Published April 12, 2021 | Version v1
Publication Open

A Comparative Study of Image Descriptors in Recognizing Human Faces Supported by Distributed Platforms

Creators

  • 1. University of Ha'il
  • 2. Cairo University
  • 3. Korea Institute of Science and Technology
  • 4. Kyungsung University
  • 5. İstanbul Nişantaşı Üniversitesi

Description

Face recognition is one of the emergent technologies that has been used in many applications. It is a process of labeling pictures, especially those with human faces. One of the critical applications of face recognition is security monitoring, where captured images are compared to thousands, or even millions, of stored images. The problem occurs when different types of noise manipulate the captured images. This paper contributes to the body of knowledge by proposing an innovative framework for face recognition based on various descriptors, including the following: Color and Edge Directivity Descriptor (CEDD), Fuzzy Color and Texture Histogram Descriptor (FCTH), Color Histogram, Color Layout, Edge Histogram, Gabor, Hashing CEDD, Joint Composite Descriptor (JCD), Joint Histogram, Luminance Layout, Opponent Histogram, Pyramid of Gradient Histograms Descriptor (PHOG), Tamura. The proposed framework considers image set indexing and retrieval phases with multi-feature descriptors. The examined dataset contains 23,707 images of different genders and ages, ranging from 1 to 116 years old. The framework is extensively examined with different image filters such as random noise, rotation, cropping, glow, inversion, and grayscale. The indexer's performance is measured based on a distributed environment based on sample size and multiprocessors as well as multithreads. Moreover, image retrieval performance is measured using three criteria: rank, score, and accuracy. The implemented framework was able to recognize the manipulated images using different descriptors with a high accuracy rate. The proposed innovative framework proves that image descriptors could be efficient in face recognition even with noise added to the images based on the outcomes. The concluded results are as follows: (a) the Edge Histogram could be best used with glow, gray, and inverted images; (b) the FCTH, Color Histogram, Color Layout, and Joint Histogram could be best used with cropped images; and (c) the CEDD could be best used with random noise and rotated images.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

التعرف على الوجه هو أحد التقنيات الناشئة التي تم استخدامها في العديد من التطبيقات. إنها عملية وضع ملصقات على الصور، خاصة تلك التي لها وجوه بشرية. أحد التطبيقات المهمة للتعرف على الوجوه هو المراقبة الأمنية، حيث تتم مقارنة الصور الملتقطة بالآلاف، أو حتى الملايين، من الصور المخزنة. تحدث المشكلة عندما تتلاعب أنواع مختلفة من الضوضاء بالصور الملتقطة. تساهم هذه الورقة في مجموعة المعرفة من خلال اقتراح إطار مبتكر للتعرف على الوجه استنادًا إلى واصفات مختلفة، بما في ذلك ما يلي: واصف اتجاهية اللون والحافة (CEDD)، وواصف الرسم البياني للون والملمس الضبابي (FCTh)، والمخطط البياني للألوان، وتخطيط الألوان، والمخطط البياني للحافة، و Gabor، و Hashing CEDD، وواصف المركب المشترك (JCD)، والمخطط البياني المشترك، وتخطيط الإضاءة، والمخطط البياني المعارض، وهرم واصف الرسوم البيانية المتدرجة (PHOG)، و Tamura. يأخذ الإطار المقترح في الاعتبار مراحل فهرسة مجموعة الصور واسترجاعها باستخدام واصفات متعددة الميزات. تحتوي مجموعة البيانات التي تم فحصها على 23707 صورة من مختلف الأجناس والأعمار، تتراوح من 1 إلى 116 عامًا. يتم فحص الإطار على نطاق واسع باستخدام مرشحات صور مختلفة مثل الضوضاء العشوائية والدوران والاقتصاص والتوهج والانعكاس وتدرج الرمادي. يتم قياس أداء المفهرس بناءً على بيئة موزعة بناءً على حجم العينة والمعالجات المتعددة بالإضافة إلى مؤشرات الترابط المتعددة. علاوة على ذلك، يتم قياس أداء استرجاع الصور باستخدام ثلاثة معايير: الترتيب والنتيجة والدقة. تمكن الإطار المنفذ من التعرف على الصور التي تم التلاعب بها باستخدام واصفات مختلفة بمعدل دقة عالية. يثبت الإطار المبتكر المقترح أن واصفات الصور يمكن أن تكون فعالة في التعرف على الوجه حتى مع إضافة ضوضاء إلى الصور بناءً على النتائج. النتائج النهائية هي كما يلي: (أ) يمكن استخدام الرسم البياني للحافة بشكل أفضل مع الصور المتوهجة والرمادية والمقلوبة ؛ (ب) يمكن استخدام الرسم البياني للألوان وتخطيط الألوان والمخطط البياني للمفاصل بشكل أفضل مع الصور التي تم اقتصاصها ؛ و (ج) يمكن استخدام الرسم البياني للحافة بشكل أفضل مع الضوضاء العشوائية والصور المستديرة.

