Görüntü İşleme ve Makine Öğrenme Yöntemleri ile Yüz Tanıma

Abstract

İnsan yüzü tanıma, insan yüzünün çok boyutlu karmaşık bir yapı olması nedeniyle zor ve karmaşık bir problemdir. Temel olarak; yüz tanıma bir insanın yüz görüntüsünden kimliğinin belirlenmesi olarak tanımlanabilir. Bu nedenle yüz tanımada görüntü işleme, bilgisayarlı görü ve makine öğrenmesi gibi farklı disiplinlerin bir arada çalışması gerekir. Yüz tanımlamasıyla ilgili temel zorluk; yüz tanımlamasıyla ilgili doğru özelliklerin, doğru bir şekilde nasıl tanımlanacağıdır. Bu çalışma, görüntüden özellik çıkarma ve özellik seçimine dayalı olarak insan yüzünün tanınması için bir yaklaşım sunmaktadır. Önerilen yüz tanıma sistemi ORL ve YALE veri kümelerinde test edilmiştir. Önerilen yöntem başlangıçta üç adımda uygulanmıştır. Ön işleme aşaması için Daubechies dönüşümü ile Ayrık Dalgacık Dönüşümü (DWT) uygulanmıştır. İkinci aşamada, Yerel İkili Kalıp (LBP) ve Gri Seviye Eş-Oluşum Matrisi (GLCM) esas alınarak özellik çıkarma aşaması uygulanmıştır. Üçüncü adım, Öklid Uzaklığı ile sınıflandırma aşamasını içermektedir. Ayrıca, özellik seçimi yaklaşımı için Parçacık Sürüsü Optimizasyonu (PSO) uygulanarak aynı deneyler uygulanmıştır. Çalışmada birkaç sonuç gözlemlemiştir: DWT ve LBP'nin birlikte uygulandığı ilk deneylerde; eğitim kümesindeki görüntü sayısındaki artışla birlikte ORL veritabanında %82,50 tanıma oranı, YALE veritabanında ise %90 tanıma oranı elde edilmiştir. Bununla birlikte, PSO algoritmasının uygulanması durumunda, ORL veritabanı için doğruluk oranını %95'e ve YALE veritabanında doğruluk oranı %93'e kadar artmıştır.

The human face is a complex multidimensional visual construct, which makes it very challenging to create a computational model for recognition. Basically; face recognition is a method of recognizing a person based on the image of his or her face and has become an important area of study, covering various subjects such as image processing, computer vision and machine learning. The main challenge with facial recognition is how to correctly identify the correct feature for facial detection. This study presents an approach for the recognition of the human face based on the features extraction from the image. The face recognition system has been applied on ORL and YALE datasets. The proposed method was initially implemented in three steps. For pre-processing phase, Discrete Wavelet Transform (DWT) with Daubechies transform was applied. At second step, feature extraction phase was implemented based on Local Binary Pattern (LBP) and Gray Level Co-Occurrence Matrix (GLCM). Third step, Euclidean Distance was implemented for classification phase. Moreover, the same experiments were implemented applying Particle Swarm Optimization (PSO) for feature selection approach. The study observed several conclusions: for the first experiments; implementation of DWT and LBP, when the number of training image increased; the performance rate has been increased too, rather than implementing DWT, LBP and GLCM methods that conducted 82.50% of recognition rate when implementing on ORL database and 90% when implementing the three methods on YALE database. However, the implementation of PSO algorithm have increased the accuracy rate up to 95% for ORL database and 93% on YALE database.