[論文レビュー] Hybrid Approach to Face Recognition System using Principle component and Independent component with score based fusion process

Trupti M. Kodinariya|arXiv (Cornell University)|Jan 2, 2014

Face and Expression Recognition被引用数 5

ひとこと要約

本稿では、主成分分析（PCA）と独立成分分析（ICA）を組み合わせ、バックプロパゲーションニューラルネットワーク（BPNN）を用いたスコアベースの統合戦略を採用したハイブリッド顔認識システムを提案する。本手法は、PCAとICAの特徴抽出器を並列に学習させ、そのBPNN出力をスコアレベルで統合することで、ORLおよび他のデータベースにおいて単一特徴手法よりも優れた性能を達成し、認識精度を向上させる。

ABSTRACT

Hybrid approach has a special status among Face Recognition Systems as they combine different recognition approaches in an either serial or parallel to overcome the shortcomings of individual methods. This paper explores the area of Hybrid Face Recognition using score based strategy as a combiner/fusion process. In proposed approach, the recognition system operates in two modes: training and classification. Training mode involves normalization of the face images (training set), extracting appropriate features using Principle Component Analysis (PCA) and Independent Component Analysis (ICA). The extracted features are then trained in parallel using Back-propagation neural networks (BPNNs) to partition the feature space in to different face classes. In classification mode, the trained PCA BPNN and ICA BPNN are fed with new face image(s). The score based strategy which works as a combiner is applied to the results of both PCA BPNN and ICA BPNN to classify given new face image(s) according to face classes obtained during the training mode. The proposed approach has been tested on ORL and other face databases; the experimented results show that the proposed system has higher accuracy than face recognition systems using single feature extractor.

研究の動機と目的

• 個々の顔認識手法の限界を克服するため、複数の特徴抽出技術を統合すること。
• PCAとICAの特徴を統合するハイブリッドシステムを通じて、認識精度を向上させること。
• PCAとICAベースの分類器の出力を統合する、耐障害性の高い統合戦略を開発すること。
• スコアレベル統合メカニズムを用いて、ORLなどの標準顔データベースにおけるシステムの性能を評価すること。
• PCAとICAをニューラルネットワークと組み合わせることで、単独で使用する場合よりも高い認識精度が得られることを実証すること。

提案手法

• システムは学習モードと分類モードの2通りの動作モードを有する。
• 学習段階では、顔画像が正規化され、PCAとICAが独立して特徴を抽出する。
• PCAおよびICAの特徴に対して、それぞれ別個のBPNNを訓練し、顔画像を異なるクラスに分類する。
• 分類モードでは、新しい顔画像が訓練済みのPCA-BPNNおよびICA-BPNNによって処理され、個別の認識スコアが生成される。
• スコアベースの統合戦略により、2つの分類器の出力を統合し、最終的な顔クラスを決定する。
• 統合プロセスでは、PCAおよびICAの両パスウェイからのスコアが集約され、意思決定の堅牢性と精度が向上する。

実験結果

リサーチクエスチョン

• RQ1 PCAとICAの特徴抽出を組み合わせることで、単独で使用する場合と比較して顔認識精度が向上するか？
• RQ2 PCAとICAベースの分類器の出力を統合するスコアレベル統合戦略は、どの程度効果的か？
• RQ3 ハイブリッドシステムは、標準顔データベースにおいて、単一特徴ベースの認識システムを上回るか？
• RQ4 分類にBPNNを用いることで、ハイブリッドPCA-ICAフレームワークの性能にどのような影響を与えるか？
• RQ5 顔認識タスクにおいて、スコアレベルで統合されたPCAとICA特徴の相対的寄与度はどの程度か？

主な発見

• 提案されたハイブリッドシステムは、PCAまたはICAのみを用いた顔認識システムよりも高い認識精度を達成した。
• スコアベースの統合戦略は、PCAとICAの長所を効果的に統合し、分類性能の向上に寄与した。
• 本システムは、ORL顔データベースにおいて堅牢性と高い精度を示した。
• PCAおよびICA特徴の並列BPNNの使用により、特徴空間が顔クラスに適切に分割された。
• 実験結果は、複数の特徴抽出技術と統合メカニズムを組み合わせることで、全体的なシステム性能が向上することを確認した。
• ハイブリッドアプローチは単一手法システムを上回り、提案された統合戦略の有効性を裏付けた。