Indonesi an  Journa l  of El ect ri cal Engineer ing  an d  Comp ut er  Scie nce   Vo l.   1 3 ,  No.   2 ,  Febr uar y   201 9 , pp.  6 65 ~ 670   IS S N: 25 02 - 4752, DO I: 10 .11 591/ijeecs .v1 3 .i 2 .pp 665 - 670          665       Journ al h om e page :  http: // ia es core.c om/j ourn als/i ndex. ph p/ij eecs   Multi mo dal ve rge for s ca l e and p ose v ar i an t real ti me face  tracking  and re cogniti on       G. Ram kum ar ,  E. L ogasha nmugam   Depa rtment  o f  E le c troni cs  and  C om m unic at ion  E ngine er ing, Sat h y ab ama   Insti tute   of  Sci ence and Tec hno log y ,   I nd ia       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   Oct   28 , 201 8   Re vised  N ov   2 1 , 2 018   Accepte d  Dec   3 , 2 018       In  r ec en t   ti m es   fa ce  tracki ng   a nd  fa ce  r ec ogn i ti on   have  turned  out   to   be   inc re asingly   d y n amic  r ese ar ch   fi el d   in   image   pro ce ss ing.  Th is  wo rk  proposed   the  fra m ework   DEt ec t ing   Conti guous  O utl ie rs   in   th e   LOw - ran k  Repre sent at ion   f or  fa ce  tracki ng ,   in  th is  a lgor it hm   the  ba ckgr ound   is  assess ed  b y   a   low - ran k   net work  and  fo reg round  art i cle s  ca n   be   dist in guished  as  anomali es.   Thi s   is   suita b le  for   non - rig id   fore ground  m oti on   and  m oving   ca m era.  Th e  f ace  of  a  fore groun d  per son  is  c aug ht  from   the   fra m e  and  the n   i t   is  con tra sted   an d  th e   spec ul ated   pi ct ure s   stored   in  the  da ta set .   Here   we   used   Viola - Jones  a lg orit hm   for  fa ce   rec ogni ti on.   This   appr oac h   outp erf orm s  the  tra ditiona l  al gor it hm s  on  m ulti m odal   vid eo   m et hodologies  an d  i t   works   ade qua te l y   on   ex te nsive   var ie t y   o f s ec ur ity   and   surveil l ance purpo ses. Result s   on  the  continuo us  demons tra te   tha t  the  propose d  calc ul at ion   c a n  cor re ctl y   obta in   fa ci a l  f e at ure s  po int s.   T he  a lgorithm   is  relega te  on  the  continuous   ca m era i nput   an d  under   ong oing ec olog ic a l condi ti ons.   Ke yw or d s :   Bi om e tric s   Face Re co gnit ion   Face Trac ki ng   Im age A naly sis   Si m ulati on   Copyright   ©   201 9   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .     Al l   rights re serv ed .   Corres pond in g  Aut h or :   G.  Ram ku m ar,    Re search  Sc hola r,   Dep a rtm ent o f  Elec tro nics  and  C omm un i cat ion  E nginee rin g,   Sathya bam a Insti tute of   Scie nc e an d  Tec hnol og y,   Jep piaar  Nag a r , Raj i v Gand hi  Sala i, Che nn ai   –   600119,  Tam il nad u,  India   Em a il : pg r vlsi@gm ai l.co m       1.   INTROD U CTION   The  m ajo r   ta s k  is  to   trac k  and  detect   the   face,  as  c orr ect   as  co nceiv able  in  e ve ry  on e   of  the     fr am es  of   a  vid eo .  A  vis ual  per s on  trac king  ha s  bee n  a  s ta ndou t  am ongst   the  m os t  m a instream   loo k  in  the   com pu te r  pe rc eption  a rea  [ 1].  Es pecial ly ,  hum an  face   trac king  over   vid e o  receive   m or e   co ns i der at io n,  w hich   would  pe rm it   help fu l  us ef ul  app li cat io ns .  I n  oth er   case,  f ace  tracki ng   is   as  ye t  a  tric ky  wh ic h  ca n' t  be  viewe d  as  fath om ed.   This  is  beca use   du e  t o  the  f eat ur e  of   fac e   app ea ra nce  c hange  wh ic h  increase  t he  t r ackin g  com plexity   [2 ] .    Face  trac king  is  not  strai gh t  fo r ward  beca us e  m or e  va riat ion s  in  t he  im age  ap pea ran c e,  li ke  po s e  var ia ti on  (frontal   a nd  non  f r on ta l) ,  im ped im ent,  pict ur e   intr oductio n,  li gh ti ng   up   conditi on  a nd  facial   expressi on  [ 3].   