ரிமோட் சென்சிங் & ஜிஐஎஸ் ஜர்னல்

சுருக்கம்

முக அங்கீகார அல்காரிதத்தில் "பொது சைனஸ்" தேற்றத்தின் பயன்பாடு

மொஸ்டாஃபா டெராஸ், ஃபௌஸ்யா எல் ஃபரிஸ்ஸி மற்றும் அப்தெல்லதிஃப் பென் அப்தெல்லா

மனித-இயந்திர தொடர்பு என்பது ரோபோட்டிக்ஸின் எதிர்காலத்தில் மிகவும் தாக்கத்தை ஏற்படுத்தும் செயல்களில் ஒன்றாகும். ரோபோ உள்ளீட்டை மேம்படுத்த வேண்டியதன் காரணமாகவும், கட்டளை வரிகளிலிருந்து முடிந்தவரை தொலைவில் நகர்ந்து அதை உணரிகள் மற்றும் கட்டுப்படுத்திகளாக மாற்றவும். மனித-இயந்திர தொடர்பு (HMI) என்பது ஒரு பயனர் இடைமுகம் வழியாக மனித-இயந்திரத்திற்கு இடையேயான தொடர்பு மற்றும் தொடர்புகளைக் குறிக்கிறது. இப்போதெல்லாம், சைகைகள் போன்ற இயல்பான பயனர் இடைமுகங்கள் மேலும் மேலும் கவனத்தை ஈர்க்கின்றன, ஏனெனில் அவை இயற்கையான மற்றும் உள்ளுணர்வு நடத்தைகள் மூலம் இயந்திரங்களைக் கட்டுப்படுத்த மனிதர்களை அனுமதிக்கின்றன. சைகை அடிப்படையிலான எச்எம்ஐயில், எடுத்துக்காட்டாக, மனித முகத்தை (பயனர்) அடையாளம் காண மனித தோரணைகள் மற்றும் அசைவுகளைப் பிடிக்க சென்சார் மற்றும் கேமரா பயன்படுத்தப்படுகிறது, இது ஒரு இயந்திரத்தைக் கட்டுப்படுத்த செயலாக்கப்படுகிறது. RGB (சிவப்பு, பச்சை, நீலம்), ஆழம் மற்றும் எலும்புக்கூடு தகவல் உட்பட கேமரா மற்றும் சென்சார் வழங்கிய தரவைப் பயன்படுத்தி மனித முகம் மற்றும் இயக்கங்களின் குறிப்பிடத்தக்க வெளிப்பாடுகளை அடையாளம் காண்பது சைகை அடிப்படையிலான HMI இன் முக்கிய பணியாகும். கண்கள், புருவங்கள், மூக்கு மற்றும் வாய் போன்ற முகத்தில் உள்ள வடிவியல் அம்சங்களின் தொகுப்பைக் கண்டறியும் அம்ச அடிப்படையிலான முறைகளை அடிப்படையாகக் கொண்ட பல முக அங்கீகார வழிமுறைகள் உள்ளன. பகுதிகள், தூரங்கள் மற்றும் சிறிய புள்ளிகளுக்கு இடையிலான கோணங்கள் போன்ற பண்புகள் மற்றும் உறவுகள் (பண்புப் புள்ளிகள்) முக அங்கீகாரத்திற்கான விளக்கங்களாக செயல்படுகின்றன. பொதுவாக, 30 முதல் 60 சிறப்பியல்பு புள்ளிகளைக் கண்டறிவதற்கான தேவை ஒரு முகத்தை வலுவான முறையில் விவரிக்க உருவாக்கப்படுகிறது. வடிவியல் பண்புகளை அடிப்படையாகக் கொண்ட முக அங்கீகாரத்தின் செயல்திறன் அம்ச இருப்பிட அல்காரிதத்தின் துல்லியத்தைப் பொறுத்தது அல்லது வடிவியல் கோட்பாடுகள் மற்றும் சூத்திரங்களை இன்னும் நெருக்கமாக