I Face Detection And Recognition System author: Mukund Agarwal supervisor: Professor Nishan Canagarajah Project Thesis submitted in support of the Degree of Bachelor of Engineering in Electronic and Communications Engineering

29 
9 . 5 F a c e R e c o g n i t i o n
Another test script was written to test the face recognition module on the AT&T database and 
also some other sets added. These results were also published to HTML files by MATLAB®. Out 
of 420 faces, 396 were recognised successfully by the module. This means that the module 
yields a 94% face recognition rate on profile photos.
The faces which weren’t recognised correctly were mostly those with severe variation in the 
lighting condition. Also in some of the false negative cases the difference in the face 
expression was large enough to confuse the algorithm.
Figure 30 below shows some of the results of this test. 
Figure 30 Eight face recognition results including two false recognitions 

---

Mukund Agarwal 
Face Detection & Recognition System 
30 
This method performance has already been evaluated by FERET as shown in figure 12 and 13. 
The profile shot performance is the main concern to this system as the face detection module 
can only pass faces with less than 30-40° of variation as seen by the results in section 9.4. 
9 . 6 F i n a l S y s t e m
After all individual modules were tested the whole system was tested. There were following 
three tests conducted: 
1.
Adding a new subject 
2.
Recognising a face 
3.
Unrecognised face
9.6.1 Adding a new subject scenario 
This is to test the modification introduced in section 8.5. As described, after the user clicks on 
the ‘ADD’ button the shots of the faces are taken. The user is prompted in the MATLAB® 
command window to enter the new face name. As we can see from figure 31 the shots taken 
are loaded in the photo strip. 
Figure 31 System showing the photo strip containing last 10 faces added in the database