Face   rec ognit i on  play   a  vital   r ole  in   different   fiel ds  li ke  busines s,   r est or at ive   or  m ilit ary  fr am ewo r ks .   F ace  rec ogniti on  a re  util iz ed  as  a  par t  of  re al   secur it y  or   reli gious  s pots  an d  reg i on s   li ke  a i r   te rm inals  and  oth e r  ve ry  deli cat e.  Eve n  th ough  recog niti on   pa rts  fa ci ng  s om e  issue  du e   to  so m e  factor s ,  in  that   po s e  var ia ti on  is  one  of  t he  m ajor  nuisa nce   f act or  [ 4].  How ever,  t o  ce rtai nl y  and  ef fectua ll y  util iz e  the  m ul ti - visio n  vi deo  in form ation ,  we  regularly   nee d  to  ap pr ai se  t he   posture   of  the   ind i vidual' s  head .  Wh il e   the re  ar e   nu m erous  stra te gies  f or  m ul ti   view  pose  est i m ation   bu t   fin ding  t he  head  posit io n  is  sig nificant   issue ,   par ti cula rly   when  the   qual it y  of   t he  im ages  is  poor  a nd  the  sta nd a rd iz at io n  of  cam eras  isn ' t  adeq uatel y  exact  t o  per m it   ro bust  m ul ti - vision   f u sion   [ 5].  S uch  a  sit uation  is   pa rtic ularly   vali d  with  re ga rd s   of  sur veill ance.  W e   pro po se  the  fac e tracki ng and  recog niti on   of  per s on  from   m ulti - visio n vide os .    The e ff ect ive  a lgorit hm   fo r fa ce  trackin g i s  done   by  DECO LOR  w hic h ap pro xim a te s  the  bac kgr ou nd   and  the  fore groun d  obj ect s  s i m ultaneou sly .   Ga bor  featur e   extracti on  is  carried   out  as  the  ne xt  ste p  pers on   identific at ion  a nd  rec ogniti on  is  done  by  Viol a  Jones  Algorit hm .  Fo r  a   gi ve n  m ulti - vision   vid e o  a rr a ng e m ents,  Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   1 3 , N o.   2 ,  Fe bru ary  201 9   :   665   –   670   666   we  util iz e  a  com po sit e  tem plate   to  trac k  t he  3D   a rea  of  the  hea d  util iz ing   m ulti - vision  inf orm ation.  The   pro po se d  m et h od p er form s  be tt er  tha n  t he  e xi sti ng  h ig hlig hts  an d  al gorith m s  on   a   m ulti - visio n  vid e o  da ta bas e   com po sed   util i zi ng  a  cam era .  Face  trac king   is  a  c r ucial   prec edin g  ste p  t hat  lim it s  the  re gion  of  the   face  i n  vide o  fr am es,  from   wh ic h  a   a ppropr ia te   featu re  s et   can   be   e xtra ct ed  a nd  c on se qu e ntly   sup plied  as   in put  to   t he  fac e   recog nizer. As   su c h,  t he  ef fici ency o f  trac ki ng  directl y co ntr ols the  am biti o us  t o  ide ntify s ubj ect s i n vide o.     F ace  tracki ng  has  rec ei ve d  s pecial   at te ntion   in  t he  visi on  com m un it y  [6 ] .  Exact  trac kin g  is  not  easy   because   of  c ha ng i ng  ap peara nce  of   ta r gets  du e   to  thei r  non  ri gid   st ru ct ure,  3D  m otion ,  interface  with  oth e r   obj ect s   an d  ch ang e s  i n  t he  e nv i ronm ent  li ke  li gh ti ng   va ri at ion s.   T his  m et hod  detect s  hu m an  face  by   the   geo m et ric  connecti ons  betwe en' s  area  of  fac e  an d  hairs  i n  each  e dg e   of  a   vid e o  do c um e nt  [ 7].  Desira bl e  face   reg i on s  ca n  be  fig ur e  ou t  us in g  the  ra nge  of  s kin   c olo r  i n  ord er  to  at   first  co nf i ne  the  face ,  besides ,  the  plausib l e   sq ua res  i n  a n  im age  outl ine  a re  dicta te d  by  m et ho ds   f or   s pe ct ru m s.  Con s olidate d  s kin  a nd   squa res  c oncl ud e   app li cant  face   areas  in  li gh t  of   the  geo m et ric  connecti on.  The  sta ge   connecti on  m ov e m ent  est i m at ion   cal culat ion   for  the  m os t  par t  use d  to  l ooks   at   the  su cce ssive  edg e s  in  a  vid e o  ar ra ng em ent  to  gro up  face s  that   are  in   m ov em e nt  an d  t rack  the   hum an  appear ances  from   the  vid e o  record .  