[論文レビュー] Extraction of Facial Feature Points Using Cumulative Histogram

Sushil Kumar Paul, Mohammad Shorif Uddin+1 more|arXiv (Cornell University)|Mar 15, 2012

Face recognition and analysis参考文献 17被引用数 15

ひとこと要約

本稿では、累積ヒストグラムを用いた動的しきい値処理を用いて、前面顔画像における目、眉、鼻、口の端などの顔特徴点の自動抽出のための適応的アルゴリズムを提案する。領域固有の累積ヒストグラムから得られるしきい値処理済みフィルタリング画像に対して連結成分解析と輪郭検出を適用することで、照明の変化や表情の違いがある状況下でもBioIDデータベースで平均95.27%の成功率を達成した。

ABSTRACT

This paper proposes a novel adaptive algorithm to extract facial feature points automatically such as eyebrows corners, eyes corners, nostrils, nose tip, and mouth corners in frontal view faces, which is based on cumulative histogram approach by varying different threshold values. At first, the method adopts the Viola-Jones face detector to detect the location of face and also crops the face region in an image. From the concept of the human face structure, the six relevant regions such as right eyebrow, left eyebrow, right eye, left eye, nose, and mouth areas are cropped in a face image. Then the histogram of each cropped relevant region is computed and its cumulative histogram value is employed by varying different threshold values to create a new filtering image in an adaptive way. The connected component of interested area for each relevant filtering image is indicated our respective feature region. A simple linear search algorithm for eyebrows, eyes and mouth filtering images and contour algorithm for nose filtering image are applied to extract our desired corner points automatically. The method was tested on a large BioID frontal face database in different illuminations, expressions and lighting conditions and the experimental results have achieved average success rates of 95.27%.

研究の動機と目的

• 前面顔画像におけるキーフェイシャル特徴点の自動的かつ適応的な抽出手法の開発を目的とする。
• 照明の変化、表情の違い、画像品質のばらつきに対する耐性の向上を目的とする。
• 領域固有のフィルタリングに累積ヒストグラム解析と可変しきい値を活用することを目的とする。
• 目、眉、鼻、口の端の位置特定において高い正確性を達成することを目的とする。
• 複雑なランドマーク検出モデルに対する計算効率の高い代替手法を提供することを目的とする。

提案手法

• 入力画像から顔領域を局所化・切り出しするために、Viola-Jones顔検出器が使用される。
• 顔を右眉、左眉、右目、左目、鼻、口の6つの関連領域に分割する。
• 各領域について、ヒストグラムが計算され、累積ヒストグラムに変換された後、動的しきい値処理が施されフィルタリング画像が生成される。
• 目、眉、口のフィルタリング画像に連結成分解析が適用され、特徴領域が特定される。
• 鼻領域には、輪郭に基づくアルゴリズムが用いられ、鼻先と側面の点が検出される。
• 目、眉、口のフィルタリング画像におけるコーナー点の特定に、単純な線形探索アルゴリズムが使用される。

実験結果

リサーチクエスチョン

• RQ1 多様な照明条件下でも、動的しきい値処理を施した累積ヒストグラム解析によって、顔特徴点を信頼性高く抽出できるか？
• RQ2 本手法は、既存の手法と比較して、表情の違いに対する正確性と耐性に優れているか？
• RQ3 領域固有のフィルタリングを用いることで、特徴点の局所化精度がどの程度向上するか？
• RQ4 本手法は、リアルタイム応用に十分な計算効率を備えているか？
• RQ5 本アルゴリズムは、多様な顔の構造や画像品質レベルに一般化可能か？

主な発見

• 提案手法は、BioID前面顔データベースにおいて平均95.27%の成功率を達成した。
• 本アルゴリズムは、多様な照明条件や表情の違いに対しても、優れた性能を示した。
• 累積ヒストグラムへの動的しきい値処理の適用により、ノイズ耐性と特徴のコントラストが向上した。
• 連結成分解析により、目、眉、口の端の候補領域が効果的に分離された。
• 鼻領域における輪郭ベースのアプローチにより、鼻先と側面の点が正常に検出された。
• 照明変動下でも、ベースライン手法と比較して正確性と安定性に優れた性能を示した。