[论文解读] Automatic local Gabor Features extraction for face recognition

Yousra Ben Jemâa, Sana Khanfir|ArXiv.org|Jul 28, 2009

Face and Expression Recognition参考文献 17被引用 47

一句话总结

本文提出一种基于彩色图像中提取的局部Gabor特征的自动人脸识别系统。该系统结合了基于肤色的面部检测、用于特征定位的模糊分类，以及基于Gabor小波系数的识别，实验表明Gabor特征在准确性上优于几何距离，实现了较高的识别率。

ABSTRACT

We present in this paper a biometric system of face detection and recognition in color images. The face detection technique is based on skin color information and fuzzy classification. A new algorithm is proposed in order to detect automatically face features (eyes, mouth and nose) and extract their correspondent geometrical points. These fiducial points are described by sets of wavelet components which are used for recognition. To achieve the face recognition, we use neural networks and we study its performances for different inputs. We compare the two types of features used for recognition: geometric distances and Gabor coefficients which can be used either independently or jointly. This comparison shows that Gabor coefficients are more powerful than geometric distances. We show with experimental results how the importance recognition ratio makes our system an effective tool for automatic face detection and recognition.

研究动机与目标

• 开发一种用于彩色图像中面部检测与识别的自动生物特征识别系统。
• 通过从面部区域提取局部Gabor特征来提高识别准确率。
• 比较几何距离与Gabor系数在人脸识别中的有效性。
• 评估使用不同特征输入的神经网络的性能。
• 证明使用Gabor特征作为几何特征的稳健替代方案的可行性。

提出的方法

• 通过结合肤色分割与模糊分类实现面部检测，以增强鲁棒性。
• 利用一种新算法自动检测并定位特征点（眼睛、鼻子、嘴巴）。
• 对检测到的特征点周围区域应用局部Gabor小波变换，以提取纹理特征。
• 将所得的Gabor系数用作神经网络分类器的输入特征。
• 同时计算特征点之间的几何距离，并与Gabor特征进行比较。
• 使用Gabor系数和几何距离作为输入，对神经网络进行训练与测试。

实验结果

研究问题

• RQ1 能否通过肤色与模糊分类实现面部特征的自动检测？
• RQ2 在人脸识别中，Gabor系数相较于几何距离的效率如何？
• RQ3 将Gabor特征与几何特征结合是否能提升识别性能？
• RQ4 使用Gabor特征作为输入的神经网络，其识别准确率是多少？
• RQ5 Gabor特征能否作为人脸识别中比几何特征更强大的表示方法？

主要发现

• 在测试实验中，Gabor系数的识别准确率高于几何距离。
• 该系统表现出较高的识别率，证实了其在自动面部检测与识别中的有效性。
• 使用Gabor特征相比仅使用几何特征，显著提升了性能。
• 基于Gabor系数训练的神经网络表现出良好的泛化能力与鲁棒性。
• 将自动特征提取与基于Gabor的表示相结合，增强了系统的可靠性。
• 在识别率方面，所提出的方法优于基于几何距离的方案。