Yüz tanıma için yerel görünüm modellerinin tümleştirilmesi

Yüz tanıma, bilimsel zorlukları ve olası uygulamaları dolayısıyla hem çeşitli araştırma toplulukları hem de piyasa tarafından yıllardır ilgi gören, popüler bir araştırma alanıdır. Gürbüz bir yüz tanıma sistemi sağlamak için çeşitli teknikler yoğun olarak incelenmiştir. Bu tekniklerin bir çoğu, kontrollü koşullar altında hali hazırda çok yüksek tanıma başarısı elde etmiştir. Buna karşılık, kontrolsüz koşullar altında yüz tanıma, hala çok zorlu bir problemdir. Bu zorluk, ifade ve aydınlanma değişimi, kısmi örtüşme, kullanılan eğitim ve test verileri arasındaki zaman farkı gibi etmenlerden kaynaklanmaktadır. Yerel öznitelik tabanlı yüz tanıma, örtüşmelerden ve ifadelerden kaynaklanan görünüm değişimlerine daha az hassas olduğu için bütünsel tabanlı yaklaşımlardan daha iyi sonuçlar göstermiştir. Bu tezde, gerçek-dünya koşulları altında güvenli bir şekilde çalışan yerel görünüm tabanlı bir yüz tanıma algoritması önerilmektedir. Önerilen algoritma, yüz imgelerini temsil etmek için farklı yerel görünüm modelleri kullanmaktadır. Sistem yüz imgelerini güçlü bir biçimde temsil etmeleri dolayısıyla yüzsel imge analizinde yaygın olarak kullanılan Gabor özniteliklerinden faydalanmaktadır. Klasik Gabor özniteliklerinin yanı sıra eğrisel Gabor özniteliklerinden de yararlanılmıştır. Sistem çoklu Gabor sınıflandırıcılarının seçilmesine ve birleştirilmesine odaklanmıştır. Son büyük Gabor sınıflandırıcısı, SFFS tabanlı sınıflandırıcı seçme algoritması kullanılarak seçilen sınıflandırıcıların LLR tabanlı tümleştirme ile birleştirilmesiyle elde edilmiştir. Ek olarak, sistem DCT özniteliklerini ekstra bulgu olarak kullanmaktadır. Son olarak, farklı yerel temsiller üzerinde eğitilen sınıflandırıcılar, PLSR tabanlı tümleştirme ile skor seviyesinde birleştirilmiştir. Sistem FRGC veritabanı 2.0 sürümü Deney 4 üzerinde test edildiğinde %0.1 yanlış kabul oranınında %94.16 doğrulama oranı yakalayarak literatürde şimdiye kadar raporlanan en yüksek başarımı elde etmiştir.