"त्वरित और गंदे" चेहरे की पहचान और डाटाबेस स्टोरेज/जावा में लुकअप

Question

पिछले हफ्ते मैं चेहरे की पहचान के साथ शोध और प्रयोग कर रहा हूं। इच्छित एप्लिकेशन किसी व्यक्ति के लिए डेटाबेस (एसक्यूएल) में किसी व्यक्ति की जानकारी को आसानी से अपने चेहरे की तस्वीर ले कर सक्षम होना है। प्रारंभिक उम्मीद को एक कुंजी या हैश पर एक चेहरा नीचे करने और डेटाबेस लॉकअप के रूप में उपयोग करने में सक्षम होना था। यह बेहद सटीक नहीं होना चाहिए क्योंकि जानकारी की तलाश करने वाले व्यक्ति को फ़ाइल पर मूल छवि और उनके सामने खड़े व्यक्ति के बीच अंतिम तुलना करने की संभावना है।

ओपनसीवी/जावासीवी स्पष्ट प्रारंभिक बिंदु प्रतीत होता है, और चेहरे का पता लगाने से यह अच्छी तरह से काम करता है, हालांकि चेहरे की पहचान के लिए ईजिनफेस का कार्यान्वयन आदर्श नहीं है क्योंकि सैकड़ों हजारों उपयोगकर्ता को हर बार सामना करने के द्वारा ऑनलाइन प्रशिक्षण प्रशिक्षण सेट में एक नया चेहरा जोड़ा जाना चाहिए काम नहीं करेगा।

मैं कुशलता से देखने और लगभग 30 वर्णनकर्ता तुलना करने के लिए एक चेहरा OpenCV का हार कास्केड सुविधाओं का उपयोग कर निकाला पर सर्फ वर्णनकर्ता का उपयोग कर के साथ प्रयोग कर रहा हूँ, और यह मुझे इच्छित परिणाम के साथ नज़दीकी बढ़ाने प्रकट होता है, फिर भी मैं एक तरह से के बारे में सोच करने में असमर्थ हूँ (जो या तो 64 या 128 आयामी वैक्टर हैं) डेटाबेस में। मैंने एलएसएच और स्पेक्ट्रल हैशिंग एल्गोरिदम के बारे में कुछ पढ़ा है, हालांकि जावा के लिए कोई कार्यान्वयन नहीं है और मेरा गणित स्वयं को लागू करने के लिए पर्याप्त मजबूत नहीं है।

क्या किसी के पास कोई विचार या विचार है कि यह कैसे पूरा किया जा सकता है, या यदि यह भी संभव है?

Answer 1

हैशिंग जटिल नहीं है, और न ही आपको गणित में डिग्री की आवश्यकता है।

मानते हैं कि किसी भी 2 छवियों के परिणामस्वरूप 'डिस्क्रिप्टर' की काफी समान संख्या होगी, इसके बाद केवल इतना आवश्यक है कि आप पर्याप्त पर्याप्त आत्मविश्वास कारक प्राप्त करने के लिए पर्याप्त मिलान प्राप्त करें।

ये वर्णनकर्ता कितने विशिष्ट हैं यह निर्धारित करता है कि आप अपने हैशिंग एल्गोरिदम में किस स्तर की टकराव स्वीकार कर सकते हैं।

जैसा कि आपके पास उनमें से कई हैं, मैं सुझाव दूंगा कि आपको कुछ भी परिष्कृत की आवश्यकता नहीं है - आखिरकार, आप शायद अपनी खोज में 'अस्पष्टता' का स्तर चाहते हैं?

कुछ सरल - प्रयोग और परिष्कृत से शुरू करें। आपको यह भी पता चलेगा कि आपको अलग-अलग वर्णनकर्ताओं के लिए अलग-अलग हैशिंग की आवश्यकता होगी - यानी कुछ दूसरों की तुलना में अधिक विशिष्ट हो सकते हैं?

उम्मीद है कि विचार के लिए कुछ खाना।