Blur adaptive sparse representation of random patches for race recognition on blurred images
Loading...
Date
2016
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
A pesar de que el reconocimiento de caras, en ambientes no controlados, ha sido ampliamente estudiado en los últimos 25 años, el estado del arte en estos algoritmos continúan con bajos rendimientos en imágenes borrosas. En este documento se aborda el reconocimiento de rostros en imágenes que se encuentran borrosas, al ejecutar un algoritmo que es una modificación del algoritmo Adaptive Sparse Representation of Random Patches (ASR+). Este algoritmo extrae, al azar, parches de cada una de las imágenes de sujetos previamente enlistados. Luego, ASR+ construye un diccionario adaptivo el cual concatena los ‘mejores’ diccionarios de cada sujeto. Finalmente, usando este diccionario, cada parche de la imagen de prueba es clasificado acorde a la metodología de Sparse Representation Classification (SRC). En la fase de prueba, la imagen en cuestión es clasificada por mayoría de votos de los parches previamente clasificados. En este artículo proponemos bASR+, o blur ASR+, que crea diccionarios con distintos niveles de desenfoque sintético a partir de distintos niveles de desenfoque gaussiano.Cada set de imágenes borrosas será descrito por una métrica de nitidez. Cuando se inicia el reconocimiento de la imagen de prueba, la métrica de nitidez s de la imagen es calculada y comparada a la métrica de nitidez de cada uno de los set de imágenes. Luego, se selecciona el diccionario que más se parece a la métrica s. Así, un diccionario adaptivo es contruído a partir del set de imágenes borrosas y la metodología ASR+ continúa para realizar el reconocimiento. Se diseñaron experimentos basados en imágenes borrosas, que fueron creadas tomando fotografías des-enfocadas, a las imágenes de cara de sujetos de la base de datos AR, desplegadas en un monitor. En nuestros experimentos, bASR+ sobrepasa a los algoritmos del estado del arte y software comerciales obteniendo reconocimientos de 85.6% en imágenes sumamente borrosas.
Description
Tesis (Master of Science in Engineering)--Pontificia Universidad Católica de Chile, 2016