Accendere l'intelligenza delle macchine con la gravità

Con i rapidi progressi tecnologici, l'interazione efficace tra uomo e macchina diventata sempre pi importante, rendendo il riconoscimento facciale accurato un'area di ricerca fondamentale. I sistemi tradizionali di riconoscimento facciale si basano prevalentemente su dati monomodali, il che ne limita la robustezza in condizioni reali. Per ovviare a queste limitazioni, il riconoscimento facciale multimodale, che integra informazioni provenienti da pi fonti, come dati visivi e audio, ha suscitato notevole interesse.Nonostante le numerose ricerche, il riconoscimento facciale rimane una sfida a causa delle variazioni di illuminazione, rumore, rotazione e occlusione. Questa tesi affronta queste sfide proponendo nuovi algoritmi per il rilevamento di caratteristiche invarianti. Un contributo fondamentale una nuova tecnica di rilevamento dei contorni ispirata alla legge universale di Newton sulla forza gravitazionale. Il metodo calcola le interazioni gravitazionali in base alla direzione e all'ampiezza della variazione del segnale e deriva le somme vettoriali nelle direzioni orizzontale e verticale per estrarre i contorni facciali precisi.