[論文レビュー] Neural Network Approach for Eye Detection

Vijaya Laxmi, P. Sudhakara Rao+1 more|arXiv (Cornell University)|May 23, 2012

Image and Object Detection Techniques参考文献 1被引用数 9

ひとこと要約

本稿では、特徴抽出および次元削減にガボールフィルタとSVMを用い、ニューラルネットワーク分類により目と非目領域を区別するニューラルネットワークベースの目検出システムを提案する。本手法は、100枚の画像からなるデータセットにおいて、明るさ、ポーズ、表情の変化に富む多様な条件下で98%の成功確率を達成し、リアルタイムのドライバーの眠気監視システムにおける頑健性を示している。

ABSTRACT

Driving support systems, such as car navigation systems are becoming common and they support driver in several aspects. Non-intrusive method of detecting Fatigue and drowsiness based on eye-blink count and eye directed instruction controlhelps the driver to prevent from collision caused by drowsy driving. Eye detection and tracking under various conditions such as illumination, background, face alignment and facial expression makes the problem complex.Neural Network based algorithm is proposed in this paper to detect the eyes efficiently. In the proposed algorithm, first the neural Network is trained to reject the non-eye regionbased on images with features of eyes and the images with features of non-eye using Gabor filter and Support Vector Machines to reduce the dimension and classify efficiently. In the algorithm, first the face is segmented using L*a*btransform color space, then eyes are detected using HSV and Neural Network approach. The algorithm is tested on nearly 100 images of different persons under different conditions and the results are satisfactory with success rate of 98%.The Neural Network is trained with 50 non-eye images and 50 eye images with different angles using Gabor filter. This paper is a part of research work on "Development of Non-Intrusive system for real-time Monitoring and Prediction of Driver Fatigue and drowsiness" project sponsored by Department of Science & Technology, Govt. of India, New Delhi at Vignan Institute of Technology and Sciences, Vignan Hills, Hyderabad.

研究の動機と目的

• 目検出を用いてドライバーの眠気や眠気状態を非侵襲的かつリアルタイムで監視するシステムの開発。
• 照明状態、背景、顔のアライメント、表情の変化に起因する目検出の正確性の向上。
• 効率的な特徴抽出と分類のため、ニューラルネットワークとガボールフィルタおよびSVMの統合。
• 実世界の条件下で、多様な100枚の画像データセットを用いてシステムの検証。
• 非侵襲的バイオメトリックモニタリングを活用した知能ドライブ支援システムの開発支援。

提案手法

• 顔領域を分離するためにL*a*b*カラー空間を用いて画像から顔をセグメンテーションする。
• 初期の色ベースのフィルタリングのために、目領域を検出するためにHSVカラー空間を用いる。
• 目領域および非目領域からのテクスチャ特徴を強化するため、ガボールフィルタを適用して特徴抽出を行う。
• 特徴次元の削減と分類効率の向上のため、サポートベクターマシン（SVM）を用いる。
• さまざまな角度の50枚の目画像および50枚の非目画像を用いて、ニューラルネットワークを訓練し、領域を目または非目として分類する。
• 最終的な検出パイプラインは、色セグメンテーション、特徴抽出、ニューラルネットワーク分類を統合し、頑健な目領域の局所化を実現する。

実験結果

リサーチクエスチョン

• RQ1 ハイブリッドなニューラルネットワークとガボールフィルタアプローチは、照明状態や顔の状態が変化する条件下でも高い正確性で目検出を達成できるか？
• RQ2 SVMを用いた次元削減とニューラルネットワーク分類の組み合わせは、目領域と非目領域を区別するためにどれほど効果的か？
• RQ3 本システムは、実世界のシナリオにおいて多様な顔のポーズや表情の変化を伴う目検出において、どの程度の性能を示すか？
• RQ4 提案手法は、高い信頼性を備えたリアルタイムのドライバーの眠気監視をサポートできるか？
• RQ5 L*a*b*およびHSVカラー空間の統合は、初期の顔および目領域セグメンテーションの精度をどのように向上させるか？

主な発見

• 提案されたシステムは、変化する条件下で100枚のテスト画像において98%の成功確率で目を検出した。
• ガボールフィルタの使用により、目領域の識別に向けたテクスチャベースの特徴抽出が顕著に向上した。
• SVMを用いた次元削減により、ニューラルネットワークの分類速度と正確性が向上した。
• 50枚の目画像および50枚の非目画像を含むバランスの取れたデータセットを用いて、ニューラルネットワークは正常に訓練された。
• L*a*b*およびHSVカラー空間の統合により、初期の顔および目領域の局所化の正確性が向上した。
• 本手法は、照明の変化、背景の変化、顔の表情の違いに対して強い頑健性を示した。