[論文レビュー] A Smart Security System with Face Recognition

Trung Nguyen, Barth Lakshmanan+1 more|arXiv (Cornell University)|Dec 3, 2018

Face recognition and analysis参考文献 19被引用数 7

ひとこと要約

本論文では、増分学習を用いた顔認識により、時間経過とともに精度を向上させるスマートホームセキュリティシステム（SoF）を提案する。TensorFlowを活用し、ソーシャルメディアや人為ラベル付けされた未知の顔データを用いて学習を行い、93.18%の精度を達成した。これは、スケーラブルで、適応的かつプライバシーに配慮した実世界への展開に適したソリューションを示している。

ABSTRACT

Web-based technology has improved drastically in the past decade. As a result, security technology has become a major help to protect our daily life. In this paper, we propose a robust security based on face recognition system (SoF). In particular, we develop this system to giving access into a home for authenticated users. The classifier is trained by using a new adaptive learning method. The training data are initially collected from social networks. The accuracy of the classifier is incrementally improved as the user starts using the system. A novel method has been introduced to improve the classifier model by human interaction and social media. By using a deep learning framework - TensorFlow, it will be easy to reuse the framework to adopt with many devices and applications.

研究の動機と目的

• 使用に伴い精度が向上する、耐障害性があり適応的な顔認識システムの開発。
• 大規模なデータ収集の負担を軽減するため、公開可能なソーシャルメディアデータを活用すること。
• 人間のインタラクションと増分学習を統合することで、モデルの強靭性とユーザーのコントロールを向上させること。
• ロールベースのアクセス制御を実装することで、プライバシーとアクセス制御を確保すること。
• TensorFlowを用いてスケーラブルでデバイスに依存しないシステムを構築し、スマートフォン、組み込みデバイス、クラウドインfraストラクチャに展開可能にする。

提案手法

• システムは、ヒストグラム・オブ・オリエンテッド・グラデント特徴を用いたDlibライブラリを用いて、局所的な顔検出と認識を実行するRaspberry Piをカメラノードとして使用する。
• 顔埋め込みは、三重損失（triplet loss）を用いてTensorFlowでトレーニングされたInception-v3ベースの深層ニューラルネットワークにより抽出される。
• Facebook Graph APIを統合した新規のデータ収集パイプラインにより、ソーシャルメディアのタグ付けされた顔からデータを抽出し、手動によるデータ収集への依存度を低減する。
• システムは増分学習を実装している：新しい顔は、モバイル／Webインターフェースを通じてユーザーがラベル付けし、新規データでモデルを再トレーニングすることで精度を向上させる。
• クラウドサーバーは、QEMUを用いて複数ノード（Ubuntu、Cirros、CentOS）を構築し、最大12 VCPUおよび16GB RAMを活用した分散トレーニングを可能にしている。
• Webベースのインターフェースにより、リアルタイムのアラート、ユーザーによるラベル付け、ロールベースのアクセス制御が可能で、データはクラウドストレージに安全に保存される。

実験結果

リサーチクエスチョン

• RQ1 初期段階で大規模なデータセットを必要とせずに、顔認識システムの精度を時間経過とともに向上させる方法は何か？
• RQ2 ソーシャルメディアデータは、セキュリティシステムのトレーニングに必要なデータ収集の負担を軽減するために果たす役割は何か？
• RQ3 人間のインタラクションを学習ループに統合することで、モデルの強靭性とユーザーのコントロールをどのように向上させられるか？
• RQ4 TensorFlowなどのオープンソースフレームワークを用いて、軽量でスケーラブルなシステムを構築し、多様なデバイスに展開できるか？
• RQ5 人間が関与する増分学習は、静的モデルと比較して、精度と適応性の面でどのように異なるか？

主な発見

• 提案されたシステムは、93.18% ± 0.0140の顔認識精度を達成し、従来のエイジンフレース（60.02% ± 0.0079）を著しく上回り、人間レベルの性能に近づいた。
• ソーシャルメディアからの新規データとユーザーによるラベル付けがモデルに組み込まれるに従い、精度が継続的に向上することを実証した。
• TensorFlowを用いたトレーニング時間の最適化により、conv2dレイヤーの順伝播が135ms、逆伝播が310msと、Caffe や CuDNNベースのTorchより高速であった。
• Facebook Graph APIの活用により、タグ付けされた顔から効率的かつ大規模なデータ収集が可能になり、手動によるデータ取得作業の負担が軽減された。
• ロールベースのアクセス制御をサポートしており、ゲスト、子供、管理者といった異なる権限レベルを設定でき、プライバシーと安全性が向上した。
• クラウドベースの分散トレーニングの統合により、スケーラブルなモデル再トレーニングが可能となり、組み込みデバイスやモバイルプラットフォームへの展開が可能になった。