Kernel-based scale-invariant feature transform and spherical SVM classifier for face recognition

• Published in: Maǧallaẗ al-abḥath al-handasiyyaẗ 2019, Vol.7 (3), p.142-160
• Main Authors: Bindu, S. Hima, Manjunathachari K.
• Format: Article
• Language: ara ; eng
• ISSN: 2307-1877; 2307-1885

Due to the wide range of commercial and law enforcement applications and the availability of feasible technologies, face recognition has recently gained significant attention among the researchers. The literature presents various face recognition systems, which are capable of measuring and matching the distinctive features intended for the purpose of identifying or verifying a person from a digital image. The identification of distinctive features from the face image poses various challenging aspects due to the various poses and illumination conditions. To overcome these major limitations in the existing methods, this paper proposes kernel-based Scale-Invariant Feature Transform and spherical SVM classifier for face recognition. Furthermore, a novel weightage function for feature extraction and classification, which is termed as Multi Kernel Function (MKF), is also proposed. To extract facial features, we adopt SIFT technique, which is modified in the descriptor stage by the proposed MKF weightage function, thereby evolving a new technique which we termed as KSIFT. Multi-kernel Spherical SVM classifier is used for the classification purpose. The performance of the proposed method is analyzed by performing experimentation on CVL Face Database for the evaluation metrics, such as FAR, FRR, and Accuracy. Then, the performance is compared with the existing systems, like HOG, SIFT, and WHOG. From the experimental results, it can be shown that the proposed method attains the higher accuracy of 99% for the face recognition system. نظرا لتوافر نطاق واسع من التطبيقات التجارية و القانونية و التقنيات العملية، اكتسب التعرف على الوجوه اهتماما كبيرا بين الباحثين مؤخرا. و تقدم المؤلفات البحثية أنظمة عديدة للتعرف على الوجوه قادرة على قياس و مطابقة السمات المميزة المعدة لتحديد هوية شخص أو التحقق منها من صورة رقمية. و يطرح تحديد السمات المميزة من صورة الوجه جوانب مختلفة من التحديات بسبب الأوضاع المختلفة و ظروف الإضاءة. و للتغلب على هذه التحديات الكبيرة في الطرق الحالية، يقترح هذا البحث خوارزمية لتحويل السمات غير المتأثرة بمقياس و المرتكزة على النواة ومصنف SVM الكروي للتعرف على الوجوه. علاوة على ذلك، تم تقديم د م دالة weightage جديدة لاستخراج السمات و تصنيفها، والتي تسمى دالة النواة المتعددة (MKF). ولاستخراج ملامح الوجه، اعتمدنا تقنية SIFT، و التي تم تعديلها في مرحلة الواصف بواسطة دالة الحمل MKF المقترحة، و بالتالي قمنا بتطوير تقنية جديدة أطلقنا عليها اسم KSIFT. تم استخدام مصنف SVM متعدد النواة لأغراض التصنيف . وقمنا بتحليل أداء الطريقة المقترحة من خلال إجراء تجربة على قاعدة