald als de eigenvectoren van de bijbehorende covariantiematrix.
  • Ett egenansikte (eng. eigenface) är ett standardansikte skapat utifrån en stor mängd ansikten i en databas, som fångar de viktigaste egenskaperna hos ett ansikte. När man har skapat en mängd av egenansikten kan ett godtyckligt ansikte approximeras som en summa av egenansikten, vilket är mycket användbart i ansiktsigenkänning. Egenansikterna skapas genom att man utifrån många bilder på ansikten normerar dem så att de har samma upplösning och position på ögon och mun. Därefter används principalkomponentsanalys för att plocka ut de ansikten som bäst beskriver alla ansikten i mängden. Alla egenansikten är då ortogonala och bildar en bas för ett underrum till alla möjliga ansikten.
dbpprop:hasPhotoCollection
dbpprop:p
  • 590 (xsd:integer)
dbpprop:reference
dbpprop:wikiPageUsesTemplate
rdfs:comment
  • Eigenfaces are a set of eigenvectors used in the computer vision problem of human face recognition. The approach of using eigenfaces for recognition was developed by Sirovich and Kirby (1987) and used by Matthew Turk and Alex Pentland in face classification. It is considered the first successful example of facial recognition technology. These eigenvectors are derived from the covariance matrix of the probability distribution of the high-dimensional vector space of possible faces of human beings.
  • Eigengesichter (engl. auch Eigenfaces genannt) ist ein Verfahren zur Gesichtserkennung das auf der Hauptkomponentenanalyse basiert. Entwickelt wurde das Verfahren von Matthew Turk und Alex Pentland.
  • ファイル:Eigenfaces. png 固有顔の例。AT&T研究所より 固有顔（英: Eigenface）とは、顔認識システムというコンピュータビジョンの応用で使われる固有ベクトルの集合である。固有顔を利用した顔認識は1987年、Matthew Turk と Alex Pentland が開発した。 この固有ベクトル群は、「人間の考えられる顔」の高次元ベクトル空間の確率分布についての共分散行列から得られる。
  • Een eigenface is een basisvorm van een gezicht in de vorm van een rasterafbeelding (bitmap) waarin een of meer specifieke gezichtskenmerken aanwezig zijn. Eigenfaces worden gebruikt in de gezichtsherkenning door computersystemen. De techniek om eigenfaces te gebruiken in de gezichtsherkenning werd in 1987 ontwikkeld door Sirovich en Kirby, en later toegepast door Matthew Turk en Alex Pentland.
  • Ett egenansikte (eng. eigenface) är ett standardansikte skapat utifrån en stor mängd ansikten i en databas, som fångar de viktigaste egenskaperna hos ett ansikte. När man har skapat en mängd av egenansikten kan ett godtyckligt ansikte approximeras som en summa av egenansikten, vilket är mycket användbart i ansiktsigenkänning. Egenansikterna skapas genom att man utifrån många bilder på ansikten normerar dem så att de har samma upplösning och position på ögon och mun.
rdfs:label
  • Eigenface
  • Eigengesichter
  • 固有顔
  • Eigenface
  • Egenansikte
owl:sameAs
skos:subject
foaf:depiction
foaf:page
is dbpprop:redirect of