Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Mapping the Territory for a Knowledge-Based System Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Enhanced Hybrid Component-Based Face Recognition

verfasst von : Andile M. Gumede, Serestina Viriri, Mandlenkosi V. Gwetu

Erschienen in: Computational Collective Intelligence

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper presents a hybrid component-based face recognition. Can face recognition be enhanced by recognizing individual facial components: forehead, eyes, nose, cheeks, mouth and chin? The proposed technique implements texture descriptors Grey-Level Co-occurrence (GLCM) and Gabor Filters, shape descriptor Zernike Moments. These descriptors are effective facial components feature representations and are robust to illumination changes. Two classification techniques have been used and compared: Support Vector Machines (SVM) and Error-Correcting Output Code (ECOC). The experimental results obtained on three different facial databases, the FERET, FEI and CMU, show that component-based facial recognition is more effective than whole-face recognition.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Predicting the Evolution of Scientific Output
Nächstes Kapitel Enhancing Cholera Outbreaks Prediction Performance in Hanoi, Vietnam Using Solar Terms and Resampling Data
Literatur
1.
Abdi, H., Williams, L.J.: Principal component analysis. Wiley Interdiscip. Rev. Comput. Stat. 2(4), 433–459 (2010)CrossRef
2.
Bhardwaj, S.K.: An algorithm for feature level fusion in multi-modal biometric system. Int. J. Adv. Res. Comput. Eng. Technol. (IJARCET) 3, 3499–3503 (2014)
3.
Bailey, R.R., Srinath, M.: Orthogonal moment features for use with parametric and non-parametric classifiers. IEEE Trans. Pattern Anal. Mach. Intell. 18(4), 389–399 (1996)CrossRef
4.
Beliakov, G., James, S., Troiano, L.: Texture recognition by using GLCM and various aggregation functions. In: IEEE World Congress on Computational Intelligence, IEEE International Conference on Fuzzy Systems, FUZZ-IEEE 2008, pp. 1472–1476. IEEE, June 2008
5.
Bolme, D.S.: Elastic bunch graph matching (Doctoral dissertation, Colorado State University) (2003)
6.
Bonnen, K., Klare, B.F., Jain, A.K.: Component-based representation in automated face recognition. IEEE Trans. Inf. Forensics Secur. 8(1), 239–253 (2013)CrossRef
7.
Celik, N., Manivannan, N., Balachandran, W., Kosunalp, S.: Multimodal biometrics for robust fusion systems using logic gates. J. Biom. Biostat. 6(1), 1 (2015)
8.
Chan, C.H., Tahir, M.A., Kittler, J., Pietikäinen, M.: Multiscale local phase quantization for robust component-based face recognition using kernel fusion of multiple descriptors. IEEE Trans. Pattern Anal. Mach. Intell. 35(5), 1164–1177 (2013)CrossRef
9.
Dargham, J.A., Chekima, A., Hamdan, M.: Hybrid component-based face recognition system. In: Omatu, S., De Paz Santana, J., González, S., Molina, J., Bernardos, A., RodrÍguez, J. (eds.) Distributed Computing and Artificial Intelligence. Advances in Intelligent and Soft Computing, vol. 151, pp. 573–580. Springer, Heidelberg (2012). doi:10.​1007/​978-3-642-28765-7_​69CrossRef
10.
Eleyan, A., Demirel, H.: Co-occurrence based statistical approach for face recognition. In: 24th International Symposium on Computer and Information Sciences, ISCIS 2009, pp. 611–615, September 2009
11.
Gumus, E., Kilic, N., Sertbas, A., Ucan, O.N.: Evaluation of face recognition techniques using PCA, wavelets and SVM. Expert Syst. Appl. 37(9), 6404–6408 (2010)CrossRef
12.
Jain, A.K., Li, S.Z.: Handbook of Face Recognition. Springer, New York (2011)MATH
13.
Shakthipriya, V.S., Naidu, V.P.S.: Multi sensor image fusion using empirical mode decomposition. Int. J. Adv. Res. Electr. Electron. Instrum. Eng. 252–260 (2013)
14.
Taheri, S., Patel, V.M., Chellappa, R.: Component-based recognition of faces and facial expressions. IEEE Trans. Affect. Comput. 4(4), 360–371 (2013)CrossRef
15.
Tan, X., Triggs, B.: Enhanced local texture feature sets for face recognition under difficult lighting conditions. IEEE Trans. Image Process. 19(6), 1635–1650 (2010)MathSciNetCrossRef
16.
17.
Turk, M.A., Pentland, A.P.: Face recognition using eigenfaces. In: IEEE Computer Society Conference on Computer Vision and Pattern Recognition, Proceedings CVPR 1991, pp. 586–591, June 1991
18.
Viola, P., Jones, M.: Rapid object detection using a boosted cascade of simple features. In: Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, CVPR 2001, vol. 1, pp. I-I (2001)
19.
Pentland, A., Moghaddam, B., Starner, T.: View-based and modular eigenspaces for face recognition. In: IEEE Conference on Computer Vision and Pattern Recognition (1994)
Metadaten
Titel
Enhanced Hybrid Component-Based Face Recognition
verfasst von
Andile M. Gumede
Serestina Viriri
Mandlenkosi V. Gwetu
Copyright-Jahr
2017
Buch
Computational Collective Intelligence

Print ISBN: 978-3-319-67073-7

Electronic ISBN: 978-3-319-67074-4

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-67074-4_25