ஆராய்வோம். இருப்பினும், சிறந்த செயல்திறன், முக்கிய பண்புகள் மற்றும் தானாக அவற்றை எவ்வாறு பிரித்தெடுப்பது என்பதைக் கொடுக்கும் புள்ளிகளின் எண்ணிக்கையின் சிக்கலுக்கு உலகளாவிய பதில் இல்லை. முக அம்சங்களின் ஒட்டுமொத்த வடிவியல் உள்ளமைவு அங்கீகாரத்திற்கு போதுமானது என்பதை இது குறிக்கிறது. மேலே குறிப்பிட்டுள்ளபடி, முக அங்கீகாரம் பிரச்சனைக்கு பல அணுகுமுறைகள் உள்ளன. அவற்றில் ஒன்று முகப் பண்புகளின் புள்ளிகளை அடிப்படையாகக் கொண்டது. இந்த வழக்கில், இவை முன் உருவப்படத்தின் டிஜிட்டல் படங்கள். ஒரு முகத்தை வலிமையான முறையில் விவரிக்க 30 முதல் 60 புள்ளிகள் தேவை. சில புள்ளிகளின் இருப்பிடம் முகபாவனையைப் பொறுத்தது. இரண்டு சிக்கல்கள் உள்ளன: மிகவும் மாறாத புள்ளிகளை வரையறுத்து பிரித்தெடுக்கவும் மற்றும் முக அங்கீகாரத்திற்கான உகந்த வடிவியல் அம்சத்தைக் கண்டறியவும். பத்து வருடங்களுக்கு முன், சைனஸ் பின்னோக்கியின் கருத்து/செயல்பாட்டை வேறொரு தத்துவத்திலிருந்து மறுபரிசீலனை செய்யும் ஒரு தேற்றத்தை நாங்கள் உருவாக்கினோம், எனவே ஐந்து ஆண்டுகளுக்குப் பிறகு, "தி ஜெனரல் சின்ஸ்" என்ற பெயரில் தேற்றத்தை வெளியிட்டோம். ஜெனரல் சைனஸின் தாளில், முடிவுகள், சூழல் மற்றும் பின்னணி பற்றி விவாதித்தோம். சைனஸ் செயல்பாட்டை எவ்வாறு பொதுமைப்படுத்துவது? பொது சைனஸ் சின் (x, y) ஆல் இரண்டு அளவுருக்களுடன் வரையறுக்கப்பட்டுள்ளது, இது ஒரு செவ்வகத்தில் தேவையில்லாத n-gon இல் பயன்படுத்தப்படலாம். பொது சைனஸ் செயல்பாட்டை n-gon இல் எவ்வாறு பயன்படுத்தினோம்? n-gon இன் அனைத்து உள்ளார்ந்த பண்புகளையும் தீர்மானிக்க, குறைந்தபட்ச மற்றும் நியாயமான அளவிலான தரவைப் பயன்படுத்தி, n-gon இயல்பில் எந்த நிபந்தனைகளும் பயன்படுத்தப்படவில்லை.இந்த சூத்திரம் யூக்ளிடியன் வடிவவியலில் மிகவும் பொதுவானது என்பதை நாங்கள் நிரூபித்துள்ளோம். பொதுவான சைனஸ் தேற்றத்தின் அடிப்படையில், முகத்தை அடையாளம் காணும் வழிமுறையின் செயல்திறனை மேம்படுத்தலாம். பொதுவான சைனஸ் சூத்திரங்களின் பயன்பாடு மிகவும் சிறப்பியல்பு புள்ளிகளுக்கு சிகிச்சையளிப்பதற்கும், ஒவ்வொரு புள்ளிக்கும் இடையே உள்ள தூரம் மற்றும் கோணங்கள் போன்ற மிகவும் துல்லியமான தகவலைப் பெற அனுமதிக்கிறது, அதே நேரத்தில், அல்காரிதத்தின் செயலாக்க நேரத்தை மேம்படுத்துகிறது.