Workbench Review for Biometrics Face Verification Systems Analysis Studies

Abstract

Listen in: English (British) Español (España) Name: Loading voices… ▶ Listen to Abstract Pause Stop Speed: 0.75x1x 1.25x1.5x

Revisión de un banco de pruebas para estudios de análisis de sistemas biométricos de verificación facial Autores: Mohamed Soltane - Yahia Fares University of Medea, Algeria; Ministry of Higher Education and Scientific Research (DZ) Mourad Oussalah - University of Oulu (FI) Aissa Belmeguenai - 20 August 1955 University of Skikda (DZ) Resumen La visión por computador es un campo destacado de la inteligencia artificial (IA) que utiliza algoritmos de aprendizaje automático para enseñar a ordenadores y sistemas a extraer información significativa de imágenes digitales. El reconocimiento de patrones ha sido durante mucho tiempo uno de los objetivos de la visión por computador, pero, más recientemente, el reconocimiento facial automatizado y fiable se ha convertido en una meta realista dentro de la investigación y el desarrollo de la biometría. En este artículo se analiza el reconocimiento de patrones frente a los sistemas de verificación y se examina la contribución del análisis de clasificadores al rendimiento de la verificación facial biométrica. La discusión aborda los paradigmas de clasificación, el uso de múltiples observaciones y su fusión adecuada a nivel de datos, con el objetivo de mejorar el rendimiento de las decisiones correctas en los distintos niveles de fusión de decisiones. Las tareas de fusión descritas en este trabajo de desarrollo se llevaron a cabo mediante la combinación de dos reconocedores faciales ampliamente conocidos, ICA I e ICA II. Se emplea una estrategia novedosa basada en la fusión mediante razón de verosimilitud a nivel de puntuaciones, con la que se optimiza la precisión del reconocimiento facial y se reducen las limitaciones de un único reconocedor. El rendimiento de los estudios de análisis se evaluó utilizando tres bases de datos faciales diferentes y las Dynamic Still Face Databases eNTERFACE2005 (Stylianou et al., 2005), y los resultados de simulación demostraron mejoras significativas en el rendimiento.

Computer vision is a promoted field of artificial intelligence (AI) that uses machine learning algorithms to teach computers and systems to derive meaningful information from digital images. Pattern recognition has long been a goal of computer vision, but recently reliable automated face recognition has become a realistic target of biometrics development research. In this paper pattern recognition versus verification systems has been diagnosed, the contribution of classifier analysis to Biometrics Face Verification performance is examined. The discussion covers classification paradigms, the use of multiple observations, and their judicious fusion at the data; it should improve the correct decision performance at the different decision fusions levels. The fusion tasks reported in this development work were carried through fusion of two well-known face recognisers, ICA I and ICA II. Novel strategy based on Likelihood Ratio Fusion within scores is employed, in which face recognition accuracy is optimised and limitations of single recogniser have been reduced. The performance of the analysis studies were tested based on three different face databases and the Dynamic Still Face Databases eNTERFACE2005 (Stylianou et al., 2005), with simulation results demonstrating significant performance achievements.