从视频序列承认部分闭塞的脸

Vijayalakshmi Pethuru统治

计算机科学系助理教授,基督大学,印度班加罗尔
基础设施架构师,IBM全球云卓越中心,IBM印度、印度班加罗尔

文摘

广泛的研究基于视频的人脸识别进行了研究人员近年来安全是当今世界关注的主要问题。执行比较的人脸识别仍然面临一个视频,视频是更为重要,因为它可以提供更多的信息给用户相比,仍然面临着形象。尽管视频可以提供广泛的信息,对视频像仍然存在问题,闭塞和姿势的变化情况。从过去几年有广泛的研究,在识别面孔从视频中,承认部分闭塞的脸仍然是一个具有挑战性的任务。已经有大量的研究在想出一个更好的识别率对阻塞。在本文中,我们提出一个方法来识别面临从视频。学习演算法是用来检测面临从每一帧,如果有阻挡面临重建使用绘画和纹理合成。图像预处理的脸上,是存储在数据集的所有面孔闭塞。使用离散余弦变换的特征提取。最后匹配完成对输入面图像。 The algorithm is tested against You tube dataset and it is found that it gives better recognition rate compared to existing algorithms.

关键字

从视频人脸识别,在绘画、纹理合成、演算法,离散余弦变换。

我的介绍。

人脸识别被认为是最重要的和可靠的生物识别系统在当今世界不需要用户与系统的交互。在两个不同的变化即人脸识别仍然和基于视频的认脸,基于视频的人脸识别是目前越来越受欢迎。基于视频的人脸识别是倾向于携带更多的信息面相比,仍然基于人脸识别[1]。人脸识别系统是由最基本的四个模块制定[2]如给定图1.1所示。

基本模块可分为检测、定位、特征提取和特征匹配。人脸检测的方法检测到的背景。人脸检测中使用的线索之一是使用肤色。在基于视频的人脸识别这个方法有一个重视面临必须检测和检测到人脸必须跟踪使用跟踪组件。接下来是正常化的组件几何和光度学的变化。特征提取是一个组件,提供有效的信息,必须确定一个设置的图像。人脸识别是一个过程,过程取决于人脸图像的特征提取和匹配在测试图像。

考虑到人脸识别的主要原因之一是最好的生物仅仅因为;用户对系统的交互可以完全忽略。保持从视频人脸识别的优势,存在重大缺陷对基于视频的人脸识别像闭塞。闭塞是基于视频的人脸识别系统的主要问题是很难识别人脸部分阻挡[3],因为用户不与系统交互的视频识别为基础,有大量机会一脸容易表达的变化,构成和闭塞。研究了这些因素证明闭塞的提前知道图像有助于改进识别脸部[4]的结果。摘要[3]进行了全面的研究,基于组件和附近的整体方法。他们进行的实验分析确定面部遮挡检测之前闭塞地区执行的识别对non-occluded区域的脸。面对阻塞的检测是使用伽柏小波,进行主成分分析和支持向量机。面对这种方法分为组件和伽柏从不同的组件中提取小波特性和美联储的维度降低支持向量机的机器。研究人员声称,这种方法的结果是比现有的算法。

二世。文献调查

承认部分闭塞脸上ChangboHuet人执行工作从一个视频[5]。他们使用的方法识别脸从视频基于补丁。面对来自不同的帧和补丁收集这些补丁缝在一起重建仍然面临着形象。稀疏表示用于识别重建的脸。研究人员声称,这种方法达到较高的识别率承认脸上从视频。

瑞敏等人提出了一个模型,其中部分闭塞的脸可以在更好的认可率[3]。他们进行了具体研究闭塞太阳镜和围巾。在这种方法中,遮挡检测是使用离散余弦变换,进行主成分分析和支持向量机算法。闭塞的地区和识别的方法进行人脸识别non-occluded地区的脸。

Yousra本Jemaa和萨那Khanfir进行人脸识别实验使用离散余弦变换和他们得出的结论是,离散余弦变换被证明是比几何距离。离散余弦变换可以表示图像不同频率在不同取向[7]。

三世。该方法

从一帧视频人脸检测可以使用执行许多线索。肤色是暗示可以检测一脸的视频[2]。在该方法中,我们使用学习演算法来检测面临从每一帧。从选择性地区肌理的脸和提取特征选择的区域。

算法

输入:面对图像识别和识别的视频

输出:面对标记帧的脸。

1。面临每一帧的检测使用学习演算法。

2。一旦面临从视频帧检测,删除闭塞使用绘画和纹理合成。

3所示。预处理的脸上使用DCT图像提取皮肤纹理。

4所示。匹配完成对输入面图像DCT特征。

离散余弦变换特征提取

离散余弦变换是这种方法提供一个健壮的和准确的数据图像。不同频率的余弦函数之和表示为一组数据点的方法。这种方法主要用于图像以减少图像的尺寸。在应用这种方法的脸,压实能量在左上角[5][6]。

修复和纹理合成:

我们利用绘画和纹理合成的闭塞地区为一个有效的重建的脸。纹理合成是通过执行投影数偏移量和平均结果。执行纹理绘画的闭塞地区的脸。表现在绘画和纹理合成闭塞地区帮助重建。重建的脸图像可用于提取离散余弦变换,然后在测试图像匹配。

四、实验结果

从视频序列算法识别面孔。在确定的脸,脸组合预测将被创建并存储在数据集。这个过程将面临减少预测的时间存储在匹配的视频捕获的面孔。预测面临的特征提取中存储的数据集使用离散余弦变换。这些特征匹配对数据集的内容使匹配的准确率。发现当你管数据集用于识别面孔,识别面孔的准确率比较高对补丁的基础方法。图4.1显示了比较研究的准确性脸上是公认的与现有的算法相比。

诉的结论

我们提出一个方法来识别人脸的视频部分堵塞。第一阶段的算法,演方法用于检测人脸。脸检测后,创建一个数据集与各种类型的遮住了脸。这些阻挡在绘画完成重建闭塞地区。数据集被创建后,面临被提取的特征使用离散余弦变换。最后这个方法的结果表明,我们的算法提供了一个更好的部分遮挡人脸的识别率。基于视频的人脸识别的主要缺点是与部分阻塞,造成变异和照明。我们的进一步研究是更好的识别率脸上的视频变体构成影响。

引用

j·r·巴尔k·w·鲍耶,p . j .弗林和美国Biswas”从视频人脸识别:审查”,《模式识别与人工智能,26卷,没有。5,2012。
李z和a . k . Jain,人脸识别手册,第二版,施普林格,2011年。
瑞敏,AbdenourHadid jean - luc Dugelay“改善面临阻挡的识别面部配件”。9日IEEE会议上自动的脸和手势识别,2011年3月21 - 25日,圣芭芭拉分校,美国。
a .罗摩f .焦油、l . Goldmann和t . Sikora“更健壮的认脸在考虑闭塞的信息,”面对姿态自动识别,2008。成品08年。8日IEEE国际Conferenceon。卷。2008年9月17日至19日,pp.1-6。
Changbo胡,Josh Harguess和j . k . Aggarwal“Patch-based人脸识别从视频”,IEEE国际会议上图像处理(ICIP),开罗,埃及,2009年11月。
ollaka [6] R。Chellappa C。威尔逊L和S。Sorihey,人类和机器识别的面孔:一项调查,proc IEEE,卷。1995年5月,83年,页705 - 740。
Yousra本Jemaa和萨那Khanfir,”当地DCT特征自动提取人脸识别”,IJCSIS,第三卷,第一,2009年。