[論文レビュー] Face Detection from still and Video Images using Unsupervised Cellular Automata with K means clustering algorithm

Kiran Sree Pokkuluri, Inampudi Ramesh Babu|arXiv (Cornell University)|Dec 15, 2013

Face and Expression Recognition参考文献 1被引用数 6

ひとこと要約

本稿では、肌色領域抽出、K-meansクラスタリング、および非教師付き細胞自動機械を用いて、静止画および動画画像における顔の検出と識別を実現する非教師付きフレームワークを提案する。幾何学的特徴およびDCTベースの特徴を抽出し、RBFニューラルネットワークに投入することで、顔の向きや表情の変化に対しても頑健な検出を実現し、変動する顔のシーケンスにおいて信頼性の高い性能を示している。

ABSTRACT

Pattern recognition problem rely upon the features inherent in the pattern of images. Face detection and recognition is one of the challenging research areas in the field of computer vision. In this paper, we present a method to identify skin pixels from still and video images using skin color. Face regions are identified from this skin pixel region. Facial features such as eyes, nose and mouth are then located. Faces are recognized from color images using an RBF based neural network. Unsupervised Cellular Automata with K means clustering algorithm is used to locate different facial elements. Orientation is corrected by using eyes. Parameters like inter eye distance, nose length, mouth position, Discrete Cosine Transform (DCT) coefficients etc. are computed and used for a Radial Basis Function (RBF) based neural network. This approach reliably works for face sequence with orientation in head, expressions etc.

研究の動機と目的

• 静止画および動画画像において、顔の向きや表情の変化に対しても信頼性高く動作する頑健な顔検出システムの開発を目的とする。
• 色ベースのセグメンテーションおよびクラスタリング技術を用いて、肌色のピクセルから顔領域を特定することを目的とする。
• 非教師付き細胞自動機械およびK-meansクラスタリングを用いて、目、鼻、口といった顔の主要特徴を局所化することを目的とする。
• 識別に有用な特徴として、目同士の距離、鼻の長さ、口の位置、およびDCT係数を抽出することを目的とする。
• 抽出した特徴を用いて、径路基底関数（RBF）ニューラルネットワークを訓練し、正確な顔識別を実現することを目的とする。

提案手法

• 肌色の分布に基づく色閾値処理を用いて、カラー画像内の肌色ピクセルを検出する。
• K-meansクラスタリングを適用して、肌色ピクセルを連続した領域にグループ化し、顔の可能性のある領域を分離する。
• 非教師付き細胞自動機械を用いて、画像グリッド全体に局所ルールを伝搬させることで、顔の部品を精緻に分離・修正する。
• 細胞自動機械の空間的パターンおよびクラスタリング結果に基づき、目、鼻、口などの顔特徴を局所化する。
• 検出された特徴から、目同士の距離、鼻の長さ、口の位置、およびDCT係数を含む幾何学的およびスペクトル的特徴を計算する。
• これらの特徴を径路基底関数（RBF）ニューラルネットワークに投入し、顔識別を実行する。

実験結果

リサーチクエスチョン

• RQ1 教師なし細胞自動機械は、事前学習データが存在しない状況でも顔特徴を効果的に局所化できるか？
• RQ2 K-meansクラスタリングと細胞自動機械を組み合わせることで、皮膚領域のセグメンテーションおよび顔特徴検出がどのように向上するか？
• RQ3 幾何学的特徴およびDCTベースの特徴は、ポーズや表情の変化に対してどれほど識別性能の頑健性を向上させるか？
• RQ4 これらの特徴を学習データとして用いたRBFニューラルネットワークは、制約のない環境でも信頼性の高い顔識別を達成できるか？
• RQ5 動的かつ変動する頭部の動きや表情を伴う動画シーケンスにおいて、本手法はどの程度の効果を示すか？

主な発見

• K-meansクラスタリングを用いて肌色ピクセルのクラスタを分離することで、顔領域の検出に成功した。
• 非教師付き細胞自動機械は、肌色領域から目、鼻、口といった顔の特徴を効果的に精緻化・分離した。
• 幾何学的特徴（例：目同士の距離）とDCT係数の組み合わせにより、多様な顔のポーズに対して識別精度が向上した。
• RBFニューラルネットワークは、顔の向きや表情の変化があるシーケンスにおいても安定した識別性能を示した。
• 本システムは、ラベルなしの学習データを用いた特徴局所化を必要とせず、実世界のシナリオ（静止画および動画シーケンスを含む）においても頑健であることが示された。