Il problema del riconoscimento di volti puo' essere formulato, a seconda delle assunzioni poste, come problema di "identificazione" o di
"autenticazione": nel primo caso l'immagine del volto da riconoscere viene confrontata con tutte le immagini presenti in una galleria di riferimento al fine di individuare l'immagine ad essa "piu' vicina"; nel secondo caso il
soggetto da riconoscere dichiara la propria identita' e il compito del sistema e' di verificarne l'autenticità misurando la similarita' tra l'immagine in ingresso e quelle in galleria corrispondenti all'identita' dichiarata.
Un elemento fondamentale di tutti gli algoritmi proposti in letteratura sia per l'dentificazione che per l'autenticazione e' la localizzazione precisa del centro degli occhi; su questa informazione si basano infatti sia i metodi che rappresentano l'intero volto in un solo vettore di caratteristiche sia i metodi che studiano caratteristiche locali. Essendo la precisione richiesta molto elevata, il problema e' ancora aperto. Obiettivo della ricerca e' sperimentare tecniche di apprendimento e ricercare le
rappresentazioni più favorevoli alla realizzaizone del compito. Risultati
preliminari mostrano promettente la trasfomazione dell'immagine mediante Haar-wavelets e la selezione di opportuni sottoinsiemi di coefficienti.Poiche' gli algoritmi di apprendimento sono un elemento essenziale ai fini
dello studio del problema, intendiamo analizzarli approfonditamente. In particolare, si esploreranno le tecniche di "apprendimento attivo", studiando in particolare gli algoritmi "on-line" che permettono di
approssimare l'iperpiano delle Support Vector Machines su un dato training set tramite la tecnica del campionamento selettivo che è stato dimostrato essere utile per contrastare il problema di overfitting su data set molto rumorosi.
Verra' anche analizzata la possibilita' di implementare gli algoritmi su architetture distribuite.