التعرف على الوجوه البشرية بالاعتماد على طريقة النمط الثلاثي المحلي (LTP) وتقسيم القيمة المفردة (SVD)
محتوى المقالة الرئيسي
الملخص
هناك العديد من وسائل التحقق الحيوية البشرية المستخدمة في الوقت الحاضر، واحد من أهم هذه الوسائل هو الوجه. هناك العديد من التقنيات المقترجة للتعرف على الوجوه، لكنها بشكل عام لا تزال تواجه مجموعة متنوعة من التحديات للتعرف على الوجوه في الصور الملتقطة في بيئة غير مسيطر عليها، وكذلك في تطبيقات العالم الحقيقي. بعض هذه التحديات هي اختلاف الوضع، اختفاء جزء من الوجه، تعبيرات الوجه، الإضاءة ، الإضاءة السيئة، جودة الصورة .. إلخ. تحدث هذه التقنيات بتقنيات جديدة باستمرار. في هذا البحث، تم استخدام تحليل القيمة المفردة لاستخراج مصفوفة الميزات للتعرف على الوجوه وتصنيفها. الصورة الملونة المدخلة يتم تحويلها إلى صورة ذات تدرج رمادي، ثم تتحول إلى نمط اخر باستخدام LTP قبل تقسيم الصورة إلى ستة عشر كتلة رئيسية، كل كتلة من هذه الكتل الستة عشر تقسم ايضا إلى ثلاثين كتلة فرعية. لكل كتلة فرعية، يتم تطبيق تحويل SVD، ويتم حساب القيمة الأكبر في المصفوفة القطرية التي تُستخدم لإنشاء مصفوفة ميزات بحجم 16 × 30. يتم تنفيذ التصنيف من خلال شبكة عصبية، حيث يتم اختيار متجه بعدد قيم يبلغ 16 قيمة كمدخل الى الشبكة العصبية. وصل كفاءة الخوارزمية المقترحة إلى 97٪ عند استخدام قاعدة بيانات FEI البرازيلية. علاوة على ذلك، يعد أداء هذه الخوارزمية واعدا عند مقارنتها بأحدث الأساليب الحديثة فضلا عن انها حلت بعض التحديات مثل الإضاءة وتعبيرات الوجه.
Received 18/3/2021
Accepted 7/9/2021
Published Online First 20/3/2022
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Razzaq AN, Hussain Z, Mohammed HR. Structural Geodesic-Tchebychev Transform: An image similarity measure for face recognition. JCS; 2016; not complete?
Zhang X, Zhao H. Hyperspectral-cube-based mobile face recognition: A comprehensive review. Information Fusion (Inf Fusion). Elsevier; 2021;
Wang M, Deng W. Deep face recognition: A survey. Neurocomputing. 2021;429:215–44.
Madhavan S, Kumar N. Incremental methods in face recognition: a survey. Artif Intell Rev. Springer; 2021;54(1):253–303.
Horkaew P, Khaminkure A, Suesat N, Puttinaovarat S. Eyewitnesses’ Visual Recollection in Suspect Identification by using Facial Appearance Model. Baghdad Sci. J.; 2020;17(1).
Hassan NF, Abdulrazzaq HI. Pose invariant palm vein identification system using convolutional neural network. Baghdad Sci. J.; 2018;15(4).
Dargan S, Kumar M. A comprehensive survey on the biometric recognition systems based on physiological and behavioral modalities. EXPERT SYST APPL. 2020;143:113114.
Singh M, Singh R, Ross A. A comprehensive overview of biometric fusion. Inf Fusion. Elsevier; 2019;52:187–205.
Ramakrishnan S. Pattern Recognition: Analysis and Applications. IntechOpen; 2016.
Al Naffakh HAH, Ghazali R, El Abbadi NK, Razzaq AN. A review of human skin detection applications based on image processing. BEEI. 2021;10(1):129–37.
Wang J-W, Le NT, Lee J-S, Wang C-C. Color face image enhancement using adaptive singular value decomposition in fourier domain for face recognition. Pattern Recognition. Elsevier; 2016;57:31–49.
Hu C, Lu X, Ye M, Zeng W. Singular value decomposition and local near neighbors for face recognition under varying illumination. Pattern Recognition. Elsevier; 2017;64:60–83.
Loderer M, Pavlovicova J, Oravec M. Comparative Study of Local Binary Pattern Derivatives for Low Size Feature Vector Representation in Face Recognition. APH. 2018;15(4).
Harakannanavar SS, Prashanth CR, Patil S, Raja KB. Face recognition based on swt, dct and ltp. In: Integrated Intelligent Computing, Communication and Security. Springer; 2019. p. 565–73.
Kakarwal SN, Chaudhari KP, Deshmukh RR, Patil RB. Thermal Face Recognition using Artificial Neural Network. In: 2020 International Conference on Smart Innovations in Design, Environment, Management, Planning and Computing (ICSIDEMPC). IEEE; 2020. p. 300–4.
Baker SA, Mohammed HH, Aldabagh HA. Improving face recognition by artificial neural network using principal component analysis. TELKOMNIKA. Ahmad Dahlan University; 2020;18(6):3357–64.
Yang W, Wang Z, Zhang B. Face recognition using adaptive local ternary patterns method. Neurocomputing. Elsevier; 2016;213:183–90.
Zhang Y, Hu C, Lu X. Face recognition under varying illumination based on singular value decomposition and retina modeling. MTA; 2018;77(21):28355–74.
El Abbadi NK, Saleem E. Image Colorization Based on GSVD and YCbCr Color Space. KJS. 2019;46(4).
Aria EH, Amini J, Saradjian MR. Back propagation neural network for classification of IRS-1D satellite images. In: Joint Workshop of High Resolution Mapping from Space, Tehran University, Iran. 2003.
Hagan MT, Menhaj MB. Training feedforward networks with the Marquardt algorithm. IEEE NEUR NET LEAR; 1994;5(6):989–93.
This database is publicly available on. :http://www.fei.edu.br/~cet/facedatabase.html.
Suma SL, Raga S. Real time face recognition of human faces by using LBPH and Viola Jones algorithm. IJSRCSE. 2018;6(5):6–10.
Salah SK, Humood WR, Khalaf AO. A Proposed Generalized Eigenfaces System for Face Recognition Based on One Training Image. JSJU. 2020;55(2).
Ghazal MT, Abdullah K. Face recognition based on curvelets, invariant moments features and SVM. TELKOMNIKA. Ahmad Dahlan University; 2020;18(2):733–9.
Mohammed IM, Al-Dabagh MZN, Ahmad MI, Isa MNM. Face Recognition Using PCA Implemented on Raspberry Pi. In: Proceedings of the 11th National Technical Seminar on Unmanned System Technology 2019 (NUSYS’19). Springer; 2021. p. 873–89.
Lv X, Su M, Wang Z. Application of Face Recognition Method Under Deep Learning Algorithm in Embedded Systems. Microprocessors and Microsystems: Embedded Hardware Design. Elsevier; 2021;104034.
Chandrakala M, Devi PD. Two-stage classifier for face recognition using HOG features. MATER TODAY-PROC. Elsevier; 2021.