W it h  10f ps   fr a m e  rate,  the  e ffi ci ency   of  sin gle - face  t rack i ng  is  a ppr ox im at el y  cl os er  to   10 0%.  Vi de o  incl ud es   m or e   num ber   of  datas  tha n  im a ges  [8 ] .  An  im m ediat e  m et ho d  to   deal  with   si ng le   vie w  rec ordin gs  is  to   e xp l oit  the   inf or m at ion   e xc ess  a nd  perfor m   see   determ inati on .   On e   hypotheti cal ly   con cei va ble  a rr a ngem e nt  is   to   a pp ly   a   bri ghte ni ng  st and a r dizat io n  s trat egy   to  restrict   the   l igh t  va riet ie s  im pact  bef ore  t rack i ng.  In  a ny  case,   this   isn' t  a  powe rful  a rrang em ent  in   li gh t   of   the  fact  that  th e  br i gh te ning  s ta nd a rd iz at io n  cal culat ion s  not  per f orm   well   in  low  res olu ti on   face  im ages.  Mor e   cal culat ion s  were  c reated  for  diff e re nt a pp li c at ion s a nd  util iz ed u ns ucce ssf ully . In  a ny cas e, these  calc ula ti on s   are  ver y  t rou bl esom e  and   di ff ic ult  t o  face   the  c onti nuou s  prere quisi te s  of  s pecific  fra m e - rate.  T hu s,  the  pro po se d  ca n  be  m os t  li kely  trans planted  t o  an  em bedde d  f ram ewo r k,   li ke  the  em erg ing   li tt le   ro bot   to  do  dynam ic  f ace d et ect ion  a nd tr ackin g.       2.   PROP OSE D MET HO DOL OGY   In   t his  w ork  w e  en deavor e d  t o  co nsoli date  t he  face  t rack i ng  an d  recog niti on.  First  t he  de colo rin g  is  done   in   that   ba ckgr ound  le a rni ng  a nd  obj ect   d et ect ion  is   do ne  sim ultaneousl y.  I n  ge nuine   recordi ngs,   the   f ront    obj ect s   ge ne rall y  are  sm all  pa ckag e s.   I n  this  m ann er ,  neig hbori ng   areas   ought  t o  be   c hosen   to   be   recog nized .   An  im age  or   a   fr am e  is  ca ptu r ed   f ro m   a  real - tim e  vid eo   s ou rce   [ 9]   .T he n  the   face   re gion   is  detect ed   a nd   afte r  that t he dete ct ed face i s se nt for rec ogniti on  us in g Viola - Jones al gorithm ,  as sho wn in Fi gure  1 .           Figure  1 .  Bl oc k Diag ram  o f  P rop os ed  Syste m   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Multi mod al ve rg e f or  sc ale  and p os e  va ri ant real ti me  f ace  trackin g a nd r ecognit ion  ( G.  Ra mkum ar )   667   Ther e     are    3    ke y  strides    f or    m achine - c on t r olled    vid e o    e xam inati on     s uc h    as    i den ti fica ti on ,  trac king  and  r eco gnit ion .   I n  t he  i niti al   ste p,  obj ect   id entifi cat ion  ta r gets  t o  trace   a nd  sect i on  no te worthy  quest io ns   i n  a   vid e o.  At   that   point,   that   it em s  can  be   f ol lowe d  from   edg e   to   e dg e ,  a nd  the   trac ks  can  be   prom pted  t o    per cei ve  obj ect   Be ha vior. A cc ordin gly, o bjec t  assum es  an  i ndispe ns a ble p a rt  in   pract ic al   usa nces   [ 10 ] .   O bj ect   detect ion   i n  a  vid e o  is  ge neral ly   acco m plis hed   by  ob j ect   identifie r  or  ba ckg r ound  subtr act ion   pr ocedu res.  I n  this,  we  te nd  t o  dem on strat e   that  the  ab ove  diff ic ulti es  can  be  te nd e d  t o  in  a  unifie d  fr am ewo r k  w hi ch  is     cal l  it   as  sle ut hin g  Co ntig uous  O utli ers  i nto   t he  lo w - r ank  il lustrati on  (D EC OL OR ).   T his  c onstr uction  coor din at es  obj ect   identific at ion  an d  backg round  le ar ning  i nt o  a  s olit ary  procedu re  of  in c orp or at io n,   a nd   it   can  natu rall y  m od e l com plica te d  backg rou nd and a vo i d  the  c om pl ic at ed  com pu ta ti on  of for egro und  m otion   [11].    An  obj ect   locat or  is  r ou ti nely   a  cl assifi er   that   outp uts   the   pic ture   by   a  sli ding  wind ow  a nd  nam es  each   su b  pictu re  por tray ed  by  t he  window  as  ei th er  quest io n  or   s ta rt  of   a   vi deo.  