CSLDA and LDA fusion based face recognition

• Autorzy: Razzak M. I. , Khan M. K. , Alghathbar K. , Yusof R.

Warianty tytułu

PL

Rozpoznawanie twarzy przez fuzję metod CSLDA i LDA

• Języki publikacji: EN

Abstrakty

EN

Face recognition has great demands and become one of the most important research area of pattern recognition but there are several issues involved in it. Unsupervised statistical methods i.e. PCA, LDA, ICA are the most popular algorithms in face recognition that finds the set of basis images and represents faces as linear combination of those images. This paper presents a novel layered face recognition method based on CSLDA and LDA. The basic aim is to decrease FAR by reducing the face dataset to very small size through layered linear discriminant analysis. Although the computational complexity at the time of recognition is much higher than conventional PCA and LDA because weights are computed for small subspace at time of recognition but it provide a good results especially for large dataset. CSLDA of LDA is insensitive to large dataset and also small sample size and it provided 84% accuracy on Banca face database. The proposed approach is also applicable on other applications and recognition methods i.e. PCA, KDA, DLDA etc.

PL

Rozpoznawanie twarzy jest jedną z bardziej ważnych metod graficznego rozpoznawania wzorów. Najbardziej popularnymi metodami są tu PCA, LDA, ICA gdzie twarz jest reprezentowana jako liniowa kombinacja bazowych komponentów. Artykuł prezentuje inną metodę bazującą na CSLDA i LDA. Głównym celem jest zmniejszenie FAR przez zredukowanie bazy danych do bardzo małych rozmiarów przez warstwową liniową dyskryminację. Złożoność komputerowa metody jest nieco większa, ale otrzymane rezultaty, głównie zmniejszenie błędu są zachęcające.

Słowa kluczowe

EN

subspace; LDA; fuzzy rules; face recognition; Small Sample Size; SSS

PL

rozpoznawanie twarzy; grafika komputerowa

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2011
• Tom: R. 87, nr 1
• Strony: 210--214
• Opis fizyczny: Bibliogr.12 poz., rys

Twórcy

autor

Razzak M. I.

autor

Khan M. K.

autor

Alghathbar K.

autor

Yusof R.

• Center of Excellence in Information Assurance, King Saud University, Saudi Arabia,

Bibliografia

• [1] Zhao W., Chellappa R., Rosenfeld A., Phillips P.J., Face Recognition: A Literature Survey, ACM Computing Surveys, 2003, pp. 399-458.
• [2] Scheenstra A. , Ruifrok A. , Veltkamp R. C. , A Survey of 3D Face Recognition Methods, LNCS June 2005
• [3] Chellapa R., Charles L., Sirohey S., Human and Machine Recognition of Face, IEEE Proceedings, 1995.
• [4] Lu J., Plataniotis K.N., Venetsanopoulos A.N., Face Recognition Using LDA-Based Algorithms, IEEE Transaction on Neural Network, 2003, vol 14.
• [5] Yu H., Yang J., A Direct LDA Algorithm for High Dimensional Data with Application to Face Recognition, Pattern Recognition, 2001
• [6] Oh B.J., Face Recognition using Radial Basis Function Network based on LDA, World Academy of Science and Technology 2005.
• [7] Han P.Y., Jin A.T.B., Abas F.S., Neighborhood Preserving Discriminant Embedding in Face Recognition, Journal of Vis. Com. Image. R 2009
• [8] Belhumeur P.N., Hespanha J.P, Kriegman D.J., “Eigenfaces vs Fisherfaces: Recognition using Class Specific Linear Projection”, IEEE Transaction Pattern Analysis Machine Intelligence, 1997 vol 19.
• [9] Chen L. F., Liao H.Y. M., Ko M.T., Lin J.C.,Yu G.J, A new LDA-based face recognition system which can solve the small sample size problem, Pattern Recognit., vol. 33, pp. 1713–1726, 2000.
• [10] Yu H. and Yang J., A direct lda algorithm for high-dimensional data with application to face recognition, Pattern Recognit., vol. 34, pp. 2067–2070, 2001
• [11] Lotlikar R., R. Kothari, Fractional-step Dimensionality Data with Application to Face Recognition IEEE Transaction Pattern Analysis Machine Intelligence, 2000 vol 22.
• [12] Yang J., Yang J.Y., Why can LDA be Performed in PCA Transformed Space ?, Pattern Recognition 2003 vol 36.