Comparação do desempenho do classificador de novidades com o classificador do vizinho mais próximo no reconhecimento facial

Abstract

This paper proposes using the novelty classifier to face recognition. This classifier is based on novelty filters, proposed by Kohonen. The performance of the new classifier is compared with nearest neighbor classifier, using Euclidian distance. The face data base used for this comparison was the ORL. The face data is extracted using PCA and 2DPCA strategies. Some results are presented: recognition rate versus number of auto vectors, for identification and verification mode and equivalent error rate for verification mode. The results shown that the proposed classifier has a performance better than others previously published, when the leave-one-out method is employed as a test strategy. Best recognition rate of 100% is achieved with this test methodology. Keywords    Pattern recognition, face recognition, novelty classifier, principal components analysis. Resumo    Este artigo propõe a utilização do classificado de novidade para reconhecimento de face. Esse classificador é baseado na utilização do filtro de novidade, proposto por Kohonen. O desempenho do novo classificador é comparado com o desempenho do classificador vizinho mais próximo, usando distância euclidiana. A base de dados utilizada para essa comparação foi a base ORL. A informação da face é extraída utilizando PCA e 2DPCA. Os seguintes resultados são apresentados: taxa de reconhecimento versus número de autovetores, no modo de identificação e verificação e taxa de erro equivalente para o modo de verificação. Os resultados obtidos mostraram que o classificador proposto tem um desempenho melhor do que o desempenho do vizinho mais próximo e do que outros classificadores anteriormente publicados usando a mesma base, quando a estratégia Deixa-um-fora (Leave-one-out). A melhor taxa de reconhecimento, 100%, foi obtida com essa metodologia de teste. Palavras-chave    Reconhecimento de padrões, reconhecimento facial, filtro de novidades, Análise de Componentes Principais.