Face Recognition in Visible and Infra-Red Imagery - Comparison of Methods

The paper is concerned with the recognition of faces represented by the visible and infra-red images. Different methods of image feature generation at application of different classifiers will be studied and compared for both types of face imagery. The investigated approaches include the linear and nonlinear methods of transformation: principal component analysis (PCA), Kernel PCA, Sammon transformation and stochastic neighbor embedding with t-distribution (tSNE). The representation of the image in the form of limited number of main components of transformation is applied to the input of support vector machine classifier and random forest. The numerical results of experiments will be presented and discussed.

---

Praca przedstawia porównanie metod rozpoznawania twarzy na podstawie dwu rodzajów obrazów: widzialnego oraz w podczerwieni. Zbadano kilka metod przetwarzania obrazu w cechy diagnostyczne: metodę opartą na PCA, nieliniową metodę KPCA, odwzorowanie Sammona oraz transformację stochastyczną tSNE. Każda z tych metod generuje inny zestaw cech diagnostycznych użytych jako atrybuty wejściowe dla klasyfikatora. W pracy zastosowano zespół klasyfikatorów stosujących sieć SVM oraz las losowy Breimana . Przedstawiono wyniki rozpoznania każdego z tych klasyfikatorów współpracujących z odpowiednim zestawem atrybutów wejściowych oraz wynik fuzji poszczególnych rezultatów. Jako jednostkę integrującą zespół zastosowano las drzew losowych. Wyniki pokazują, że zastosowanie wielu metod przetwarzania obrazu w cechy diagnostyczne i równoległego obrazowania twarzy w postaci widzialnej i w podczerwieni pozwala zwiększyć efektywność rozpoznania o około 30%.