[論文レビュー] Face Identification by SIFT-based Complete Graph Topology

Dakshina Ranjan Kisku, Ajita Rattani+2 more|arXiv (Cornell University)|Feb 2, 2010

Advanced Image and Video Retrieval Techniques参考文献 11被引用数 5

ひとこと要約

本稿では、SIFT特徴量と完全グラフトポロジーを用いて顔の構造をモデル化する顔認識システムを提案する。この手法により、回転、スケーリング、平行移動に対して不変な強力な認識が可能となる。空間歪みのモデル化と類似度の最大化を活用したグラフマッチングにより、BANCAデータベース上で高い正確性を達成し、従来の手法に比べて誤検出の抑制と特徴量セット最適化の面で優れている。

ABSTRACT

This paper presents a new face identification system based on Graph Matching Technique on SIFT features extracted from face images. Although SIFT features have been successfully used for general object detection and recognition, only recently they were applied to face recognition. This paper further investigates the performance of identification techniques based on Graph matching topology drawn on SIFT features which are invariant to rotation, scaling and translation. Face projections on images, represented by a graph, can be matched onto new images by maximizing a similarity function taking into account spatial distortions and the similarities of the local features. Two graph based matching techniques have been investigated to deal with false pair assignment and reducing the number of features to find the optimal feature set between database and query face SIFT features. The experimental results, performed on the BANCA database, demonstrate the effectiveness of the proposed system for automatic face identification.

研究の動機と目的

• 回転、スケーリング、平行移動などの幾何変換に対して頑健な顔認識システムの開発。
• 誤った特徴点ペアの割り当てと高次元特徴量セットに起因する顔識別課題の解決。
• SIFT特徴量に基づく完全グラフトポロジーを用いた顔の構造モデリングにより、認識正確性の向上。
• さまざまな条件下での顔同定におけるグラフベースマッチング技術の性能評価。
• 標準ベンチマークデータベース（BANCA）上で提案手法の有効性の実証。

提案手法

• 本手法は、スケール、回転、平行移動に対して不変なSIFT特徴量を顔画像から抽出する。
• すべてのSIFT特徴点が他のすべての特徴点と接続されるように完全グラフトポロジーを構築し、顔の構造を包括的に表現する。
• 局所的特徴類似度と対応するノード間の空間的歪みを考慮した類似度関数を最大化することで、グラフマッチングを実行する。
• 誤検出の抑制とクエリ画像とデータベース画像間の特徴量対応集合の最適化を目的として、2種類のグラフベースマッチング手法を採用する。
• 局所的記述子類似度とグラフ構造内の空間的一致性を両立する類似度関数を用いる。
• 最終的な識別意思決定は、グラフマッチングプロセスで得られた最高類似度スコアに基づいて行われる。

実験結果

リサーチクエスチョン

• RQ1 SIFTベースのグラフトポロジーは、幾何変換に対して顔認識の頑健性をどのように向上させるか？
• RQ2 グラフマッチングは、顔識別における誤った特徴点ペアの割り当てをどの程度低減できるか？
• RQ3 SIFT特徴量の完全グラフ表現は、部分的またはスパースなグラフモデルと比較して認識正確性を向上させられるか？
• RQ4 提案手法は、BANCAなどの標準ベンチマークデータベースでどの程度の性能を示すか？
• RQ5 空間的歪みモデル化が、グラフベース顔マッチングにおける類似度関数に与える影響は何か？

主な発見

• 提案されたSIFTベースの完全グラフトポロジーは、局所的特徴類似度と空間的関係の両方をモデル化することで、顔識別正確性を顕著に向上させる。
• 空間的一致性を考慮した強力なグラフマッチング手法により、誤検出の抑制が効果的に実現される。
• BANCAデータベースにおいて高い性能を示し、実世界の顔認識シナリオにおける有効性が確認される。
• 完全グラフ構造の使用により、SIFT点間のすべての可能な関係が考慮されることで、特徴量セットの最適化が向上する。
• 空間的歪みを考慮した類似度関数は、さまざまな顔のポーズや照明条件下でもより信頼性の高いマッチング結果をもたらす。
• 実験結果により、本手法の回転、スケーリング、平行移動に対する不変性が検証され、実用的顔認識における重要な要件を満たしていることが示された。