ارزیابی تجربی الگوریتم های تشخیص چهره مختلف با استفاده از تصاویر تلویزیونی مدار بسته

شناسایی مبتنی بر متریک به سرعت جایگزین سیستم‌های تشخیص مبتنی بر بیومتریک می‌شود. تشخیص چهره یکی از مهم‌ترین تکنیک‌های شناسایی مبتنی بر زیست متریک است. الگوریتم های مختلفی برای تشخیص چهره وجود دارند که به خوبی بر روی تصاویر دیجیتال با وضوح بالا کار می‌کنند. هدف از این کار بررسی این موضوع است که آیا این الگوریتم های تشخیص چهره موجود بر روی تصاویر تلویزیون مدار بسته با کیفیت پایین کار می‌کنند یا خیر؟ ما سه الگوریتم از این دست را در نظر گرفته‌ایم. این الگوریتم‌ها عبارتند از شبکه عصبی مصنوعی، تحلیل اجزا اصلی و تجزیه ارزش واحد. ما اینها را به طور تجربی برای تصاویر تلویزیونی مدار بسته ارزیابی کرده‌ایم. آزمایش‌ها ما نشان می‌دهد که با استفاده از تصاویر CCTV نرخ صحت ANN برای تشخیص چهره ۸۵ %، برای PCA نرخ صحت ۷۵ % و برای SVD نرخ صحت ۶۵ % است. آزمایش‌ها همچنین نشان می‌دهند که دقت هر سه الگوریتم با افزایش تعداد سطوح ورودی کاهش می‌یابد.

Bio-metric based recognition is rapidly replacing the non-biometric based recognition systems. Face recognition is one of the most important bio-metric based recognition technique. Different algorithms exist for face recognition that works well on high resolution digital images. The aim of this work is to check whether these existing face recognition algorithms work on low quality Closed Circuit Television images? We have considered three such algorithms. These algorithms are Artificial Neural Network, Principal Component Analysis and Single Value Decomposition. We have experimentally evaluated these for Closed Circuit Television images. Our experiments show that using the CCTV images the accuracy rate of ANN for face recognition is 85%, for PCA the accuracy rate is 75% and for SVD the accuracy rate is 65%. The experiments also show that the accuracy of all the three algorithms reduces when the number of input faces increases.