[論文レビュー] 2D Face Recognition System Based on Selected Gabor Filters and Linear Discriminant Analysis LDA

Samir F. Hafez, Mazen M. Selim+1 more|arXiv (Cornell University)|Mar 12, 2015

Face and Expression Recognition参考文献 20被引用数 15

ひとこと要約

本稿では、相関のない直交Gaborフィルタの選択されたサブセットを用いて特徴を抽出し、次に線形判別分析（LDA）を用いて次元削減および分類を行う2次元顔認識システムを提案する。この手法は、CASIA、ORL、およびクロップドYaleBデータベースにおいて平均98.9%の認識率を達成し、全Gaborフィルタバンクよりも効率的かつ正確である。

ABSTRACT

We present a new approach for face recognition system. The method is based on 2D face image features using subset of non-correlated and Orthogonal Gabor Filters instead of using the whole Gabor Filter Bank, then compressing the output feature vector using Linear Discriminant Analysis (LDA). The face image has been enhanced using multi stage image processing technique to normalize it and compensate for illumination variation. Experimental results show that the proposed system is effective for both dimension reduction and good recognition performance when compared to the complete Gabor filter bank. The system has been tested using CASIA, ORL and Cropped YaleB 2D face images Databases and achieved average recognition rate of 98.9 %.

研究の動機と目的

• Gaborフィルタ応答の冗長性を低減することで顔認識性能を向上させること。
• 非相関かつ直交するGaborフィルタのみを選択することで、特徴抽出の効率を向上させること。
• 線形判別分析（LDA）を用いて次元削減を行い、分類精度を向上させること。
• 段階的な画像処理を通じて顔画像を正規化し、照度の変動を補償すること。
• 標準的な2次元顔認識データベースを用いて、システムの頑健性および認識正確性を評価すること。

提案手法

• 段階的な画像処理を適用して顔画像を強化し、サイズを正規化し、照度の変動を補償する。
• 全Gaborフィルタバンクから非相関かつ直交するGaborフィルタのサブセットを選択し、テクスチャ特徴を抽出する。
• 選択されたGaborフィルタをベクトル化せずに2次元顔画像に直接適用し、空間的構造を保持する。
• Gaborフィルタリングの出力特徴ベクトルを、最良のクラス分離を達成するための線形判別分析（LDA）で圧縮する。
• 最終的な特徴表現を最近傍法分類器または類似手法を用いて分類する。
• フィルタ選択プロセスにより、冗長性を最小限に抑えつつ、判別力の高い特徴を最大化する。

実験結果

リサーチクエスチョン

• RQ1 非相関かつ直交するGaborフィルタの削減されたセットは、全Gaborフィルタバンクと比較して認識正確性を維持または向上させることができるか？
• RQ2 選択されたGabor特徴とLDAを組み合わせることで、より優れた次元削減および分類性能が得られるか？
• RQ3 提案手法は、2次元顔認識における照度の変動および画像正規化に対してどの程度効果的か？
• RQ4 CASIA、ORL、およびクロップドYaleBといった標準的なベンチマーク顔認識データベースにおけるシステムの認識正確性はいかほどか？
• RQ5 提案手法は、従来のGaborベースの手法と比較して、低い計算コストで高い認識性能を達成できるか？

主な発見

• 提案されたシステムは、CASIA、ORL、およびクロップドYaleB顔データベースにおいて平均98.9%の認識率を達成した。
• 選択されたGaborフィルタの使用により、特徴の冗長性が低減した一方で、判別性の高いテクスチャ情報が保持された。
• LDAは特徴空間を効果的に圧縮し、クラスの分離性を向上させるとともに、計算負荷を低減した。
• 認識正確性と効率性の両面で、全Gaborフィルタバンクを上回る性能を示した。
• 画像正規化技術により照度の変動が効果的に補償され、頑健性が向上した。
• 本手法は、照明やアングルの異なる多様な顔データベースに対し、優れた一般化性能を示した。