Personal Identification Using Global and Local Face Analyses

Abstract

The objectives of this research were 1) to develop a technique for identification by overall and specific face analyses, 2) to test the overall identification validate by and specific face analyses. The sample was the personal face images of the 15 people and each person had 170. Development used Python programming with the OpenCV library and parallel processing with the three machine learning methods with different advantages. These methods were the logistic regression method, the support vector machine method, and the random forest method. The result of the parallel processing for identification was the maximum accuracy value from the voting. The machine learning methods used the data set that included the full-face images and the obscured face images that were the eye and the mouth region for the training and the testing. The research results found that 1) the technique for identification by overall and specific face analyses that was developed using the voting method of the results from parallel processing of 3 machine learning methods could predicate well for the identification and 2) the testing result with the data set that included the 2,550 full-face images and 300 obscured face images found that the developed technique for identification received the maximum accuracy value of about 86 percent.

งานวิจัยนี้มีจุดประสงค์ 1) เพื่อพัฒนาเทคนิคการระบุตัวตนด้วยการวิเคราะห์ใบหน้าโดยรวมและเฉพาะส่วน 2) เพื่อทดสอบความถูกต้องของการระบุตัวตนด้วยการวิเคราะห์ภาพใบหน้าโดยรวมและเฉพาะส่วนกลุ่มตัวอย่างเป็นภาพใบหน้าบุคคลจำนวน 15 คน คนละ 170 ภาพ การพัฒนาใช้การเขียนโปรแกรมภาษาไพธอนร่วมกับคลังชุดคำสั่งโอเพนซีวี และใช้วิธีการเรียนรู้ของเครื่อง 3 วิธีที่มีข้อดีแตกต่างกันด้วยการประมวลผลแบบขนานพร้อมกันประกอบด้วย วิธีการถดถอยโลจิสติก วิธีการซัพพอร์ตเวกเตอร์แมชชีน และวิธีการแรนดอมฟอร์เรส แล้วทำการโหวตผลลัพธ์ด้วยการเลือกค่าความแม่นยำของวิธีการที่มีค่าความแม่นยำมากที่สุดเป็นผลลัพธ์ของการระบุตัวตน โดยแต่ละวิธีการเรียนรู้ใช้ชุดข้อมูลของภาพเต็มใบหน้าและภาพใบหน้าที่ทำการปกปิดบางส่วนบนใบหน้า ได้แก่ บริเวณตาทั้งสอง บริเวณปาก เพื่อการฝึกสอนและการทดสอบผลการวิจัยพบว่า 1) เทคนิคการระบุตัวตนด้วยการวิเคราะห์ใบหน้าโดยรวมและเฉพาะส่วนที่ได้พัฒนาขึ้นโดยวิธีการโหวตผลลัพธ์จากการประมวลผลแบบขนานที่ใช้เทคนิคการเรียนรู้ของเครื่อง 3 วิธีสามารถทำการระบุตัวตนได้ดี และ 2) ผลการทดสอบกับชุดข้อมูลของภาพเต็มใบหน้าจำนวน 2,550 ภาพและภาพที่ปิดบังบางส่วนบนใบหน้าจำนวน 300 ภาพ พบว่า เทคนิคที่ได้พัฒนาสามารถระบุตัวตนได้ค่าความแม่นยำสูงสุดประมาณร้อยละ 86