[論文レビュー] An Identification System Using Eye Detection Based On Wavelets And Neural Networks

Mohamed A. El-Sayed, Mohamed A. Khafagy|arXiv (Cornell University)|Jan 20, 2014

Face and Expression Recognition参考文献 8被引用数 6

ひとこと要約

本論文は、ウェーブレットに基づく特徴抽出と共役勾配で最適化されたバックプロパゲーションニューラルネットワークを用いた、眼のパターン認識によるバイオメトリクス識別システムを提案する。この手法は、さまざまな条件下で眼領域と非眼領域を分類する際、90%の正確性を達成し、マルチスケールのウェーブレット解析とニューラル分類を用いることで、眼のパターンが信頼性の高いバイオメトリクス識別子として利用可能であることを示している。

ABSTRACT

The randomness and uniqueness of human eye patterns is a major breakthrough in the search for quicker, easier and highly reliable forms of automatic human identification. It is being used extensively in security solutions. This includes access control to physical facilities, security systems and information databases, Suspect tracking, surveillance and intrusion detection and by various Intelligence agencies through out the world. We use the advantage of human eye uniqueness to identify people and approve its validity as a biometric. . Eye detection involves first extracting the eye from a digital face image, and then encoding the unique patterns of the eye in such a way that they can be compared with pre-registered eye patterns. The eye detection system consists of an automatic segmentation system that is based on the wavelet transform, and then the Wavelet analysis is used as a pre-processor for a back propagation neural network with conjugate gradient learning. The inputs to the neural network are the wavelet maxima neighborhood coefficients of face images at a particular scale. The output of the neural network is the classification of the input into an eye or non-eye region. An accuracy of 90% is observed for identifying test images under different conditions included in training stage.

研究の動機と目的

• 人間の眼の特徴的なパターンに基づいて、信頼性が高く自動化された人間識別システムを開発すること。
• 照明条件やアングルの変化がある状況下でも、顔画像における眼領域を正確に検出する課題に取り組むこと。
• セキュリティ用途におけるバイオメトリクス識別子としての眼のパターンの独自性と一貫性を検証すること。
• 統合されたフレームワーク内で、ウェーブレット変換による頑健な特徴抽出とニューラルネットワークによる分類を統合すること。

提案手法

• 顔画像からマルチスケール係数を抽出するために離散ウェーブレット変換（DWT）を用いる。特にウェーブレット最大値の近傍に注目する。
• エッジやテクスチャ特徴を強化するための前処理としてウェーブレット解析を適用し、眼領域検出に不可欠な特徴を強調する。
• 共役勾配最適化を用いたバックプロパゲーションニューラルネットワークを採用し、効率的な学習と収束性を実現する。
• 特定のスケールにおけるウェーブレット係数の近傍を、ニューラルネットワークの入力特徴として使用する。
• 抽出されたウェーブレット特徴に基づいて、画像領域を「眼」または「非眼」と分類するようにネットワークを学習させる。
• ウェーブレットに基づく特徴抽出とニューラルネットワーク分類を統合したセグメンテーションパイプラインを実装し、頑健な眼検出を実現する。

実験結果

リサーチクエスチョン

• RQ1 多様な撮影条件下でも、眼のパターンを信頼性高く抽出し、バイオメトリクス識別子として利用可能だろうか？
• RQ2 ウェーブレットに基づく特徴抽出は、眼領域検出の正確性をどの程度向上させるのか？
• RQ3 共役勾配で最適化されたニューラルネットワークは、眼検出の分類性能をどの程度改善するのか？
• RQ4 変動する条件下で、このシステムは眼領域と非眼領域を区別する際にどの程度の正確性を達成できるのか？
• RQ5 本手法は、監視やアクセス制御などの実世界の応用においても、頑健性を維持できるだろうか？

主な発見

• テスト画像において、多様な条件下で眼領域を識別する分類精度が90%に達した。
• ウェーブレットに基づく特徴抽出は、眼検出に不可欠な顕著なテクスチャおよびエッジパターンを効果的に捉えている。
• 共役勾配学習アルゴリズムにより、バックプロパゲーションニューラルネットワークの収束性と性能が向上した。
• ウェーブレット解析とニューラルネットワークの統合により、頑健で正確な眼検出パイプラインが実現された。
• 結果から、セキュリティおよび監視システムにおける眼のパターンを独自かつ信頼性のあるバイオメトリクス識別子として利用可能であることが確認された。
• トレーニングおよびテスト段階において、照明条件やアングルの変化に関わらず、一貫した性能を示した。