The n  agai n,   ba ckgr ound  s ub tr act ion   syst e m  co ntras ts t he  im ages  with a  fo undation m od el  a nd fi nd s  the  pr ogre ssion s  as  artic le s. It   re gula rly   exp ec t   that  no   obj ect   s hows   up   in   im ages  w hen  assem bling  the  bac kgr ound  dis play .  S uc h  a rr a ngem e nts  of   fun dam ental s  cases  f or  obj e ct   or  backg rou nd  m od el ing  a bs ol utely   re duce  the   ap plica ti on  of  a bove - noti ced   te chn iq ues   in  m echan iz ed  vi deo  exam inat i on.  F reque ntly ,  an   ob j ect   de te ct or   hav e   to   nee d  to  phys ic al ly  qu al ifie d  case s   f or  pre par e   a  bin a ry  cl assifi er,  w hen  backgro und  s ubtrac ti on   requires   a   prepa rati on  groupin g  that  ha s  no  obje ct s  to   de velo p  a  bac kgr ound   m od el   [12].  To   preset   t he  e xplorati on,   o bject   identific at ion  without   an  in div i du al   prepa rin g  sta ge  trans form   into  a  sig nificant  e r rand.   I nd i vidu al s  ha ve  e nd ea vore d  to   ha ndle   this   op e rati on  by   ut il iz ing   m ov em ent  data.   E xam inati on s  on   bo t h  sim ulate d   in form at ion   a nd  real  a rr a ng e m ents  dem on strat es  t hat  D ECOL O R  excee d  the   be st  in  cl ass  te c hn i qu e s  a nd  it   can  wor k  producti vely   on  a n  ou t  sco pe   of com plex  sit uations , as  s hown in Fi gure  2 .           Figure  2 .  Dec ol or in g process   from  the input  vid e o       The  ne xt  ste p  -   highli ght  extracti on - i nclu des  reali zi ng  appr opriat e  fa ci al   hig hlig hts   from   the   inf or m at ion .  T hese h ig hlig hts   co uld be  s peci fic  face   re gion s,  var ie ti es,  e dges,   w hich   ca n  be   hum an  sig ni ficant  or   non  si gn ific ant.  T his  area  ha s  so m e  diff ere nt  u sa nces  li ke  facial   featur e  t r ackin g  or  feeli ng   rec ogniti on   [13].  Finall y,  the   f ra m ewo r k  disti nguis hes   the   fac e.  I n  an   ac knowle dgm ent  under ta king,   the   f ram ewo rk  wou ld  report   a  integ rity   fro m   a  database.  Gabo r  highli ghts  extricat e  l oc al   bits of  d at a w hic h  a r e fin al ly   m erg e  to   ide ntify  a n  obj ect   or local e of intri gu e  [1 4].    The   pri m ary  find i ng  was   the   dynam ic   conne ct ion  en gin ee ri ng  wh ic h  prese nted   Gabor  j et   idea.   A   set   of  Gabor  te m plate s  with   var i ous   f reque ncies  and  i ntrod uctio ns  m igh t  be   us e fu l   f or  e xtracts   t he  es sentia l  fe at ur es  from   an  pictur e.  Util iz at ion   of  Ga bor  filt ers   in  feat ur e  e xtr act ion   ca n  be  def e nded  by  orga nic  disc ove ries  in  visio n  fr am ew orks,   c omm on   picture  sta ti sti cs  and   ac hieve m ent  in  pr e vaili ng   a pp li cat io ns  [15].  Re fine m ent  of  their  dete rm in at ion   an d  c onve nience  a dvan ces  their  use   a dd it io nally   in  up c om ing   ap pl ic at ion s.  Gabo r  f il te rs   le ads  a n  im po r ta nt  r ole  i n  th e   ap plica ti on  of   com pu te r   visi on,  m or e  pract ic al   is  due  t o  t heir  su cce ss  i n  face   detect ion, rec ogniti on, a nd all  the  bio m et ric t echn i qu e s. Fea ture  e xtracti on  us in g ga bor  te m pla te  is g ive n by     Ψ  (x,  y )   = f  2   π β  α e − (   f 2   β 2   x  02   + f   2   α 2   y  02   )  e  j 2π f x     X 0   =  x  c os   θ +  y si n  θ   Y 0   = − x  si n  θ  +  y cos  θ   wh e re     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   1 3 , N o.   2 ,  Fe bru ary  201 9   :   665   –   670   668   f  -- ce ntral fre quency  of the  tem pla te ,   θ  –   De gr ee  of t he rotat io n  a ngle ,   β  –   Ma jor  ax is  (b a ndwi dth )  and    α  –   Mi nor  ax is   (sh a r pn ess )     Asp e ct   rati o  of  the   ga us sia n  f un ct io n  is   gi ven  by  α /γ .  