[論文レビュー] Automatic local Gabor Features extraction for face recognition

Yousra Ben Jemâa, Sana Khanfir|ArXiv.org|Jul 28, 2009

Face and Expression Recognition参考文献 17被引用数 47

ひとこと要約

本稿では、カラー画像から抽出された局所的ガボール特徴を用いた自動顔認識システムを提案する。皮膚色に基づく顔検出、特徴の局所化にためのファジィ分類、および認識に向けたガボールウェーブレット係数を組み合わせ、実験によりガボール特徴が幾何的距離を上回ることを示した。高い認識率を達成した。

ABSTRACT

We present in this paper a biometric system of face detection and recognition in color images. The face detection technique is based on skin color information and fuzzy classification. A new algorithm is proposed in order to detect automatically face features (eyes, mouth and nose) and extract their correspondent geometrical points. These fiducial points are described by sets of wavelet components which are used for recognition. To achieve the face recognition, we use neural networks and we study its performances for different inputs. We compare the two types of features used for recognition: geometric distances and Gabor coefficients which can be used either independently or jointly. This comparison shows that Gabor coefficients are more powerful than geometric distances. We show with experimental results how the importance recognition ratio makes our system an effective tool for automatic face detection and recognition.

研究の動機と目的

• カラー画像における顔検出と認識のための自動バイオメトリクスシステムの開発。
• 顔領域からの局所的ガボール特徴の抽出により認識精度の向上。
• 顔認識における幾何的距離とガボール係数の有効性の比較。
• 異なる特徴入力を用いたニューラルネットワークの性能評価。
• ガボール特徴が幾何的特徴の強力な代替手段としての可能性を実証。

提案手法

• 皮膚色セグメンテーションとファジィ分類を組み合わせて、より頑健な顔検出を実施。
• 新しいアルゴリズムを用いて、顔の特徴点（目、鼻、口）を自動的に検出し、局所化。
• 検出された特徴点の周囲のテクスチャ特徴を抽出するために、局所的ガボールウェーブレット変換を適用。
• 得られたガボール係数をニューラルネットワーク分類器の入力特徴として使用。
• 特徴点間の幾何的距離も計算し、ガボール特徴と比較。
• ガボール係数と幾何的距離の両方を入力として、ニューラルネットワークを学習およびテスト。

実験結果

リサーチクエスチョン

• RQ1 皮膚色とファジィ分類を用いて、顔の特徴の自動検出が可能か？
• RQ2 顔認識において、ガボール係数は幾何的距離に比べてどれほど効果的か？
• RQ3 ガボール特徴と幾何的特徴を組み合わせることで認識性能が向上するか？
• RQ4 ガボール特徴を用いたニューラルネットワークによる、本システムの認識精度はいかほどか？
• RQ5 ガボール特徴は、顔認識において幾何的特徴よりも優れた表現能力を有するか？

主な発見

• テストされた実験において、ガボール係数が幾何的距離を上回る高い認識精度を達成した。
• 本システムは高い認識率を示し、自動顔検出と認識の有効性を確認した。
• ガボール特徴の使用により、幾何的特徴単体よりも性能が向上した。
• ガボール係数を入力として学習したニューラルネットワークは、優れた一般化能力と頑健性を示した。
• 自動特徴抽出とガボールベースの表現の統合により、システムの信頼性が向上した。
• 認識率の観点から、本手法は幾何的距離に基づくアプローチを上回った。