Keywords: abstract; bastract; astract; retract; tractor

Posljednjih godina bilježi se brzi rast i razvoj video senzora i tehnlogije za analiziranje videa i slika. Kamere su vitalni dio sigurnostnihsustava koji se koriste za prikupljanje informacija iz okoline. Inteligentni sustav za detekciju osoba uključuju otkrivanje i praćenje objekata te analizu njihovog kretanja. Sustav z aprepoznavanje like koristi se za automatsko prepoznavanje osobe iz slike ili video zapisa. Glavni cilj prepoznavanja I praćenja lica na temelju video zapisa je indentificirati lica nepoznatih osoba.

Starenje je neizbježan prirodni proces tijekom cijelog života. Učinak starenje može se promatrati kroz tri jedinstvene karakteristike:

• Starenje je nekontrolirano: ne može se ubrzati ili usporiti.
• Personalizirani zakovi starenja: Svaki čovjek prolazi kroz različiti obrazac starenja. To ovisi o genima, zdravnju, hrani, mjestu stanovanja itd.
• Znakovi starenja ovise o vremenu

Okluzija se odnosi na prirodne ili umjetne prepreke na slikama. To prepreke mogu biti predmeti kao što su sunčane naočale, šal, ruke i kosa. Ako predmet prekriva manje od 50% lica, može se reći da je došlo do djelomične okluzije. Okluzija otežava prepoznavanje lica te se povećava mogućnost da lice ne će biti prepoznato.

Promjenjivost položaja lica je još jedan izazov kod prepoznavanja lica. Ljudi zauzimaju različite poze prilikom slikanja. Samim time se otežava prepoznavanje lica. Odbra tehnika prepoznavnja lica trebala bi tolerirati i prepoznati različite poze lica. Još ne postoji konačno rješenje ovog problema.

Eigenface je algoritam koji se koristi kako bi se prepoznale karakteristike lica na slici. Korisit se metom analize glavnih komponenata (eng. Principle Compnent Analysis, PCA). U ovoj metodi temeljni je koncept prepoznati lice uzimajući jedinstvene informacije o licu. Zatim se te informacije enkodiraju i uspoređuju s dekodiranim razultatom prethodne slike kako je prikazano na slici 1. Dekdiranje se izvodi računanjem eigenvektora koji se zapisuju u pripadajuću matricu. Međutim, ovaj algoritam je prikladan samo za lica koja se na slici vide isključivo s prednje strane.

Neuronska mreža je učinkovita kod prepoznavanja lica, a široko se koristi nakon pojave umjetne inteligencije. Sastoji se od mreže u kojoj su neuroni raspoređeni u obliku slojeva. Točnost prepoznavanja lica povećano je uz pomoć dubokog učenja. Uči se na slikama kojima se izmjenjue osvjetljene, kut i oštrina. Glavni nedostatak neuronske mreže je da je potrebno određeno vrijeme kako bi se algoritam naučio prepoznavati lica.

Metoda potpunih vektora je vrsta nadziranog algoritma učenja koji koristi podatke za klasifikacijsku i regresijsku analizu. Ona pruža učinkovitu detekciju lica na slikama velikih dimenzija. Metoda je vrlo učinkovita ako se u fazi učenja korisiti veliki skup podataka.

Denni Gabor je 1946. predstavio alat za uklanjanje šuma na slikama nazvanim Gabor filterom. Ova tehnika se korisiti za praćenje i procjenu položaja lica na slici. Na slici 2 je prikazano kako Gaborov Walvetaova transformacija koja ima karakteristike koje mu omogućuju ocrtavanje prostora, prostorne frekvencije, selekcije i orijentacije. Glavne prednosti Gabor Waveleta su redukcija značajki lica i njegova globalna zastupljenost u prepoznavanje lica.

[1] Plass, Jan L., Roxana Moreno, and Roland Brünken. Cognitive Load Theory. Cambridge University Press, 2010.

[2] Mayer, Richard E. The Cambridge handbook of multimedia learning. Cambridge University Press, 2005.

[3] Kirschner, P. A, Sweller, J. and Clark, R. E. Why minimal guidance during instruction does not work: An analysis of the failure of constructivist, discovery, problem-based, experiential, and inquiry-based teaching. Educational psychologist 41, no. 2, pp 75-86, 2006