F r equ e ncy  do m ai n  f unct ion  f or  the  giv e n    form  is     Ψ(a,  b) = e −  π 2 f 2   (β 2   (aꞌ− f)   2+  α  2   bꞌ 2 )     aꞌ = a c os  θ  +  b si nθ   bꞌ=  −a  sin θ  +  b  c os  θ     U ti li zi ng   a  cl assifi er,  as  basi c  as  Ga us sia n  m ixtur e  m od el s  in  the  facial   featur e  m od el s   in  the  facial   com po ne nt  us e d  t o  disti nguis h  a nd  per cei ve   com plex  ge nuine  or  ol d  st ru c tures   in   im ages .  Face   rec ognit ion  is   a  quic kly  gro w ing  up   in novat ion ,   gen e rall y  uti li zed  as  a  pa rt  of   crim inal  reco gniz able   pr oof,  sec ur e d  ac cess,   and  ja il   secu rity   [16].  T he  m achine   le arn i ng  and  PC  desi gns  gro ups  a re  li kew ise   co ntin uous ly   as so ci at e d  with  face  recog niti on .  M or e over ,  t her e   are   a  m ore  num ber   of  business ,  sec uri ti es  re qu iri ng  t he  util iz at ion   of  fa ce  recog niti on  te chnolo gies.   Fac e  rec ogniti on  has   intri gu e d  m uch   co ns ide r at ion   an d  it s  e xp l or at io n  ha s  rap i dly   sp rea d o ut b y e ng i neer s  as  we ll  as n e uroscie ntist s   The  sam ple  vi deo  is  gi ve n  as   input.   T he  m ajor  ste p  in   pre - processi ng   is   the  in put  vi deo  is  conve rted   into  fr am es.  L ikewise  t o  e nhance  th e  pictu re  to   gua ran te e  the  acc om pli sh m ent  of   f ur t her  proce dures .  (i.e )   enh a ncin g  c ontrast ,  e vacu at in g  no ise ,   ide ntif yi ng   the  data  richar eas   [ 17 ] .  F ro m   the  input  vid e o,   at   eac h  fr am e  the  bac kgrou nd  va ries  sli gh tl y.  T hese   bac kg rou nd s   a re   co nsi der e d  as   n,  n+ 1. . ....s uch  generate d  ba ck gro unds  in   each  fr am e  is  note d  a nd  recor ded  he re.T he  i m ages  of  the   pe rsons  we  are  t rack i ng  will   be   store d  i n  the   da ta base .   So   t hat   the   te s t  i m age  is  c om par ed  with   t he  ref e ren c e  i m ages  sto red  and  the   trac kin g  is  done .  In  Ad a ptive  backg rou nd   s ubtract io n,   the  backg rou nd   of  each  f ram es  (i.e)  n,   n+1,... in  a  vid e o  is  su bt racted  on l y  the  backg rou nd s  a lon e  a re  sep ar at ed  so   t hat  th e  per s on/o b j e c t  can  tracke d  dow n  easi ly .  It  com par es  the  i m ages   with  a   bac kground   dem on str a te   an d  ide ntifie s  the   a dju stm ents  i n  obj ect   [18].  M orp ho l og ic al   filt erin g  is  for   enh a ncin g  the   im age  su c h  as  s m oo thing  or  sim pl ific at ion ,  noise   s uppressi on.   Ma jorly  it   c ontrib u te s  i n  re m ov ing  the  a rtifact s  (noise)   that   are   i ntr oduce d  w hile  pr ocessin g  th e  im age.  T he  a ct ual  im age  wa s  init ia ll y  cha nged   t o  RGB - CbC rCg  colo r  s pace.  At  that  po i nt  the  s kin   el em e nts  we re  div i de d  in   vie w  of   the  pros pecti ve  s ki n  detect ion   syst e m   po rtrayed  be foreh a nd.  T he refor e  m orpholo gical   sifti ng  w as  c onnect ed  to  dec rease   false  po sit ives . Atl ast  the f ace  det ect ion   recog nized uti li zi ng   Viol a - Jones  f ace  de te ct or .   The  propose d  wor k  f or   t he   face  detect io n  are  im ple m ented  by  Ma tl ab  s of twa re.  No te   that  t he   m or p holo gical   operat or s   we re  act ualiz e d  util iz ing   the   c apacit ie s  (im e rode  a nd  im fill )  w orke d  in   Im age  Pr oc essin g  T oolb ox,  w hile  V iola - Jones  al gorithm   was  giv e n  by  C om pu te r  Visio n  Syst em   Too lb ox.  F r om   the  al gorithm   we  us e,   DECOL O R  w her e   t he  backg rou nd  is   ap pro x im at e  by  th e  l ow  ra nk  m at rix  [ 19 ] .  