稀疏編碼人臉辨識率

稀疏編碼人臉辨識率整理於表 4.4 跟表 4.5，AR 資料庫[64]辨識率分佈於 62.1% ~ 100%，生活照辨識率分佈於 46.7% ~ 85.0%，訓練樣本數越少，辨識率越低。

訓練樣本取樣方式總共有兩種，一種是由上往下依序取樣(表 4.4)，另一種是由下往 上依序取樣(表 4.5)，與 4.2 節方式一樣，唯一不同的是，若包含未知人臉類別做分類，

則固定取未知人臉類別編號 1~50 來訓練，剩下編號 51~150 為測試樣本；若不包含未知 人臉類別做分類，則不取未知人臉類別來訓練或測試。

表 4.4 由上往下取樣訓練之稀疏編碼辨識率在 AR 資料庫跟生活照片的比較。

訓練樣本 辨識率

包含未知人臉分類 不包含未知人臉分類

取樣方式 數量

AR 資料庫 生活照片 AR 資料庫 生活照片 1 87.9% 61.1% 97.8% 46.7%

2 95.0% 68.9% 98.8% 62.5%

3 97.6% 72.4% 100% 75.7%

4 95.6% 73.1% 96.7% 85.0%

由上往下 (編號 1Æ5)

5 96.7% 72.0% 96.0% 82.0%

表 4.5 由下往上取樣訓練之稀疏編碼辨識率在 AR 資料庫跟生活照片的比較。

訓練樣本 辨識率

包含未知人臉分類 不包含未知人臉分類

取樣方式 數量

AR 資料庫 生活照片 AR 資料庫 生活照片 1 62.1% 60.5% 93.3% 47.8%

2 62.8% 65.6% 98.8% 57.5%

3 80.0% 66.5% 100% 65.7%

4 85.0% 66.3% 100% 76.7%

由下往上 (編號 10Æ6)

5 97.3% 69.3% 100% 82.0%

接下來，分析表 4.5 AR 資料庫辨識率 62.1% ~ 62.8%偏低的原因，難道是正規化裡

面的明亮度處理得不夠好嗎？這部份我們下一章節 4.4 做實驗再釐清。

圖 4.7 呈現人臉資料 AR 資料庫(圖 4.7(a))跟生活照資料庫(圖 4.7(b))，差別在於生活 照的人臉少了髮型跟下巴的資訊；AR 人臉像素為 19,800(165×120)，生活照人臉像素 為 24776( )，每一張人臉都經過多尺寸視網膜(multi scale retinex，MSR)處理明 亮度後，再進行稀疏編碼運算。另外，也可以降低人臉解析度為 1230(

152 163×

41×30)或 1520(40×38)，再進行稀疏編碼運算，不過這會降低辨識率 1%～5%。

然而，辨識率 62.1% ~ 62.8%偏低的原因，初步分析與人臉光線明亮度有關，在包 含未知人臉類別情況下，採取編號 1~2(圖 4.8(a))當訓練的辨識率高達 87.9% ~ 95.0%，

光線主要從正面人臉進來；採取編號 10~9(圖 4.8(b))當訓練樣本，光線主要從左臉進來，

辨識率降低到 62.1% ~ 62.8%。圖 4.8(a)跟(b)只有訓練樣本明亮度的差異，表情變化並不 大，圖 4.8(c)未知人臉類別 50 張訓練樣本包含明亮度高與低的人臉。所以，取明亮度不 均勻的人臉當作訓練樣本，雖然會降低辨識率，不過，可以增加多張訓練樣本來彌補辨 識率下降的問題。

圖 4.9 是 AR 資料庫經過多尺寸視網膜(MSR)正規化後的訓練樣本，明亮度一致性 問題得到明顯改善。

另外，生活照最好的辨識率就是 73.1% ~ 85.0%，條件是選取每一類別編號 1~ 4(圖 4.10(a))當訓練樣本，增加訓練樣本數目也將提高辨識率；圖 4.10(b)是固定選擇編號 1~50 當作未知人臉類別的訓練樣本，包含明亮度高與明亮度低的樣本。

圖 4.11 是生活照經過多尺寸視網膜(MSR)正規化後的訓練樣本，明亮度一致性問題 也得到明顯改善。

圖 4.12 是本章節多尺寸視網膜正規化辨識成功的例子，圖 4.13 是舉出一個辨識失 敗的例子，因為重建後的人臉跟錯誤類別有點類似。

(a) (b)

圖 4.7 (a)從 AR 資料庫任意取出 250 張人臉做實驗；(b)從生活照資料庫任意取出 250 張 人臉做實驗；(a)(b)的第一列到第十列分別代表每一個類別的人臉，每一類別有十張人

臉，其餘十五列共 150 張人臉代表未知人臉類別。

(a)

(b)

(c)

圖 4.8 (a)(b)訓練樣本分別代表 AR 資料庫每一類別的編號 1~2 人臉，和 10~9 人臉；(c) 訓練樣本代表未知人臉類別編號 1~50 人臉；(a)跟(b)差異在於明亮度，表情差異不大；

(c)包含明亮度高與明亮度低的訓練樣本。

(a)

(b)

(c)

圖 4.9 AR 資料庫經過多尺寸視網膜正規化後得到的訓練樣本。

(a)

(b)

圖 4.10 (a)生活照資料庫的訓練樣本每一類別編號 1~4 人臉；(b)未知人臉類別的訓練樣 本編號 1~50 人臉；(a)(b)包含明亮度高與明亮度低的訓練樣本。

(a)

(b)

圖 4.11 生活照經過多尺寸視網膜正規化後得到的訓練樣本。

圖 4.12 多尺寸視網膜正規化辨識成功的例子，最左邊是原始人臉，左二是經過正規化 的人臉，右二是稀疏編碼重建的人臉，最右邊是最靠近類別的人臉。

圖 4.13 多尺寸視網膜正規化辨識失敗的例子，最左邊是原始人臉，左二是經過正規化 的人臉，右二是稀疏編碼重建的人臉，最右邊是最靠近類別的人臉。