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

Figure 25 A Euclidean distance graph of an incorrectly recognized face 
In figure 25, we see a scenario where the best face estimate is incorrect. There is another face 
which is pretty close to the minimum one. This can be used as an advantage to automatically 
detect false positives as normally the system will just display the closest face as the best 
estimate when it’s not even the correct person. To implement this we look at the three closest 
faces to the input face. Then a check is made if they are from the same set/directory, if they 
are not then that means that it’s an unknown face and hopefully it will be a case of ‘correct 
rejection’. (see appendix 15.1) 
0
100
200
300
400
500
600
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
x 10
8
490
500
510
520
530
540
550
560
570
580
0.5
1
1.5
2
2.5
x 10
7
X: 503
Y: 2.356e+007
X: 506
Y: 1.339e+007
X: 569
Y: 1.831e+007
X: 509
Y: 1.798e+007
Eu
cl
id
ea
n
 dis
ta
n
ce
 
Face ID 

---

Mukund Agarwal 
Face Detection & Recognition System 
26 
In summary, an average of closest matches is taken to see if they are indicating to the same 
data set.
8 . 7 ‘ O u t O f M e m o r y ’ T a c k l e
Sometimes, the software runs continuously for 4-5 minutes and after that the program 
crashes giving ‘Out of Memory’ warning. This is because when the database is loaded for the 
face recognition module, sometimes the memory can’t allocate the space required for the 
variables. The memory is constantly being used by the video acquisition device and other 
programs. 
A solution to this problem was to reduce unnecessary variables and use ‘clear’ to free memory 
after each function. This did improve the run time but still can’t prevent the crash. Currently, 
the program sometimes crashes after 10-12 minutes.