[論文レビュー] Face Recognition using Principal Component Analysis and Log-Gabor Filters

Vytautas Perlibakas|ArXiv.org|May 7, 2006

Face and Expression Recognition参考文献 42被引用数 11

ひとこと要約

本論文では、顔認識の精度と頑健性を向上させるために、Log-Gaborフィルタと主成分分析（PCA）を組み合わせた手法を提案する。スライディングウィンドウに基づく特徴選択を用いて、スケールおよび方向にわたる高マグニチュードのLog-Gabor応答を抽出し、その後にPCAによる次元削減とコサイン距離分類を実行することで、FERETデータベース上で97–98％の最初の一致認識率と0.3–0.4％の等誤差率（EER）を達成した。従来のPCAを上回る性能を示し、画像正規化や目の位置特定の誤差に対して感受性が低減されている。

ABSTRACT

In this article we propose a novel face recognition method based on Principal Component Analysis (PCA) and Log-Gabor filters. The main advantages of the proposed method are its simple implementation, training, and very high recognition accuracy. For recognition experiments we used 5151 face images of 1311 persons from different sets of the FERET and AR databases that allow to analyze how recognition accuracy is affected by the change of facial expressions, illumination, and aging. Recognition experiments with the FERET database (containing photographs of 1196 persons) showed that our method can achieve maximal 97-98% first one recognition rate and 0.3-0.4% Equal Error Rate. The experiments also showed that the accuracy of our method is less affected by eye location errors and used image normalization method than of traditional PCA -based recognition method.

研究の動機と目的

• 変動する照明、表情、加齢に起因する条件下での顔認識精度の向上を図る。
• PCAベースの手法で一般的に見られる画像正規化や顔の特徴点検出誤差に対する感受性の低減を目的とする。
• Log-Gabor特徴とPCAを用いた、頑健で高精度な顔認識システムの開発。
• スライディングウィンドウに基づく特徴選択とPCAを組み合わせたLog-Gabor特徴の有効性を検証し、効率的な次元削減を実現する。
• 標準データベース上で、既存のハイブリッド手法と同等またはそれを上回る最先端の性能を達成すること。

提案手法

• 複数のスケールおよび方向で顔画像にLog-Gaborフィルタを適用し、テクスチャに敏感な特徴を抽出する。
• スライディングウィンドウ探索により、特定のスケールにおける最大のLog-Gaborマグニチュード応答の位置を同定し、その固定位置を全スケールにわたって再利用することで一貫性を確保する。
• 固定位置における選択されたLog-Gaborマグニチュードから特徴ベクトルを構築し、次元削減を図りながらも判別能を保持する。
• 特徴ベクトルに対して主成分分析（PCA）を適用し、次元削減と効率的な表現を実現する。
• 得られたPCA係数を「ホワイト化」し、コサイン距離測度を用いて分類比較を実行する。
• 本手法は、1311人の個人からなる5151枚の画像を用いて、FERETおよびARデータベースで訓練およびテストされた。

実験結果

リサーチクエスチョン

• RQ1 Log-Gabor特徴とPCAを組み合わせることで、変動する照明および表情条件下での顔認識精度が向上するか？
• RQ2 本研究で提案するスライディングウィンドウに基づく特徴選択法は、EBGMに基づく特徴選択と比較して、頑健性および精度の面で優れているか？
• RQ3 標準PCAと比較して、Log-Gabor + PCA手法は画像正規化および目の位置特定の誤差に対してどの程度感受性が低減されるか？
• RQ4 1人あたり1枚のニュートラルな表情の画像のみを訓練データとして用いる場合、どの程度の認識性能が達成できるか？
• RQ5 手動による特徴ラベル付けにほとんど依存しない状態で、FERETデータベース上で最先端の性能を達成できるか？

主な発見

• 提案手法はFERETデータベースで97–98％の最初の一致認識率を達成し、最先端の性能を示した。
• 等誤差率（EER）は0.3–0.4％にまで低減され、高い信頼性と低誤差率を示した。
• ARデータベースでは、ニュートラルな表情で99.13％の認識精度、表情変化に対しては77.39％の認識精度を達成し、従来のPCAおよび他の手法を上回った。
• 標準PCAベースの認識手法と比較して、画像正規化および目の位置特定の誤差に対して顕著に感受性が低減された。
• 1人の個人に対して1枚の訓練画像のみを用いた場合、EBGMベースのGabor + ベイズマッチングを上回る性能を示した。
• 照明変動の下でも安定した性能を示し、ARデータベースにおける照明変動下での認識精度は82.90％であった。