Automatically Detected Feature Positions for LBP Based Face Recognition

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F14%3A43922830" target="_blank" >RIV/49777513:23520/14:43922830 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-662-44654-6_24" target="_blank" >http://dx.doi.org/10.1007/978-3-662-44654-6_24</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-662-44654-6_24" target="_blank" >10.1007/978-3-662-44654-6_24</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Automatically Detected Feature Positions for LBP Based Face Recognition

Popis výsledku v původním jazyce

This paper presents a novel approach for automatic face recognition based on the Local Binary Patterns (LBP). One drawback of the current LBP based methods is that the feature positions are fixed and thus do not reflect the properties of the particular images. We propose to solve this issue by a method that automatically detects feature positions in the image. These key-points are determined using the Gabor wavelet transform and k-means clustering algorithm. The proposed method is evaluated on two corpora: AT&T Database of Faces and our Czech News Agency (ČTK) dataset containing uncontrolled face images. The recognition rate on the first dataset is 99.5% which represents 2.5% improvement compared to the original LBP method. The best recognition rate obtained on the ČTK corpus is 59.1% whereas the original LBP method reaches only 38.1%.

Název v anglickém jazyce

Automatically Detected Feature Positions for LBP Based Face Recognition

Popis výsledku anglicky

This paper presents a novel approach for automatic face recognition based on the Local Binary Patterns (LBP). One drawback of the current LBP based methods is that the feature positions are fixed and thus do not reflect the properties of the particular images. We propose to solve this issue by a method that automatically detects feature positions in the image. These key-points are determined using the Gabor wavelet transform and k-means clustering algorithm. The proposed method is evaluated on two corpora: AT&T Database of Faces and our Czech News Agency (ČTK) dataset containing uncontrolled face images. The recognition rate on the first dataset is 99.5% which represents 2.5% improvement compared to the original LBP method. The best recognition rate obtained on the ČTK corpus is 59.1% whereas the original LBP method reaches only 38.1%.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

<a href="/cs/project/ED1.1.00%2F02.0090" target="_blank" >ED1.1.00/02.0090: NTIS - Nové technologie pro informační společnost</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2014

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Artificial Intelligence Applications and Innovations

ISBN

978-3-662-44653-9

ISSN

1868-4238

e-ISSN

—

Počet stran výsledku

10

Strana od-do

246-255

Název nakladatele

Springer

Místo vydání

Heidelberg

Místo konání akce

Rhodos

Datum konání akce

19. 9. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—