The impact of dimensionality reduction of image feature descriptors on the performance of face recognition procedure

• Autorzy: Pacan J.

Warianty tytułu

PL

Wpływ redukcji wymiaru deskryptorów cech lokalnych obrazu na działanie procedury rozpoznawania twarzy

• Języki publikacji: EN

Abstrakty

EN

Using local image features is relatively novel approach to the subject of face recognition. Previous research indicated that face recognition procedure using SIFT algorithm for features extraction produces satisfactory results as far as the false identification rate is concerned. However, the identification process takes relatively long time. This article presents a method of decreasing the classification time due to dimensionality reduction of image feature descriptors and its influence on the accuracy of the presented face recognition procedure.

PL

Zastosowanie cech lokalnych obrazu jest względnie nowym podejściem do zagadnienia rozpoznawania twarzy. Przeprowadzone badania wykazały, że wykorzystanie algorytmu SIFT jako ekstraktora cech daje zadowalające wyniki w zakresie poziomu błędnych identyfikacji. Jednak czas potrzebny na przeprowadzenie procesu identyfikacji jest relatywnie długi. Poniższy artykuł przedstawia metodę powalającą na skrócenie czasu klasyfikacji poprzez redukcję wymiaru deskryptorów cech lokalnych obrazu oraz jej wpływ na poprawność identyfikacji prezentowanej procedury rozpoznawania twarzy.

Słowa kluczowe

EN

face recognition procedure; SIFT algorithm; reduction of image feature descriptors

PL

procedura rozpoznawania twarzy; algorytm SIFT; redukcja wymiaru deskryptorów

• Wydawca: Oficyna Wydawnicza Energia [Stowarzyszenie Elektryków Polskich - COSiW]
• Czasopismo: Spektrum
• Rocznik: 2014
• Tom: nr 1-2
• Strony: I--IV
• Opis fizyczny: Bibliogr. 11 poz., rys.

Twórcy

autor

Pacan J.

• Military University of Technology, Faculty of Electronics, Warsaw

Bibliografia

• [1] Kwiatkowski W., “Metody automatycznego rozpoznawania wzorców”, BEL Studio, Warsaw 2007.
• [2] Lowe. D. G., “Distinctive Image Features from Scale- Invariant Keypoints”, International Journal of Computer Vision 60 (2) (2004), ss. 91-110.
• [3] Jakubowski J., “Ocena możliwości wykorzystania deskryptorów cech lokalnych obrazu twarzy w zadaniu automatycznej identyfikacji osób”, Przegląd Elektrotechniczny, R. 87, Nr 11a/2012, pp. 217-221.
• [4] Lowe David G., “Object recognition from local scale-invariant features”, Proceedings of the International Conference on Computer Vision. 2. (1999), pp. 1150–1157.
• [5] Brown M., Lowe David G., “Recognising Panoramas”, Proceedings of the ninth IEEE International Conference on Computer Vision. 2. (2003), pp. 1218–1225.
• [6] Se S., Lowe David G., Little J., “Vision-based mobile robot localization and mapping using scale-invariant features”, Proceedings of the IEEE International Conference on Robotics and Automation (ICRA). 2. (2001), pp. 2051-2058.
• [7] Geng C., Jiang X., “SIFT features for face recognition”, Second IEEE International Conference on Computer Science and Technology, 2009, pp. 598-602.
• [8] Matas J., Chum O., Urban M., Pajdla T., “Robust Wide Baseline Stereo from Maximally Stable Extremal Regions”, British Machine Vision Conference 2002, pp. 384-393.
• [9] Bay H., Ess A., Tuytelaars T., Van Gool L., “Speeded- Up Robust Features (SURF)”, Computer Vision and Image Understanding 110 (2008), pp. 346-359.
• [10] Koronacki J., Ćwik J., „Statystyczne systemy uczące się”, Academic Publishing House EXIT, Warsaw 2008.
• [11] http://www.cs.ubc.ca/~lowe/keypoints/