Face Recognition Applications Of Principle Component Analysis Method And Some Of Its Classical And Robust Variants

Temel Bileşen Analizi Yönteminin Ve Bazı Klasik Ve Robust Uyarlamalarının Yüz Tanıma Uygulamaları

Abstract

In this study, face recognition applications on the YALE, ORL and AR face databases have been performed by using some classical and robust estimators instead of classical mean subtraction in the principal component analysis method. In the cases where the Normal distribution assumption is not valid or the data set includes outliers, some robust estimators which are known to have better results were compared with the classical estimators by making face recognition experiments using these three databases. In face recognition applications, the dimension of the image samples is very high as against the number of the samples. That’s why it’s not known whether the data set satisfies the Normal distribution condition. Experimental results demonstrated that robust methods usually gave beter correct recognition rates than the classical methods in principal component analysis method based face recognition applications.

Özet

Bu çalışmada, temel bileşen analizi yöntemindeki klasik ortalama merkezileştirme yerine çeşitli klasik ve robust tahmin ediciler kullanılarak Yale, ORL ve AR yüz veritabanları üzerinde yüz tanıma uygulamaları yapılmıştır. Normal dağılım varsayımının sağlanmadığı durumlarda veya veri kümesinde aykırı değer bulunması durumunda klasik yöntemlerden daha iyi sonuçlar verdiği bilinen bazı robust yöntemler, bu üç veritabanı üzerinde yapılan yüz tanıma deneylerinde klasik yöntemlerle karşılaştırılmıştır. Yüz tanıma uygulamalarında görüntü örneği boyutları örnek sayısına göre çok büyüktür. Bu yüzden, veri kümesinin normal dağılım koşulunu sağlayıp sağlamadığı bilinememektedir. Deneysel sonuçlar, temel bileşen analizi yöntemi tabanlı yüz tanıma uygulamalarında robust yöntemlerin klasik yöntemlerden genellikle daha başarılı doğru tanıma oranları verdiğini göstermiştir.