Face Recognition Algorithm Based on Principal Component Analysis of Eigenfaces

U ovom radu analiziran je algoritam za prepoznavanje lica temeljen na analizi glavnih komponenata slika lica (PCA metoda). Pokazano je kako se pomoću analize glavnih komponenata mogu odbaciti redundantne značajke slika lica čime se rješava problem njihovih velikih dimenzija. Redukcija dimenzionalnosti postiže se projekcijom slika na novi potprostor lica kojega razapinju svojstveni vektori (poznati kao svojstvena lica). Prepoznavanje lica se izvršava tako da se računaju udaljenosti između projekcija ispitivanog lica i baze slika lica. Implementirani algoritam temeljen na PCA metodi je ispitan na dvije javno dostupne baze slika. Rezultati su pokazali da se tom metodom može uspješno riješiti problem prepoznavanja lica sa slikama lica slikanim u kontroliranim uvjetima.In this thesis, the algorithm based on Principal Component Analysis (PCA method) of face images is analyzed. It is shown that, using Principal Component Analysis the redundant features of image faces can be omitted. Dimensional reduction is gained by projecting faces to a new face subspace spanned with eigenvectors (known as eigenfaces). Face recognition is done by computing distances between projections of test face and image face database. Implemented algorithm based on PCA method is tested on two publicly available face databases. Results have shown that face recognition problem can be successfully solved when the face images are taken in controlled environment