Illumination normalization algorithm combination analysis in face recognition / Apšvietimo normalizavimo algoritmų tyrimas veidams atpažinti

Abstract

Face recognition programs have many practical usages in various fields, such as security or entertainment. Existing recognition algorithms must deal with various real life problems – mainly with illumination. In practice, illumination normalization models are often used only for Small-scale futures extraction, ignoring Large-scale features. In this article, new and more direct approach to this problem is offered, used algorithms and test results are given. Santrauka Praktikoje taikomos veidų atpažinimo programos susiduria su daugybe iššūkių. Pagrindinis iš jų – sprendimams priimti taikomų algoritmų jautrumas šviesos variacijoms. Taikant esamus apšvietimo normalizavimo metodus dažniausiai koncentruojamasi į mažo mastelio požymių išskyrimą ir atmetami didelio mastelio požymiai. Straipsnyje siūlomas apšvietimo normalizavimo metodas, kurį taikant įvertinamos abi požymių kategorijos. Aptariami taikomi algoritmai, pateikiami eksperimentinių bandymų rezultatai ir išvados. Reikšminiai žodžiai: apšvietimo normalizavimas; veidų atpažinimas; mažo (Small-scale features) ir didelio mastelių požymiai (Large-scale features); PCA; LDA; LBP.

Keywords

• illumination normalization
• face recognition
• small-scale features
• large-scale features
• PCA
• LDA