TRÍCH CHỌN ĐẶC TRƯNG ẢNH MẶT NGƯỜI
BẰNG PHƯƠNG PHÁP
HÌNH HỌC KẾT HỢP PHÂN TÍCH THÀNH PHẦN ĐỘC LẬP
Đỗ Thanh Toàn, Lê Hoàng Thái
Khoa Công nghệ Thông tin, Trường Đại học Khoa học Tự nhiên - ĐHQG Tp. HCM
{dttoan, lhthai}@fit.hcmuns.edu.vn
Tóm tắt
Rút trích đặc trưng mặt người tự động là một trong những bài
toán quan trọng và thử thách nhất trong thị giác máy tính. Nó là một bước không
thể thiếu trong nhận dạng mặt người hoặc nén ảnh mặt người. Đã có nhiều phương
pháp kinh điển được đề xuất cho bài toán rút trích đặc trưng mặt người. Tuy
nhiên, tất cả những phương pháp đó đều có các điểm không thuận lợi như: hoặc
không phản ánh được cấu trúc hoặc không phản ánh được kết cấu của khuôn mặt. Vì
vậy sự kết hợp của các phương pháp rút trích đặc trưng khác nhau có thể tích hợp
đầy đủ thông tin hơn do đó có thể cải tiến hiệu quả của giai đoạn rút trích đặc
trưng trong bài toán nhận dạng mặt người. Trong bài báo này chúng tôi đề xuất
một phương pháp cho sự cải tiến hiệu quả của giai đoạn rút trích đặc trưng mặt
người. Phương pháp này dựa trên sự kết hợp của hai phương pháp: phương pháp dựa
trên đặc trưng hình học và phương pháp phân tích thành phần độc lập (Independent
Component Analysis - ICA). Sự so sánh của hai phương pháp rút trích đặc trưng
mặt người: phương pháp dựa trên đặc trưng hình học kết hợp phân tích thành phần
chính (Principal Component Analysis - PCA), (chúng tôi gọi là GPCA) và phương
pháp dựa trên đặc trưng hình học kết hợp với ICA (gọi là GICA) trên cơ sở dữ
liệu CalTech đã chứng minh tính khả thi của phương pháp GICA. Các kết quả thực
nghiệm chỉ ra rằng phương pháp GICA đạt được tỉ lệ nhận dạng là 96.57% cao hơn
tỉ lệ nhận dạng của phương pháp GPCA với 94.7%. Hơn nữa, chúng tôi cũng so sánh
hai phương pháp rút trích đặc trưng GICA và GPCA trên cơ sở dữ liệu chúng tôi tự
thu thập, kết quả tỉ lệ nhận dạng của phương pháp GICA là 98.94% trong khi
phương pháp GPCA đạt được tỉ lệ 96.78%.
Từ khoá: Nhận dạng mặt người; phân tích thành phần độc lập;
phân tích thành phần chính, đặc trưng hình học.
THE ASSOCIATION OF GEOMETRIC FEATURE BASED METHOD AND
INDEPENDENT COMPONENT ANALYSIS IN FACIAL
Feature Extraction
Do Thanh Toan, Le Hoang Thai
Faculty of Information Technology, University of Science – VNU HCMC
{dttoan, lhthai}@fit.hcmuns.edu.vn
Abstract
Automatic facial feature extraction is one of the most
important and attempted problems in computer vision. It is a necessary step in
face recognition, facial image compression. There are many methods have been
proposed in the literature for the facial feature extraction task. However, all
of them have still disadvantage such as not complete reflection about face
structure, face texture. Therefore, a combination of different feature
extraction methods which can integrate the complementary information should lead
to improve the efficiency of feature extraction stage. In this paper we describe
a methodology for improving the efficiency of feature extraction stage based on
the association of two methods: geometric feature based method and Independent
Component Analysis (ICA) method. Comparison of two methods of facial feature
extraction: geometric feature based method combined with PCA method (called GPCA)
versus geometric feature based method combined with ICA method (called GPCA) on
CalTech dataset has demonstrated the efficiency of GICA method. Our results show
that GICA achieved good performance 96.57% compared to 94.70% of GPCA method.
Furthermore, we compare two methods mentioned above on our dataset, with
performance of GICA being 98.94% better 96.78% of GPCA method. The experiment
results have confirmed the benefits of the association geometric feature based
method and ICA method in facial feature extraction.
Key words: Face recognition; independent component analysis (ICA);
principal component analysis (PCA); geometric features.
|