Chulalongkorn University Theses and Dissertations (Chula ETD)

Performance evaluation of local descriptors for face recognition

Other Title (Parallel Title in Other Language of ETD)

การประเมินสมรรถนะของตัวบรรยายท้องถิ่นสำหรับการรู้จำใบหน้า

Year (A.D.)

2013

Document Type

Thesis

First Advisor

Supavadee Aramvith

Faculty/College

Faculty of Engineering (คณะวิศวกรรมศาสตร์)

Degree Name

Master of Engineering

Degree Level

Master's Degree

Degree Discipline

Electrical Engineering

DOI

10.58837/CHULA.THE.2013.1458

Abstract

Face recognition (FR) is one of prominent feature in biometric. There are three main steps in FR: face detection, feature extraction and feature matching. Among three steps, feature extraction is considered important as highly distinctive representation will be constructed using certain properties. Researchers have developed several local feature descriptors. However, such those features are proposed to perform well for generalized images. In case of face images which possess distinct feature, it is necessary investigating the effectiveness of such local descriptors to achieve the best possible recognition performance. In this thesis, performance evaluation of local feature descriptors for face images is conducted. Several state of the art local descriptors including Scale Invariant Feature Transform (SIFT), Speed Up Robust Features (SURF), Binary Robust Independent Elementary Features (BRIEF), Binary Robust Invariant Scalable Keypoints (BRISK) and the Fast Retina Keypoint (FREAK), are investigated. We investigate the performance using transformed images with the following properties: scale, blur, rotation, brightness, pose. The performance parameters including repeatability, precision, recognition rate, and computational time are used as measurements. The results indicate that each local descriptor is considered effective in extracting features in different scenarios. Thus, the consideration of choosing local descriptor should take the characteristic of scenario and environment into account.

Other Abstract (Other language abstract of ETD)

การรู้จำใบหน้าเป็นหนึ่งคุณลักษณะที่มีความโดดเด่นทางไบโอเมตริก ซึ่งประกอบด้วยสามขั้นตอนหลัก คือ การตรวจหาใบหน้า การสกัดคุณลักษณะ และการจับคู่คุณลักษณะ สำหรับการสกัดคุณลักษณะจะถูกพิจารณาความสำคัญในฐานะตัวแทนที่มีลักษณะเฉพาะสูง ที่ถูกสร้างขึ้นโดยคุณสมบัติบางประการ นักวิจัยได้มีการพัฒนาตัวบอกคุณลักษณะท้องถิ่นมากมายบนพื้นฐานของคุณลักษณะที่มีความสำคัญ ซึ่งได้ถูกนำเสนอเพื่อใช้งานสำหรับภาพทั่วไปได้อย่างดี แต่ในกรณีของภาพใบหน้าซึ่งมีคุณลักษณะเฉพาะ การตรวจสอบประสิทธิภาพของตัวบอกท้องถิ่นดัง กล่าวจึงมีความจำเป็นเพื่อให้ได้สมรรถนะของการรู้จำที่ดีที่สุดที่เป็นไปได้ ในวิทยานิพนธ์นี้นำเสนอการประเมินสมรรถนะของตัวบอกคุณลักษณะท้องถิ่นสำหรับภาพใบหน้า โดยตรวจสอบตัวบอกคุณลักษณะท้องถิ่นที่มีความทันสมัยประกอบ ด้วย Scale Invariant Feature Transform (SIFT) Speed Up Robust Features (SURF) Binary Robust Independent Elementary Features (BRIEF) Binary Robust Invariant Scalable Keypoints (BRISK) และ Fast Retina Keypoint (FREAK) โดยตรวจสอบสมรรถนะด้วยภาพที่มีการแปลงคุณลักษณะต่างๆ คือ ขนาด ความพร่ามัว การหมุน ความสว่าง และท่าทาง การวัดสมรรถนะประกอบด้วย ความสามารถในการทวนซ้ำ ความแม่นยำ อัตราการรู้จำ และเวลาที่ใช้ในการคำนวณถูกใช้ในการวัดเชิงคุณภาพ ผลการทดลองแสดงให้เห็นว่าตัวบอกคุณลักษณะท้องถิ่นแต่ละชนิดมีประสิทธิภาพในการสกัดคุณลักษณะในสถานการณ์ที่แตกต่างกัน ดังนั้นการเลือกตัวบอกคุณลักษณะท้องถิ่นจึงต้องใช้ลักษณะเฉพาะของสถานการณ์ และสภาพแวดล้อมในการพิจารณา

Link to Full Text

Share

COinS