Bölge tabanlı parçalı yüz tanıma
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Klasik yüz tanıma algoritmaları yüz üzerinde bulunabilecek güneş gözlüğü, peçe vb. kapanmalarda başarılı olamamaktadır. Bu amaçla literatürde genellikle kapanmaların tespit edilip kapanma olmayan bölümler üzerinde tanıma yapan çalışmalar çokça yer almaktadır. Bu çalışmaların bazılarında yeteri kadar yüksek başarı oranına ulaşılamamış, bazılarında ise renkler kullanılarak kapanmalar tespit edilmeye çalışılmıştır. Renk bilgisi kullanan çalışmaların pratikte geçerlilikleri düşüktür, çünkü kapanmalar her türlü şekilde ve çok çeşitli renklerde oluşabilmektedir. Ayrıca kapanmaların tespiti işlem maliyetini artırmaktadır. Son zamanlarda doğrusal yakınsama yöntemleri kapanma problemlerinde kullanılarak başarılı sonuçlar elde edilmiştir. Bu çalışmada geliştirilen algoritma, iki aşamalı bir yapıya sahiptir; birinci aşamada kNN sınıflandırıcısı (k-Nearest Neighbor, k-En yakın komşuluk) ve ikinci aşamada LR (Linear regression, Doğrusal regresyon) sınıflandırıcısı uygulanmaktadır. Bu yaklaşımda hem yerel öznitelikler hem de genel öznitelikler kullanılmaktadır. Öznitelik çıkarımı, öklit haritası ile görüntü üzerindeki değişim bilgisi kullanılarak gerçekleştirilmektedir. Öklit haritasında, her nokta için pikselin komşu piksellerine olan öklit uzaklığı hesaplanmaktadır. Öklit haritası kullanıldığında istenmeyen değişimler görüntüden atılabilmekte ve tanıma işleminde kullanılacak değişim aralığı belirlenebilmektedir.Deneysel çalışmalarda AR veri tabanı kullanılarak yüz tanıma işlemi yapılmıştır. Deneylerde 2 türlü eğitim kümesi kullanılmıştır; birincisinde her bir kişi için tek eğitim görüntüsü bulunmaktadır, ikincisinde her bir kişi için birden fazla eğitim görüntüsü bulunmaktadır. Test için ise eğitim kümesinde yer alan kişilerin gözlüklü ve peçeli görüntüleri kullanılmıştır. Yapılan deneylerde her bir kişi için tek eğitim görüntüsünün kullanıldığı durumda gözlük kapanmasında %98 ve peçe kapanmasında %96 yüz tanıma başarı oranları elde edilmiştir. Her bir kişi için birden fazla eğitim görüntüsünün kullanıldığı durumda gözlük kapanmasında %100 ve peçe kapanmasında %98 yüz tanıma başarı oranları elde edilmiştir. Deneysel sonuçlar, geliştirilen algoritmanın başarılı olduğunu göstermiştir. If faces are under occlusions like sunglasses, scarfs etc., classical face recognition algorithms could not succeed in recognition task. For this purpose, there are a lot of studies in the literature which firstly determine occlusions on faces and then perform recognition task on unoccluded parts. In some of these studies, satisfactory success rates haven?t been achieved; in some of others, colors have been used for determining occlusion. Studies which are using color information are not acceptable enough for real life applications, because occlusions can be in any form with various colors. Furthermore, the step of determining occlusions boosts computation cost. Recently, successful results are achieved by applying linear convergence techniques on occlusion problems. In this study, an approach with a two-step architecture is proposed; in the first step kNN (k-Nearest neighbor) classifier is used and in the second step LR (Linear regression) classifier is used. In this approach, both local and holistic features are utilized. Feature extraction is applied by using Euclidean map where variation information on the image is utilized. In Euclidean map, pixel?s euclidean distance to its neighboring pixels are calculated for each point. By using such a technique, unnecessary variations can be thrown out and variation range that is used in recognition task can be specified.In this study, AR database was used in experiments for face recognition. In experiments, two kinds of training set are used; the first one includes singleimage per subject and the second one includes multiple images per subject. For testing, images that include sunglasses and scarf of the same subjects are used. For multiple training samples per subject case, 100% face recognition success rate in sunglasses occlusion experiments and 98% face recognition success rate in scarf occlusion experiments were achieved. In single training sample per subject case, 98% face recognition success rate in sunglasses occlusion experiments and 96% face recognition success rate in scarf occlusion experiments were achieved.
Collections