Translated Description (French)

La reconnaissance faciale est l'une des technologies émergentes qui a été utilisée dans de nombreuses applications. C'est un processus d'étiquetage des images, en particulier celles avec des visages humains. L'une des applications critiques de la reconnaissance faciale est la surveillance de la sécurité, où les images capturées sont comparées à des milliers, voire des millions, d'images stockées. Le problème se produit lorsque différents types de bruit manipulent les images capturées. Cet article contribue au corpus de connaissances en proposant un cadre innovant pour la reconnaissance faciale basé sur divers descripteurs, notamment les suivants : descripteur de directivité des couleurs et des bords (CEDD), descripteur d'histogramme des couleurs et des textures floues (FCTH), histogramme des couleurs, mise en page des couleurs, histogramme des bords, Gabor, hachage CEDD, descripteur composite conjoint (JCD), histogramme conjoint, mise en page de la luminance, histogramme de l'adversaire, pyramide du descripteur d'histogramme des gradients (PHOG), Tamura. Le cadre proposé prend en compte les phases d'indexation et de récupération des ensembles d'images avec des descripteurs multi-fonctions. L'ensemble de données examiné contient 23 707 images de différents genres et âges, allant de 1 à 116 ans. Le cadre est largement examiné avec différents filtres d'image tels que le bruit aléatoire, la rotation, le recadrage, la lueur, l'inversion et les niveaux de gris. Les performances de l'indexeur sont mesurées sur la base d'un environnement distribué basé sur la taille de l'échantillon et les multiprocesseurs ainsi que les multithreads. De plus, les performances de récupération d'image sont mesurées à l'aide de trois critères : le rang, le score et la précision. Le cadre mis en œuvre a pu reconnaître les images manipulées à l'aide de différents descripteurs avec un taux de précision élevé. Le cadre innovant proposé prouve que les descripteurs d'image pourraient être efficaces dans la reconnaissance faciale même avec du bruit ajouté aux images en fonction des résultats. Les résultats conclus sont les suivants : (a) l'histogramme Edge pourrait être mieux utilisé avec des images brillantes, grises et inversées ; (b) le FCTH, l'histogramme des couleurs, la disposition des couleurs et l'histogramme conjoint pourraient être mieux utilisés avec des images recadrées ; et (c) le CEDD pourrait être mieux utilisé avec du bruit aléatoire et des images tournées.

Translated Description (Spanish)

