Yüz Tanıma İçin Fisher Diskriminant Analizine Sıfır Uzay Yaklaşımı

Abstract

Günümüzde birçok farklı sistem, insanların kendi servislerine erişimlerinde kimlik onaylamak veya belirlemek için güvenilir kimlik tanıma projelerine ihtiyac duymaktadır. Bu tür projelerdeki asıl amaç sunulan servislere erişimlerin sadece yetkili kullanıcıya verilmesini garanti etmektir. Bu ve buna benzer birkaç uygulama binalara, bilgisayar sistemlerine, dizüstü bilgisayarlara, telefonlara, ATM’lere güvenli erişimlerdir. Biometrik tanıma veya sadece biometrik, insanların fiziksel ve davranışsal özelliklerinin otomatik tanınması anlamına gelmektedir. Bu çalışmada, yüz tanıma için Fisher Diskriminant Analizine sıfır uzay yaklaşımı gerçekleştirilmiştir. Yüz tanıma genel nesne tanıma problemlerinin bir alt alanıdır. Herhangi birini yüzünü baz alarak tanımak biometrik içerisinde yanıltılması güç bir yöntemdir. PCA ise görüntü işleme alanında boyut küçültmede sıkça kullanılan bir yöntemdir. Aynı zamanda Karhunen-Loeve olarak da bilenen bu metot, boyutları küçülten bir lineer izdüşüm seçerek tüm izdüşüm örnekleri arasındaki dağılımı en yüksek dereceye getirir. Sınıfiçi dağılım matrisinin sıfır uzayı küçük örnek boyutu probleminin en diskriminatif bilgisini göstermektedir. Diğer metotlar sıfır uzayını kaldırdığı halde, sıfır uzay tabanlı Lineer Diskriminant Analizi sıfır uzayının tüm avantajlarını kullanmaktadır. Bu yöntem performans için en uygun olduğunu kanıtlamaktadır. Sıfır Uzayı Lineer Diskriminant Analizi algoritması ve bunun için en uygun durum çalışmada gösterilmiştir. Yöntemimiz diğer bütün sıfır uzayı yaklaşımlarından daha basit, işlemsel maliyet ve performans açısından daha uygundur. Deneyler farklı yüz veritabanlarında, farklı yüz ifadeleri kullanılarak, farklı sınıf sayısı ve farklı özvektör sayısı baz alınarak gerçekleştirilmiş ve önerilen metotların etkinlikleri ölçülmüştür.

A wide variety of systems require reliable personal recognition schemes to either confirm or determine the identity of an individual requesting their services. The purpose of such schemes is to ensure that the rendered services are accessed only by a legitimate user, and not anyone else. Examples of such applications include secure access to buildings, computer systems, laptops, cellular phones and ATMs. Biometric recognition, or simply biometrics, refers to the automatic recognition of individuals based on their physiological and/or behavioral characteristics. Face recognition from images is a sub-area of the general object recognition problem. Identifying an individual from his or her face is one of the most nonintrusive modalities in biometrics. It is of particular interest in a wide variety of applications. PCA is a techique commonly used in dimension reduction in computer vision and particularly in face recognition. PCA techniques, also known as Karhunen-Loeve methods, choose a linear projection that reduces the dimensionality while maximizing the scatter of all projected samples. The null space of the within-class scatter matrix is found to express most discriminative information for the small sample size problem (SSSP). The null space-based LDA takes full advantage of the null space while the other methods remove the null space. It proves to be optimal in performance. From the theoretical analysis, we present the NLDA algorithm and the most suitable situation for NLDA. Our method is simpler than all other null space approaches, it saves the computational cost and maintains the performance simultaneously. Experiments are carried out on different face data sets, different facial expression, different class count and different eigenvalue count to demonstrate the effectiveness of the proposed methods.