İki boyutlu yüz tanıma metodlarına yeni yaklaşımlar; satır ve sütun vektörleri arasındaki değişimlerin kullanılması

Abstract

Örüntü tanıma alanı içerisinde gelişmiş, temel bir araştırma alanı olan otomatik yüz tanıma, kimlik doğrulama ve tespit amaçlı olarak sivil, askeri ve ticari pek çok alanda uygulanmaktadır. Tanıma işlemi, iki veya üç boyutlu görüntü kullanılarak, ya da yüzü temsil eden bir sıcaklık şablonu kullanılarak gerçekleştirilebilir. Yapılan araştırmalar, maliyet düşüklüğü, mevcut veritabanlarının kullanımı ve kolay adaptasyon gibi sebeplerden dolayı, tanıma işleminde iki boyutlu görüntü kullanımının yaygınlaştığını göstermektedir.İki boyutlu yüz görüntülerini vektöre dönüştürerek tanıma işlemi yapan ilk çalışmalar, boyut artışı ve yüz görüntüsünde aslına göre bilgi kayıplarının oluşması problemleri ile karşılaşmışlardır. Son birkaç yıldır, yüz görüntüsünü vektöre dönüştürmeden iki boyutlu tanıma yapan algoritmalar geliştirilmeye başlanmıştır. Bu algoritmaların temel aldığı yaklaşım iki boyutlu Ana Bileşenler Analizi'dir. Ana Bileşenler Analizi temelli algoritmalar, sınıflandırma doğruluğundan ziyade iyi bir yüz temsili elde etmeyi amaçlandığından, yüz görüntü sınıfları birbirinden uzaklaştırılmakta ancak sınıflar kendi içinde birbirine yakınlaştırılmamaktadır.Bu tez çalışmasında geliştirilen iki boyutlu yüz tanıma algoritmaları ile, mevcut iki boyutlu tanıma algoritmalarına aşağıda verilen katkılar sağlanmıştır:?Yüz görüntü sınıfları birbirlerinden uzaklaştırılırken, sınıf içindeki görüntüler birbirlerine yaklaştırılmış böylece sınıflandırma doğruluğu arttırılmıştır;?Yüzü temsil etmek için kullanılacak matris boyutu veri kaybının olmadığı orijinal yüz uzayı kullanılarak küçültülmüştür;?Yüz matrisinin satır ve sütun vektörleri arasındaki değişimlerden yararlanan yeni bir yaklaşım geliştirilmiştir;?Tanımadaki küçük örnek boyutu problemi ortadan kaldırılmıştır.Geliştirilen algoritmalar AR-Face ve ORL veritabanları kullanılarak test edilmiştir. Karşılaştırma amaçlı olarak, çok bilinen yüz tanıma metodları aynı veri tabanı kullanılarak test edilmişlerdir. Deneysel sonuçlar göstermiştir ki, geliştirilen algoritmaların tanıma performansı çok bilinen algoritmalara göre daha yüksek olmuştur.

Automatic face recognition which is developed in pattern recognition is a basic research area and is used for identification and verification of indiviuals in many fields such as civil, military and commercial. Recognition can be made by using 2 or 3 dimensional image or an infrared template. But research showed that using 2 dimensional images for recognition is more common, more convenient with existing databases and easy adaptation.Initial studies which transform face matrix into a vector for recognition are crossed with information loss and rise of dimensionality. For several years, algorithms have been developed for face recognition that doesn?t require transformation of matrix into a vector are based on 2 dimensional Principal Component Analysis (2DPCA). But they provide a good representation rather than a good classification as they maximize the between class scatter only.With the developed algorithms in this thesis following contributions are made to the existing algorithms:?Minimization of the within class scatter is achieved while maximizing the total scatter;?Matrix dimension which represents face image is reduced using original face space;?A new approach is developed which uses variations between row and column vectors;?Proposed algorithms overcomes the small sample size problem.Proposed algorithms are tested using Ar-Face and ORL face databases. In addition for the comparision purpose well known algorithms are also tested using same databases. The experimental studies demonstrated that according to the well known algorithms, better recognition accuracies are achieved for each method which are proposed in this thesis.