Porównanie skuteczności wybranych algorytmów rozpoznawania twarzy w przypadku zdjęć o niskiej jakości

• Autorzy: Gozdur Jakub , Wiśniewski Bartosz , Kopniak Piotr

Warianty tytułu

EN

Comparison of the effectiveness of selected face recognition algorithms for poor quality photos

• Języki publikacji: PL

Abstrakty

PL

Celem artykułu jest określenie skuteczności popularnych algorytmów rozpoznawania twarzy w przypadku zdjęć o niskiej jakości. W trakcie pracy zostały opisane podstawowe algorytmy rozpoznawania twarzy takie jak LBPH, Eigenfaces i Fisherfaces. Do przeprowadzenia badań stworzono platformę badawczą wyposażona w oprogramowanie pozwalające testować dane i zbierać wyniki. Rezultaty badań pokazała, że jedynym algorytmem nadającym się do takich rozwiązań jest LBPH. Pozostałe natomiast nie uzyskały odpowiednio wysokiego współczynnika skuteczności.

EN

The goal of the article is to determine the effectiveness of popular face recognition algorithms for poor quality photos. Basic facial recognition algorithms such as LBPH, Eigenfaces and Fisherfaces were described during the work. A research platform equipped with software allowing to test data and collect results was created. The results of the research showed that the only algorithm suitable for such solutions is LBPH. The others, however, did not achieve a sufficiently high effectiveness factor.

Słowa kluczowe

PL

rozpoznawanie; twarz; LBPH; Eigenfaces; Fisherfaces

EN

recognition; face; LBPH; Eigenfaces; Fisherfaces

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Journal of Computer Sciences Institute
• Rocznik: 2019
• Tom: Vol. 10
• Strony: 67--70
• Opis fizyczny: Bibliogr. 5 poz., rys., tab.

Twórcy

autor

Gozdur Jakub

• Politechnika Lubelska, Instytut Informatyki, Nadbystrzycka 36B, 20-618 Lublin, Polska

autor

Wiśniewski Bartosz

• Politechnika Lubelska, Instytut Informatyki, Nadbystrzycka 36B, 20-618 Lublin, Polska

autor

Kopniak Piotr

• Politechnika Lubelska, Instytut Informatyki, Nadbystrzycka 36B, 20-618 Lublin, Polska

Bibliografia

• [1] Stan Z. Li, Anil K. Jain: Handbook of Face Recognition. Springer. New York 2011.
• [2] Ahonen, T., Hadid, A., and Pietikainen, M.: Face Recognition with Local Binary Patterns. Springer. Heidelberg 2004.
• [3] Asit K. Datta, Madhura Datta, Pradipta K. Banerjee: Face Detection and Recognition: Theory and Practice. CRC Press. Boca Raton 2015
• [4] Peter N. Belhumeur, Joao P. Hespanha, and David J. Kriegman: Eigenfaces vs. Fisherfaces: Recognition Using Class Specific Linear Projection. IEEE Transactions on Pattern Analysis and Machine Intelligence. Tom 19 Nr 7/1997
• [5] Super data science, https://www.superdatascience.com/opencvface-recognition/ [15.05.2018].

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).