Th e  per s on/o bj ect   f ro m   the  i m age  is  segm ented  to   track.  Faci al   im age  extracti on  pr ov i des  the  f eat ur es  of   t he  tr acked   per s on.   I f  t he  i nput  data  is   to o  la r ge,  the n  it   c an  be   it   can   be  change d  i nto  a  dim inished  ar r ang em ent  o f   fe at ur e s .     Gen e rall y  the   e xtracted   featu r es  c on ta in   a ppli cable  in form ation  f ro m   the   in pu t;   with   the   goal   t hat  the   favor e d  un der t akin g  sho uld  be   possi ble  by  util iz ing   t his  r edu ce d  re prese ntati on  rat her  t han  the   e ntire   init ia l   data.  T he   te st  im age  is  c onve r te d  int o  gr ay   sc al e  in  orde r  to   process   it   in   thi s  ste p.  In  this,   t he  data  base   is  trai ned   to  identify   the   per s on  we   are   trackin g  by  pro vid i ng   t he  im ages  that  are   store d  [ 20] .  I n  kn ow le dg e   ba se  th e   wh e re   im ages  are  st or e d  an d  w he re  we   c om par e  the   te st  im a ge  an d  t he n  t hey  pro vide   the   re su lt   w hethe r  it   m at ches  with  t he  database   im age  or  not.  Fin al ly   the  face  of  the  trac ke d  pe rson  is   rec ogni sed  a nd  prov i de s  the   authe ntica ti on  if  the   im age  m at ches  with   th e  im age  puta w ay   in   dataset .   I f  both   im ages  are  c oor din at e d,  th e   acce ss is c on ce ded. Else t he  a ccess wil l be  denied t o  th e s pe ci fic p e rson.       3.   SIMULATI O N RESULTS   AND  PE RF O RMA NC E  A NAYSI S   The  im pr oved   form   i m ple ments  an   ar rang e m ent  of   c ha nnel s  sel f - com par at ive,  i.e .  m easur e d  a nd   tur ned v a riants  o f  each  o t her,  insp i te   of  t he  r ecurrence  f an d or ie ntati on  θ .  G a bor feat ure s,  al lu ded  t o  as  G a bor   j et ,  m ulti - reso l ution  Gabo r  fe at ur e,   are   de ve lop e d  from   rea ct ion s   of  Ga bor  filt ers  in   th e  above   co ndit io ns   by  util iz ing   num erous  c ha nn el s  on  fe w  fr e qu e ncies  f m    an d  or ie ntati on s  θ n.  Crude  featu re s  are  t he  c omple x  est ee m ed  react ion s  of a n  a rr a ng em ent of m ulti  d et erm inati on   Gabo r  c hann el s as lit  u p i n  Figure  3.        Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Multi mod al ve rg e f or  sc ale  and p os e  va ri ant real ti me  f ace  trackin g a nd r ecognit ion  ( G.  Ra mkum ar )   669       Figure  3 .  Ga bo r  Feat ur e  Extr a ct ion       4.   CONCL US I O N    In  ou r  wor k,   we  pro posed   a n  a ppr oach  f or   face   rec ogniti on  by  integ rati ng  gabor  feat ure  e xtracti on   te chn iq ue   with   vi ola  jo nes  al gorithm .  W e  a dd it io nally   pro po s ed   an   al go rithm   fo r   trac king  t o  c on t rol   th e   highli gh t  ca pturin g  i n  a  cam era arran gem ent  set ti ng .   T her e  i s m os t l ikely  a  sing le  f ace , or   if the re  are   different   faces,   the   bi ggest   will   be  t he  pr i nciple  us e r  of  the   c om pu te r  a nd  t he  one  of  i ntrigue.   T herefo re,   we   ca n  li m it   our   detect ion  proc ess  t o  a   si ng le   face  a nd   quit   prepa rin g  once   a  sin gle   face   is   f oun d.  We   s howe d  the   e xec ution  of   our  w ork   on   a  m od eratel y  uncon t ro ll ed   m ult i - visio n  vid e o  database .   In  Ta ble  1 ,   t his   exec ution  ou t perfor m s  the   tradit ion al  alg ori thm s o n m ult i m od al  v i deo  m et ho dolo gies  interm s o f  a cc ur acy ,  s peed, e ff ic ie ncy a nd it  works   adequat el y o n extensi ve varie ty  o f  sec uri ty  an d su r veill ance  purp os es .       Table  1.   