El reconocimiento facial es una de las tecnologías emergentes que se ha utilizado en muchas aplicaciones. Es un proceso de etiquetado de imágenes, especialmente aquellas con rostros humanos. Una de las aplicaciones críticas del reconocimiento facial es el monitoreo de seguridad, donde las imágenes capturadas se comparan con miles, o incluso millones, de imágenes almacenadas. El problema se produce cuando diferentes tipos de ruido manipulan las imágenes capturadas. Este documento contribuye al cuerpo de conocimientos al proponer un marco innovador para el reconocimiento facial basado en varios descriptores, incluidos los siguientes: Descriptor de directividad de color y borde (CEDD), Descriptor de histograma de color y textura difusa (FCTh), Histograma de color, Diseño de color, Histograma de borde, Gabor, Hashing CEDD, Descriptor compuesto conjunto (JCD), Histograma conjunto, Diseño de luminancia, Histograma del oponente, Descriptor de histogramas de pirámide de gradiente (PHOG), Tamura. El marco propuesto considera las fases de indexación y recuperación de conjuntos de imágenes con descriptores de múltiples funciones. El conjunto de datos examinado contiene 23.707 imágenes de diferentes géneros y edades, que van de 1 a 116 años. El marco se examina exhaustivamente con diferentes filtros de imagen, como ruido aleatorio, rotación, recorte, brillo, inversión y escala de grises. El rendimiento del indexador se mide en función de un entorno distribuido basado en el tamaño de la muestra y los multiprocesadores, así como en multihilos. Además, el rendimiento de la recuperación de imágenes se mide utilizando tres criterios: rango, puntuación y precisión. El marco implementado fue capaz de reconocer las imágenes manipuladas utilizando diferentes descriptores con una alta tasa de precisión. El marco innovador propuesto demuestra que los descriptores de imágenes podrían ser eficientes en el reconocimiento facial incluso con ruido añadido a las imágenes en función de los resultados. Los resultados concluidos son los siguientes: (a) el histograma de borde podría usarse mejor con imágenes brillantes, grises e invertidas; (b) el FCTh, el histograma de color, el diseño de color y el histograma de articulación podrían usarse mejor con imágenes recortadas; y (c) el CEDD podría usarse mejor con ruido aleatorio e imágenes rotadas.

Files

pdf.pdf

Files (10.0 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:278b1293b1ee0918764c126f6137b5dc
10.0 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
دراسة مقارنة لأوصاف الصور في التعرف على الوجوه البشرية مدعومة بالمنصات الموزعة
Translated title (French)
A Comparative Study of Image Descriptors in Recognizing Human Faces Supported by Distributed Platforms
Translated title (Spanish)
Un estudio comparativo de los descriptores de imágenes en el reconocimiento de rostros humanos respaldados por plataformas distribuidas

Identifiers

Other
https://openalex.org/W3154130911
DOI
10.3390/electronics10080915

Is supplement to
https://openalex.org/W4210328553 (Other)
https://openalex.org/W2398764543 (Other)
https://openalex.org/W2394004323 (Other)
https://openalex.org/W2384651879 (Other)
https://openalex.org/W2347824352 (Other)
https://openalex.org/W2112875849 (Other)
https://openalex.org/W2107628111 (Other)
https://openalex.org/W2098693229 (Other)
https://openalex.org/W2027335291 (Other)
https://openalex.org/W1980417906 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Egypt

References

  • https://openalex.org/W1511892547
  • https://openalex.org/W1815416954
  • https://openalex.org/W1964266152
  • https://openalex.org/W1972195523
  • https://openalex.org/W1999533590
  • https://openalex.org/W2022864356
  • https://openalex.org/W2029927832
  • https://openalex.org/W2042241913
  • https://openalex.org/W2087640274
  • https://openalex.org/W2109506130
  • https://openalex.org/W2121647436
  • https://openalex.org/W2130259898
  • https://openalex.org/W2137659841
  • https://openalex.org/W2146474141
  • https://openalex.org/W2289229463
  • https://openalex.org/W2330615522
  • https://openalex.org/W2744972750
  • https://openalex.org/W2808603681
  • https://openalex.org/W2904682296
  • https://openalex.org/W2918845005
  • https://openalex.org/W2936665505
  • https://openalex.org/W2970982005
  • https://openalex.org/W2982845314
  • https://openalex.org/W3014818300
  • https://openalex.org/W3118799843
  • https://openalex.org/W3119570222
  • https://openalex.org/W3125107615
  • https://openalex.org/W3135121486
  • https://openalex.org/W3141449784