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.