Evaluation of recognition algorithms on embedded systems

Abstract

Bir video veya resim kaynağından alınan resimlerin tanımlanması, yüz bulma ve yüz tanıma olarak bilinen bilgisayarla görü çalışmalarıdır. Son yıllarda bilgisayarların hesaplama gücünün artmasıyla yüz bulma ve tanıma daha popüler hale gelmekte. Bu durum göz önünde bulundurulduğunda, yüz tanıma birçok kolaylık getirmekte. Çok geniş uygulama alanları vardır: biyometri, içerik tabanlı görüntü alma sistemleri, fotoğrafçılık ve video işlemeGünümüz dünyasında bilgisayarla hesaplama ve görsel algılama teknolojileri öyle bir seviyeye ulaştı ki, ucuz, güvenilir ve kesin çözümler mümkün olmakta. Gömülü sistemler günlük yaşamda bilinenden daha fazla kullanılmakta. Beyaz eşye, hatta mobilyalar, binalar, arabalar vb. hepsi bir gömülü sistemler servis vermektedir, hatta bazı durumlarda birden fazla gömülü system bulunabilmektedir. Gömülü sistemler küçük ve neredeyse her yere kolaylıkla uygulanabilir olduğu için, yüz tanıma becerileri eklenmesi onların daha kullanışlı olmasını sağlar. Birçok gömülü sistem yüz bulmada kullanılabilecek CMOS kamera ile arz edilmektedir ve ağır hesaplamalardan dolayı, yüz tanıma için daha gelişmiş versiyonları kullanılabilir.Bu çalışmada, gömülü sistemlerin yüz tanımada nasıl performans gösterdikleri araştırıldı. İki farklı arm-tabanlı gömülü sistem ve bir tane intel-tabanlı system performans ölçümleri ile karşılaştırıldı. Bir video dosyası resim kaynağı olarak kullanıldı. İlk olarak bu üç sistemde yüz bulma çalışması uygulandı ve zaman performansları ölçüldü. Sonra üç farklı yüz tanıma algoritması, Fisherfaces, Eigenfaces ve Local Binary Pattern Histograms(LBPH), seçildi. Videodan alınmış resimlerden bir veri tabanı oluşturuldu ve oluşturulan very tabanı üzerinde seçilen üç algoritma, daha önce belirtilen üç sistem üzerinde çalıştırıldı. Zamanlama performansı ve algoritmaların doğruluk oranları karşılaştırıldı ve yüz tanıma söz konusu olunca gömülü sistemlerin nasıl davrandığı belirlenmeye çalışıldı. Nasıl bir performans sergiledikleri ve performansın nasıl artırılabileceği araştırıldı.

The identification of a face from a video or image source is a study of computer vision known as face detection and recognition. By the development of computing power, face detection and recognition has become popular in recent years. Face recognition has a wide range of applications including: biometrics, content-based image retrieval systems, photography and video processing.Computing and visual sensing technologies in today's world has reached to a state that is inexpensive, reliable and accurate. Embedded systems are used in daily life much more than that we know. Home appliances, furniture, buildings, cars, etc. all of them are served with an embedded system or in some cases more than one. Since embedded systems are small and can be easily applicable to nearly everywhere, adding face recognition capabilities makes them more convenient. Many embedded systems(which have about 1GHz or mode clock rate and at least 256MB of capacity) integrated with CMOS camera can be used in face detection systems. Due to the heavy computing process, more developed versions of embedded systems should be used in face recognition.In this study, the performance of embedded systems on face recognition is explored. Two different ARM-based embedded systems and an x86 based system are compared in different performance metrics. A video file is used as image source. Firstly, face detection is implemented on all of three systems and their timing performances are measured. Three different face recognition algorithms: Fisherfaces, Eigenface, and Local Binary Pattern Histograms (LBPH) are studied. The timing performances and accuracies of algorithms are compared in order to find out how the embedded systems perform face recognition. How they perform face recognition and how to improve their performance are also studied.