Veiled-face recognition using deep learning

Other Title(s)

التحقق من هوية الأشخاص المنقبين باستخدام التعلم العميق

Dissertant

al-Bustanji, Abir Ahmad Hamad

Thesis advisor

al-Hasanat, Ahmad Bashir A.

University

Mutah University

Faculty

Information Technology College

Department

Computer Science Department

University Country

Jordan

Degree

Ph.D.

Degree Date

2019

Arabic Abstract

1402811 يلعب التعرف على الوجوه دورا رئيسيا في القياسات الحيوية، فالوجه ميزة عالمية للبشر، و طريقة الحصول على صور الوجه غير تطفلية و يمكن التقاطها عن بعد.

بعد التعرف على المقاييس الحيوية استنادا إلى الوجه الكامل مجالا بحثيا واسع النطاق، لكن استخدام جزء من الوجه ( في حالة الشخص المنقب يمثل تحديا و موضوعا نشطا في أبحاث رؤية الكمبيوتر ).

فعلى الرغم من أهمية الوجه الإنساني للتواصل الاجتماعي و تحديد الهوية يُصر بعض الناس على تغطية وجوههم لبعض الثقافات و اهداف أمنية و غيرها.

تم تطوير التعرف على الوجه بشكل كبير من خلال ظهور التعلم العميق الذي حقق دقة متطورة و أحيانا تجاوز الأداء البشري .

تعتبر الشبكة العصبية التلاقيفية ( CNN ) فئة من الشبكات العصبية العميقة، و التي استخدمت في هذه الأطروحة لاستخراج الخصائص باستخدام 19-VGG المدربة مسبقا، استخدمنا الطبقة السادسة (تسمى (fo6) والطبقة السابعة (تسمى (fc7) في بنية VGG19 للحصول على الميزات كل طبقة تحتوي على 4096 ميزات.

الهدف الرئيسي من هذه الرسالة هو اختبار قدرة نظام الكمبيوتر الآلي على تحديد الأشخاص و الأجناس و الأعمار و تعبير الوجه (ابتسامة العين) استنادا إلى الميزات العميقة التي تم استخراجها من مجموعة بيانات VPI-New التي تم إنشاؤها لأغراض هذه الدراسة والتي تحتوي على صور لـ 150 شخصا ( 41 من الذكور و 109 من الإناث من مختلف الفئات العمرية من 8 إلى 78 سنة ) و لكل شخص 14 صورة تم التقاطها في جلستين إجمالي عدد الصور في قاعدة البيانات VPI-New هو 2100 صورة.

تم اقتراح العديد من الطرق لتحسين مهام التعرف على الوجود المحجبة مثل PCA : و الذي تم استخدامه لتقليل أبعاد البيانات، و ثلاثة طرق لدمج متجهي ميزات الطبقة السادسة و الطبقة السابعة في متجه واحد افضل كانت دقة جميع المهام التي تستخدم أساليب مختلفة تصل إلى 99.95 % لتحديد هوية الأشخاص و 99.9 % للتعرف على الجنس، و 100٪ التعرف على العمر و 80.9 % للتعرف على تعبير الوجه ( ابتسامة العين ).

English Abstract

Face Recognition plays a major role in Biometrics, the face is a global feature of human beings, and the method of acquiring face images is nonintrusive and can be captured at a distance.

Biometric recognition based on the full face is an extensive research area but using part of the face (in case of veiled-person) is challenging and an active subject in computer vision research.

Despite the significance of the human face for social communication and person identification, some people in the population insist on veiling their faces for certain cultural, security, and others.

Facial recognition has been developed significantly through the emergence of deep learning which achieved sophisticated accuracy and sometimes exceeded human performance.

The convolutional neural network (CNN) is a category of deep neural networks, which were used in this thesis to extract the features using pre-trained VGG-19.

We used the sixth layer (called fc6) and the seventh layer (called fc7) in the structure of VGG19 to get the features, each of layers containing 4096 features.

The main objective of this thesis is to test the ability of an automated computer system to identify persons, genders, ages, and a facial expression (eye smile) based on deep features, all from veiled-faces image database, which was created for the purpose of this study, this database contains images of 150 persons (41 male and 109 female) from different age groups in the range of 8 to 78 years, each person has 14 images taken on two sessions; the total number of images VPI-New dataset is 2,100.

Many methods have been proposed to improve the veiled-face recognition tasks, these include PCA, which was used to reduce the dimensions of the data, and merge method to merge feature vector of fc6 and feature vector of fc7 to obtain a better one feature vector.

The accuracy for all the tasks using different methods were up to 99.95% for identifying persons, 99.9% for gender recognition, 100% for age recognition and 80.9% for facial expression (eye smile) recognition.

Main Subjects

Information Technology and Computer Science

No. of Pages

64

Table of Contents

• APA
• MLA
• AMA

Language

English

Data Type

Arab Theses

Record ID

BIM-1402811