[論文レビュー] Face Alignment Using Active Shape Model And Support Vector Machine

Thái Hoàng Lê, Truong Nhat Vo|arXiv (Cornell University)|Sep 27, 2012

Face recognition and analysis参考文献 8被引用数 6

ひとこと要約

本稿では、SobelおよびCannyエッジ検出を統合し、SVMを用いて正確なランドマーク分類を実施するとともに、画像サイズに応じて動的に2次元プロファイルを調整する手法を用いて、顔のアライメントにおけるアクティブシェイプモデル（ASM）を向上させた。CaltechおよびIMM-Faceデータベース上で評価した結果、古典的ASMと比較して顕著に高い精度を達成し、さまざまな画像スケールや条件下でも頑健な性能を示した。

ABSTRACT

The Active Shape Model (ASM) is one of the most popular local texture models for face alignment. It applies in many fields such as locating facial features in the image, face synthesis, etc. However, the experimental results show that the accuracy of the classical ASM for some applications is not high. This paper suggests some improvements on the classical ASM to increase the performance of the model in the application: face alignment. Four of our major improvements include: i) building a model combining Sobel filter and the 2-D profile in searching face in image; ii) applying Canny algorithm for the enhancement edge on image; iii) Support Vector Machine (SVM) is used to classify landmarks on face, in order to determine exactly location of these landmarks support for ASM; iv)automatically adjust 2-D profile in the multi-level model based on the size of the input image. The experimental results on Caltech face database and Technical University of Denmark database (imm_face) show that our proposed improvement leads to far better performance.

研究の動機と目的

• 古典的アクティブシェイプモデル（ASM）の顔のアライメント応用における精度を向上させること。
• 古典的ASMが画像スケールやテクスチャの変化に対処できない限界を解消すること。
• キーフェースシャルポイントの分類にSVMを導入することで、ランドマークの誤検出を低減すること。
• SobelおよびCannyフィルタを用いたエッジ検出を強化し、より良い初期化と精緻化を実現すること。
• 入力画像サイズに応じて、マルチレベルASMにおける2次元プロファイルのスケーリングを自動化すること。

提案手法

• Sobelフィルタによる勾配の大きさとCannyアルゴリズムによるノイズ耐性の高いエッジ強化を組み合わせたハイブリッドエッジ検出手法を採用する。
• 局所的な画像パッチに基づいてランドマーク位置を分類するためのサポートベクターマシン（SVM）を学習させ、ランドマーク予測の精度を向上させる。
• マルチレベルASMフレームワークにより、入力画像サイズに応じて2次元プロファイルの解像度を動的に調整し、アライメントの頑健性を維持する。
• 強化されたエッジとSVMによるランドマーク予測を用いて、反復的な形状の精緻化をガイドする。
• 2次元プロファイル特徴と局所画像窓からのテクスチャ情報を組み合わせることで、収束性と精度を向上させる。
• システムは、Caltechおよびデンマーク工科大学（IMM-Face）の顔データベースを用いて学習および検証された。

実験結果

リサーチクエスチョン

• RQ1 SobelおよびCannyエッジ検出の統合は、ASMの初期化および精緻化段階を改善できるか？
• RQ2 SVMベースのランドマーク分類は、従来のASM探索手法と比較して誤検出を低減できるか？
• RQ3 2次元プロファイルの動的スケーリングは、多様な入力画像サイズにおいて性能向上をもたらすか？
• RQ4 提案されたASMの変種は、ベンチマークデータセットにおいて古典的ASMと比較して、アライメント精度に優れているか？
• RQ5 テクスチャとエッジ特徴を併用することで、照明やアングルの変化に対する頑健性が向上するか？

主な発見

• 提案手法は、CaltechおよびIMM-Faceデータベースの両方において、古典的ASMよりも顕著に高いアライメント精度を達成した。
• Cannyエッジ検出の導入により、エッジの連続性が向上し、誤検出が低減した。
• SVMベースの分類により、曖昧な領域におけるランドマーク位置の誤差が低減され、より信頼性の高い予測が可能になった。
• 動的プロファイルスケーリングにより、再学習なしに異なる画像解像度でも一貫した性能を発揮した。
• SobelフィルタリングとCannyエッジ強化の組み合わせにより、ASM反復処理中の収束がより安定した。
• 強化されたASMは、実世界の顔画像において、照明の変化や表情の変化に対しても頑健であることが示された。