A comparative study on the effectiveness of gabor wavelet on common face recognition methods

Abstract

Bir görüntüyü analiz etmek ve içindeki parçaların bir kısmını veya tamamını tanıyabilmek, halen bir bilgisayarın gerçekleştirmesini istemek için en zor ve zorlu görevlerden biri olmayı sürdürüyor. Yüz tanıma, bilgisayar görüşünün önemli sorunlarından biridir. Bir insan beyni çok güçlüdür ve yaşlanma, kılık değiştirme, makyaj, yüz kılları vb. nedeniyle dramatik bir şekilde değişmiş olsa bile saniyeler içinde herhangi bir yüzü tanıyabilmektedir, maalesef bir bilgisayar aynı şeyi hızlı ve kolay bir şekilde başaramıyor. Yüz tanımayı zorlu bir sorun haline getiren şey şu ana kadar karşılaşılan tüm durumlara başarılı bir çözüm sunan tek bir yöntem bulunmamasıdır. Yüz tanımayı zorlu bir sorun haline getiren diğer bir neden, farklı yüz görünüşlerinin ve arka plan görüntülerinin değişkenliğidir. Yüz tanıma göreceli olarak yeni bir konsept, ancak çok hızlı gelişti ve hem araştırma hem de reklam alanlarında popüler bir konu haline geldi. Uygulanabilir teknolojilerin bulunması, yüz tanımanın geliştirilmesinin arkasındaki kilit nedenlerden biridir. Ayrıca yüz tanıma sisteminin kullanılması talebi kamusal alanlarda güvenlik nedenleriyle gelişim sürecini hızlandırmıştır.Bu tezde, çeşitli popüler yüz tanıma yöntemleri tanıtıldı ve Gabor Wavelet filtrelerini kullanmadan ve tartışmadan tartıştı. Giriş yöntemi Prensip Bileşen Analizi, Doğrusal Ayırt Etme Analizi, Çekirdek Prensip Bileşen Analizi, Çekirdek Doğrusal Ayırt Etme Analizi, Geri Yayılım Sinir Ağı ve Gizli Markov Modeli'dir. Gabor filtrelerinin etkinliğini göstermek için, her iki deneyden alınan test sonuçları karşılaştırılmıştır. Karşılaştırma, kullanılan yöntemlerin Gabor Wavelet filtrelerinin kullanımı ile tanınma oranındaki artışı göstermektedir.Anahtar kelimeler: Yüz tanıma, PCA, LDA, KPCA, KFA, BPNN, HMM.

Analyzing an image and being able to recognize some or all of the parts in it still remains one of the most challenging tasks that a computer can achieve. Face recognition is a very important problem in the field of Computer Vision. A human brain is very powerful and is able to recognize any faces within seconds even if they have dramatically changed due to aging, disguise, makeup, facial hair, etc, unfortunately a computer cannot achieve the same thing as fast and easily. What makes face recognition a challenging problem is the fact that until now there is no single method that offers a successful solution to all of the different encountered situations. Another reason that makes face recognition a difficult problem is the variability of different facial appearances and background images. Face recognition is relatively a new concept yet it has developed very fast and became a popular topic both in the areas of research and commercials. The availability of feasible technologies is a key reason behind the development of face recognition. Also the demand for the use of a face recognition system in public areas for security reasons has also accelerated the development process.In this thesis, several popular face recognition methods have been introduced and discussed with and without using Gabor Wavelet filters. The introduced methods are Principle Component Analysis, Linear Discriminant Analysis, Kernel Principle Component Analysis, Kernel Linear Discriminant Analysis, Back Propagation Neural Network, and Hidden Markov Model. To show the effectiveness of using Gabor filters, test results from both experiments have been compared. The comparison shows that the recognition rate of the used methods have increased with the use of Gabor Wavelet filters. Keywords: Face recognition, PCA, LDA, KPCA, KFA, BPNN, HMM.