O ver a ll   Perfor m ance   Metho d   Accurac y   Sp eed   Ef f icien cy   LPP   5 6 .1%   5 8 .8%   6 5 .9%   LDA   3 7 .3%   4 0 .6%   4 7 .4%   SH - PCA   4 0 .7%   3 9 .3%   5 2 .2%   Prop o sed   6 5 .3%   7 9 .2%   8 7 .3%       REFERE NCE S    [1]     Feife i   Zha ng  et   al .   P o s e - r o b u s t   f e a t u r e   l e a r n i n g   f o r   f a c i a l   e x p r e s s i o n   r e c o g n i t i o n ,   F r o n t i e r s   o f   C o m p u t e r   S c i e n c e ,  2016,   Vol   10,   Iss ue  5,   pp  832 - 84 4.   [2]     G.Ra m kum ar,   E . Loga shanm uga m   “   Hy br id  Fra m ework  for  detec t ion  of  hum a n  face  b ase d  on   haa r - li ke   fe at ur e ”   Inte rnati onal   Jo urnal  of Engi ne e ring  &   Technol ogy ,   7   (3)   2018,   1 786 - 1790   [3]     X.  Li,  D.   L i,   Z.  Yang  and  W .   C hen,   "A   Pa tc h - B ase d  Sal ie nc y   D et e ct ion   Method   for  As sess ing  t he  Visual   Priva c y   Le ve ls of   Obje cts   in   Photos , "  in   I EE E   A ccess ,   201 7,   vo l. 5, pp .   243 32 - 24343, .   doi :  10. 1109/ACCESS . 2017. 2767622 .   [4]     Chani ntorn   Jit taw iriy anukoon   “ Propos ed  a lgori th m   for  imag e  class ifi cation   using  r egr ession - base d   pre - proc essing   a nd  rec ogni ti on  m od el s”  In te rnationa l  journal   of El ec t rical   and   Computer  Eng ine ering   ( IJE CE)   Vol  9  No.  2   2018.   [5]     C.   A .   Cornea nu ,   M.  O.   Sim ón,   J.  F.  Cohn   and  S.  E.  Guerrero,  "S urve y   on   RGB,  3D,   The rm al,   and  Mul ti m oda l   Approac hes  for   Fac ial  Expre ss ion  R ec ogni ti on :  Histor y ,   Tr en ds,  and   Affect - Rel ated  Appli cations, "   in   IE EE   Tr ansacti ons on Patt ern   Analysis and  Mac h ine In te ll ige n ce ,   2016 ,   vol. 38, no. 8, p p.   1548 - 1568 .   [6]     Agung  Nugroho  et   a l  ”   Com par is on  Anal y sis  of   Gait  Cla ss ifica t ion   For  Hum an  Mot ion  Ide n ti fi catio n  using  Embedd ed  Com pute r ”   Int ernati onal journal of Electric al   and   Computer  Eng i nee ring ( IJE C E)   Vol  8   No.  6   201 8.   [7]     M.   Du,   A.   C .   Sankar an aray a nan   and   R .   Chellap pa,  "Robus t  Fa c e  R ec ogni ti on   F rom   Multi - vi ew  Videos, "  in   IEEE   Tr ansacti ons on Im age  Proc essing ,   2014 ,   vol .   23 ,   no.   3 ,   pp .   1105 - 1117.   [8]     G.  Ramkum ar,   E.   Loga shanm u gam,  "A n  eff ec t ual   f ace  tr ac ki n g  base d  on   tr an sform ed  al gorit h m   using  compos it e  m ask ,"   2016   IE EE   In te rnationa l  Conf ere nce  on   Computati ona l   Intelli g ence  an d  Computing  R ese arch  ( ICCIC) ,  Chenna i ,   2016 ,   pp.   1 - 5. .   [9]     Eng - jon   et  a l, Ro bust  Facial   Fea t ure   Tracki ng   Us ing  Shap e - Constrai ned   Mult ire so lut ion - Sel ecte d   Li ne ar  Pred ic to r s   Patt ern   Anal y sis   and  Ma chi n e  In t el li g ence,  IEEE T rans act ions   on     2011,   (Volum e:33 ,     Iss ue: 9   )   [10]     X.  Chai,  S.  Shan ,   X.  Chen ,   W .   Ga o,   “ Loc a lly   li ne a r  reg ression  forp ose - inva ri ant   f ace  re cogni t ion, ”   I EE E  Tr ans.  Ima ge  Proce ss . ,   2007,   vol.   16 ,   no .   7 ,   pp .   1716 – 1725 .     [11]     Fabi an  Parsia  G eorge   et  al  “ Recogniti on  of  emot iona l  st at es  usin g  EE G  signa ls  ba sed  on  ti m e - fre q uency   an aly sis  a nd  SV M c la ss ifi er”  Inte rnational   jou rnal  of El e ct ri ca l  and  Comput er  Engi ne ering  ( IJ ECE )   Vol  9  No.   2  2018 .   [12]     S.  Li,   X.   Li u ,   X .   Ch ai ,   H.   Zh an g,   S.   L ao,  S.   Shan,   “ Morphable  displa c ement  f ield  base d  image  m at chi ng   for  f ace   rec ogni ti on  ac ro ss   pose, ” in  Pro c .   Eur .   Conf .   Co mput.   V is. ,   2012 ,   pp.   102 – 115.   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   1 3 , N o.   2 ,  Fe bru ary  201 9   :   665   –   670   670   [13]     R.   