background image

Σχεδιασμός και κατασκευή ενός υβριδικού αμυντικού αυτοματοποιημένου ρομποτικού συστήματος 

 

 

 

115 

Στη συνέχεια, όλο το δείγμα εικόνων με το οποίο έχει εκπαιδευτεί η κάμερα προβάλλεται 

πάνω  στον  PCA  υποχώρο  με  αποτέλεσμα  τη  δημιουργία  της  συλλογής  των  eigenfaces.  Η 

κάθε  εικόνα  κωδικοποιείται  και  λαμβάνει  μια  τιμή  που  περιγράφει  τη  συμβολή  του  κάθε 

χαρακτηριστικού  σε  αυτή.  Στη  βιβλιογραφία  η  τιμή  αυτή  ονομάζεται  weight  of  eigenface

Εκτός  από  την  κωδικοποίηση  των  χαρακτηριστικών  του  δείγματος,  κωδικοποιείται  και  ο 

φωτισμός που υπάρχει στην εικόνα, όπως φαίνεται παρακάτω. 

Με  την  εισαγωγή  μιας  νέας  εικόνας  ως  προς  αναγνώριση,  υπολογίζεται  το  βάρος  της 

μέσω της προβολής αυτής στη συλλογή των εικόνων εκπαίδευσης. Στη φάση αυτή εξετάζεται 

ενδελεχώς  το  βάρος  της  εικόνας  και  συγκρίνεται  με  τις  αντίστοιχες  τιμές  των  εικόνων 

εκπαίδευσης. Στην περίπτωση όπου το βάρος της εικόνας έχει τιμή παραπλήσια με το βάρος 

κάποιας  άλλης,  τότε  εισάγεται  στην  κατηγορία  της.  Χρησιμοποιείται  η  μέθοδος  του 

«κοντινότερου γείτονα» για την εύρεση της απόστασης μεταξύ δυο διανυσμάτων.  

Στα  θετικά  του  αλγορίθμου  συγκαταλέγεται  η  εύκολη  διαχείριση  μεγάλων  βάσεων 

δεδομένων, η μείωση της πολυπλοκότητας των υπολογισμών για το βάρος της εικόνας και η 

επίτευξη εφαρμογών πραγματικού χρόνου (real-time) σε περιπτώσεις όπου τα ιδιοδιανύσματα 

των  εικόνων  εκπαίδευσης  έχουν  υπολογισθεί  πριν  την  αναγνώριση.  Επίσης,  ως  αλγόριθμος 

φέρει ένα μεγάλο ποσοστό ταύτισης των εικόνων.  

Από  την  άλλη  πλευρά,  ο  Eigenfaces  δεν  χρησιμοποιείται  ευρέως  καθώς  παρουσιάζει 

μεγάλη  ευαισθησία  στο  φως  και  στις  αλλαγές  των  εκφράσεων  του  προσώπου  (Εικόνα  47)

Για όλους τους παραπάνω  λόγους ο αλγόριθμος αυτός δεν χρησιμοποιήθηκε στην παρούσα 

διπλωματική.