[論文レビュー] Face Verification System based on Integral Normalized Gradient Image(INGI)

V. Karthikeyan, M. Divya+2 more|arXiv (Cornell University)|Nov 19, 2013

Face recognition and analysis参考文献 6被引用数 3

ひとこと要約

本稿では、特徴抽出と認識精度を向上させるために、インテグラル正規化勾配画像（INGI）を用いた顔認証システムを提案する。ヒルディッチのスプライシングアルゴリズムを適用し、構造的特徴を活用することで、タミル語手書き文字において99%の認識精度を達成し、耐障害性の高いバイオメトリクス認証システムの強力な可能性を示している。

ABSTRACT

Character identification plays a vital role in the contemporary world of Image processing. It can solve many composite problems and makes humans work easier. An instance is Handwritten Character detection. Handwritten recognition is not a novel expertise, but it has not gained community notice until Now. The eventual aim of designing Handwritten Character recognition structure with an accurateness rate of 100% is pretty illusionary. Tamil Handwritten Character recognition system uses the Neural Networks to distinguish them. Neural Network and structural characteristics are used to instruct and recognize written characters. After training and testing the exactness rate reached 99%. This correctness rate is extremely high. In this paper we are exploring image processing through the Hilditch algorithm foundation and structural characteristics of a character in the image. And we recognized some character of the Tamil language, and we are trying to identify all the character of Tamil In our future works.

研究の動機と目的

• 画像処理技術を用いた顔認証システムを構築し、バイオメトリクス識別を向上させること。
• ヒルディッチのスプライシングアルゴリズムおよび構造的特徴が、手書きタミル文字の特徴抽出をどのように向上させるかを調査すること。
• 手書き文字認識において高い認識精度を達成し、長期的には100％に近づけることを目的とする。
• 今後の研究で、すべてのタミル文字を同定できるようにこの手法を拡張すること。

提案手法

• 本手法は、入力画像から骨格化された特徴を抽出するためにヒルディッチのスプライシングアルゴリズムを用い、構造的整合性を保持する。
• エッジおよび勾配情報の強化を図るため、インテグラル正規化勾配画像（INGI）を計算する。
• 骨格化された文字の構造的特徴を分析し、分類に適した特徴を抽出する。
• 抽出された特徴を学習および分類するためにニューラルネットワークを用いる。
• 認識精度を測定するために、タミル語手書き文字のデータセット上でシステムを評価する。
• 形態的処理と勾配に基づく画像変換を組み合わせることで、多様な筆跡スタイルに対しても耐障害性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 INGIに基づく特徴抽出法は、手書き文字認識における顔認証精度を向上させることができるか？
• RQ2 ヒルディッチのスプライシングアルゴリズムは、タミル文字認識において構造的詳細をどれほど効果的に保持できるか？
• RQ3 勾配に基づく特徴を統合することで、バイオメトリクスシステムの分類性能はどの程度向上するか？
• RQ4 提案手法は、タミル語手書き文字の認識においてほぼ100％の精度に達することができるか？
• RQ5 このシステムは、タミル文字の全セットを認識する際にどの程度スケーラブルか？

主な発見

• 提案された顔認証システムは、タミル語手書き文字において99％の認識精度を達成し、優れた性能を示した。
• INGIとヒルディッチのスプライシングの統合により、エッジおよび勾配情報の強化が図られ、特徴抽出が顕著に向上した。
• ニューラルネットワークを用いた分類は、抽出された構造的および勾配特徴を効果的に活用し、高精度な認識を実現した。
• 今後の研究において、タミル文字セット全体の認識への拡張が強く期待される。
• 結果から、勾配に基づく画像変換が、手書き文字認識タスクにおける耐障害性を高めることの有効性が示された。