ISL-IM241【Intel PNL Library】
文件 說明 下載點
ISL-IM241-C1【Intel PNL Library】 本報告的主要目的為使用隱藏式馬可夫模型來完成人臉表情辨識。首先會對貝氏網路做一個簡單的介紹，並且對報告中所要使用的隱藏式馬可夫模型(Hidden Markov Model)以及所使用的推論方法做一個原理的介紹。本次報告會使用到Probabilistic Networks Library（PNL）來幫助完成程式撰寫，並且會對其環境設定做個詳細的介紹。在最後會有本報告的實驗結果與討論。本報告程式作業環境是在作業系統為Windows XP Professional SP2，編譯器為Microsoft Visual Studio 6.0，CPU為AMD Athlon 3000+，記憶體為2GB。 立即下載
ISL-IM241-C2【Intel PNL Library】 在Human Gesture Recognition的系統中，建立人體模型後取出特徵點及特定參數是常用的方式，當人體模型建立出來之後，需要一個辨識用的模型，輸入訓練好的參數或者利用相機取得的影像資訊於模型，經過模型的計算後，輸出所辨認的人體動作。 本報告的主要目的是使用Bayesian Network model於Human Gesture Recognition，透過Bayesian Network的機率性模式特性以及長於解決不確定性問題的能力，來對於Human Gesture Recognition系統提供學習能力以及決策能力，而本次報告中使用的是Bayesian Network　中的Naive Inference Engine，針對動作是由不同身體部位姿勢所組成，由影像中擷取到身體各部位的姿勢，都會影響到人體目前正在進行的動作，經由推論引擎的結果，判斷當前動作。本報告之作業系統使用的是Windows XP，搭配PNL 1.0函式庫。，經Visual C++ 6.0編譯無誤。 立即下載
ISL-IM241-C3【Intel PNL Library】 隨著電腦硬體計算能力的提升與網路頻寬的增加，人與人之間的距離也隨著電腦應用而更加拉近。人臉辨識的技術就是其中主要發展的項目之一，並且已於智慧型監控、數位相機應用、遊戲娛樂等多方面應用中。 Face Detection是人臉辨識中最基本而重要的一步，並藉著判讀人臉的特徵（五官、膚色），就能在人臉辨識的應用上有所延伸。但是每一項特徵的辨識率還是不夠高，無法直接單獨採用，所以有效的提升辨識率為人臉偵測重要的課題。貝氏網路(Bayesian Networks, BNs )因為藉由條件機率值的結合使用，為近來廣受歡迎的辯識器之一。此報告便是利用貝氏網路來達成人臉特徵機率值的結合運算，最終來討論貝氏網路對於Face Detection的辨識率有何影響。 立即下載
ISL-IM241-J1【Intel PNL Library】 Java Native Interface (JNI)提供Java程式連結C語言的機制，透過Windows環境下的 Visual C++ 6.0 輸出的DLL檔案連結，因此我利用JNI與PNL做連結並透過Java執行PNL專案中的Water-Sprinkler貝式網路範例，並將範例修改成可由Java端給予證據值、以及各節點間的CPD表。 立即下載
ISL-IM241-J2【Intel PNL Library】 近年來智慧型系統技術發展的迅速，如語音辨識(Speech Recognition)、移動物件偵測(Motion Object Detection)、移動物件識別(Motion Object Recognition)…等，在這些系統中除了會使用基本的訊號處理問題之外，還會遇到相當多的分類、推論、和決策的技術，而這些技術通常是建構在一種較複雜的機率模型下，在本篇報告中，將介紹使用由Intel公司所開發的Probabilistic Networks Library (PNL) 建立貝式網路模型進行分類、推論、和決策，以及SWIG(Simplified Wrapper and Interface Generator)來幫助我們以Java語言來呼叫由C++所編譯出的動態連結檔(.dll)。 立即下載