W ang,  S.   Sha n,   X.   Chen ,   G .   W en,  “ Manifol d - m ani fold   dista n ce  w it h  app li c ation  to  fa ce  re cogni t i on  base d   on  image  set, ”   in   Proc .   I E EE   Con f. Comput.   Vi s.   Pattern  R ec ogni t. , 2008 ,     p p.   1 – 8.   [14]     G.  Aggarwal ,   A.  K.  Ro y - Cho wdhur y ,   R .   Ch el l appa ,   “ A  s y stem  ide nt ifi c ati on  appr oa ch  fo r  vide o - bas ed  f ac e  rec ogni ti on, ” in  Proc.   In t. C onf .   Pat te rn   Recogni t . ,   2004 ,   pp.   175 – 178.   [15]     Fan  Ou  e t  al.,  Evalua ti on   an d  Select ion  of   Discriminat ing   Gabor  Fea ture s   for  Fa ce  Re co gnit ion   Autom at ic  Ide nti f ic a ti on   Advanc ed   T ec hno logi es,   IE EE   Wo rkshop   2007   [16]     Kam ara ine n ,   Ma chi ne   Vision  &   Patt ern   Rec ogn ition  L ab . ,   ( LUT  Kouvola) ,   La pp ee m ran ta,  Fin la n d  Gbor  fe at ure   i n     image  an aly sis 2 012,   15 - 18   IEEE   2154 - 5111   [17]     G.  Ramkum ar,   E .   Loga sh anmugam ,   "S tud y   on  im pulsive   assess m ent   of  chr onic   p a in  cor re lated  ex p ressions  in  facia l  images”   B iomed ic al   Re search   -   2 018,   Volum e  29 ,   Iss ue  16   [18]     Y a n m e i   W a n g   e t   a l . ,   “ F a c i a l   r e c o g n t i o n   b a s e d   o n   k e r n a l   P A C “  T h i r d   i n t e r n a t i o n a l   C o n f e r e n c e   on   Inte lligent   Ne two rks   and   Intelli g e nt   Syst ems 2010 ,   978 - 0 - 7695 - 424 9 -   2/10  I EEE   [19]     Guan  Chun  Luh.,  Fa ce  detec t ion  using  combinati on  of  sk in   co lor  pixe l   detec ti on   a nd  viola - jone s   fa ce   d etec tor ,   201 4  978 - 1 - 4799 - 4215 - 2/14/ $31. 00 ,   I EE E   [20]     Ming  Du,  As win  C.   S ank ara n ar a y ana n   Rama  ch el l appa .   Robust  fac e   re cogni t ion  from   Multi vie w  Videos  ©  2014 ,   P   No.  1105  –   1117   Doi   10 . 1109/T I P.2014. 2300812   IEE E .       BIOGR AP HI ES OF  A UTH ORS        G.  R amkum ar   is   cur r emtl y   worki ng  as   an   As sista nt  Profess or   in   J eppi a ar   Maa m alan  Engi n ee ring  Coll ege,  Ch enn ai .   He  h as  com ple t ed  his  B ac h el or  Degr ee  in   El e ct roni cs  and   Com m unic at ion   Engi ne eri ng  fro m   Sath y ab ama   Instit ute  of  Sci enc e   and  Te ch nolog y   in  th e  y e ar  2009  and   Master ’s   in   VLS I D esign   from   S at h y ab ama Ins t itute   of   Scie n ce  a nd  T ec hnolog y   i n  th e   y ea r   2012 .   He  is   pursuing   h is  Ph.D   in   Sath yaba m a   Instit u te  of  Sci ence  and   T ec hnolog y .   H is  r ese arc h   area   is  image  pr oc essin g.   He   has  Sev eral  publica ti ons i n   Nati ona l  /   Int ern at ion al   Journa ls  /Confe ren ce s           Dr.  E .   Loga shan m ugam,  Dire c tor   Adm ini strat i on,   Depa rtment   of   E le c troni cs   and   C om m unic at ion,   has  completed  hi s  Bac hel o r  Degr ee   in   Elec troni cs  and  Com m unic at ion  Eng ine e ring   from   Madura i   Kam ara ja r   Univ ersity   in   th e   y e ar   1991   and   Mast e r’s     in   E lectr oni c s  Engi n ee r ing   fr om   MIT  Anna  Univer sit y   in   th e  y e ar   2002 .   He   re ceive d   his   Ph . D  from   Sath y a bama  Insti tute   o f  Sci ence   and  Te chno log y   in  t he  y e ar   2009. H e  jo ine d   as  a   L ec tur er  in  Sa th yaba m a  Inst it ut e  of  Scie n ce  and  Te chno log y   in  t he  y ea r   1995.   His  rese arc h  intere sts  are  vide o   signal   proc essing,   Embedde d   S y stems ,   Im age  Proce ss ing  e tc.,  He  has   Sever al  r ese arc h   publ ications   in  N at ion al  /   Int ern ational  Journals  /Confe r enc es         Evaluation Warning : The document was created with Spire.PDF for Python.