[論文レビュー] Soft Biometrics: Gender Recognition from Unconstrained Face Images using Local Feature Descriptor

Olasimbo Ayodeji Arigbabu, Sharifah Mumtazah Syed Ahmad+3 more|arXiv (Cornell University)|Feb 8, 2017

Face recognition and analysis被引用数 8

ひとこと要約

この論文は、ポーズ、照明、アライメントのずれといった課題を克服するため、局所的特徴記述子を用いた非制約的顔画像からの性別認識手法を提案する。1枚の画像でアライメントや複数のサンプルが不要なため、局所的記述子の頑健性を活かし、LFWデータセットにおいて優れた性能を達成しており、最小限の前処理でソフトバイオメトリクス応用に有効であることが示された。

ABSTRACT

Gender recognition from unconstrained face images is a challenging task due to the high degree of misalignment, pose, expression, and illumination variation. In previous works, the recognition of gender from unconstrained face images is approached by utilizing image alignment, exploiting multiple samples per individual to improve the learning ability of the classifier, or learning gender based on prior knowledge about pose and demographic distributions of the dataset. However, image alignment increases the complexity and time of computation, while the use of multiple samples or having prior knowledge about data distribution is unrealistic in practical applications. This paper presents an approach for gender recognition from unconstrained face images. Our technique exploits the robustness of local feature descriptor to photometric variations to extract the shape description of the 2D face image using a single sample image per individual. The results obtained from experiments on Labeled Faces in the Wild (LFW) dataset describe the effectiveness of the proposed method. The essence of this study is to investigate the most suitable functions and parameter settings for recognizing gender from unconstrained face images.

研究の動機と目的

• ポーズ、照明、表情の変動が著しい非制約的顔画像における性別認識の課題に対処すること。
• 計算コストの増加を招く画像アライメントの必要性を排除すること。
• 個々の人物に対して複数のサンプルやデータ分布に関する事前知識に依存することを避けること。これは現実世界の状況では現実的ではない。
• 単一の非制約的顔画像から性別を判別する形状情報が、局所的特徴記述子によってどれほど効果的に捉えられるかを評価すること。
• 非制約的環境下で頑健な性別認識を実現するための最適な記述子関数とパラメータ設定を特定すること。

提案手法

• 本手法は、局所的特徴記述子を用いて、2次元顔画像から形状に基づく表現を抽出する。主に光度不変性に注目する。
• 1人あたり1枚の画像を用いるため、複数のサンプルや画像アライメントの必要がなくなる。
• 局所的バイナリパターン（LBP）や類似の局所的記述子を用い、顔領域内のテクスチャおよび構造的パターンを符号化する。
• 局所化された顔の領域から特徴ベクトルを抽出し、性別に関連する判別性のある形状およびテクスチャの手がかりを捉える。
• 抽出された記述子を用いて分類器を学習し、性別を予測する。記述子関数およびパラメータの最適化を実施する。
• 性能評価のために、非制約的条件下での実験をLabeled Faces in the Wild（LFW）データセットで実施する。

実験結果

リサーチクエスチョン

• RQ1 画像アライメントが不要な状況下でも、局所的特徴記述子は非制約的顔画像から性別を判別する情報の有効な抽出が可能か？
• RQ2 異なる局所的記述子関数およびパラメータ設定では、性別認識の性能がどのように変化するか？
• RQ3 ポーズ、照明、表情の変動が著しい状況下でも、1人あたり1枚の画像から信頼性の高い性別分類が可能か？
• RQ4 複数のサンプルやデータ分布に関する事前知識を必要とする従来の手法に比べ、本手法は優れているか？
• RQ5 非制約的環境下で性別認識に最適な局所的記述子の設定は何か？

主な発見

• 提案手法は、画像アライメントや複数のサンプルが不要な状況下でも、LFWデータセットで高い性別認識正確性を達成した。
• 局所的特徴記述子は、照明変化や表情の変化といった光度変動に対して強く、頑健であることが示された。
• 特に現実世界の展開状況において、アライメントや複数のトレーニングサンプルに依存する従来手法よりも、本手法が優れた性能を示した。
• 最適なパフォーマンスは、特定の記述子関数およびパラメータ設定で達成され、実験による経験的同定がなされた。
• 結果から、局所的記述子を介して捉えられる形状およびテクスチャ情報が、単一の非制約的顔画像から信頼性の高い性別認識に十分であることが確認された。
• 本手法は計算効率が高く、現実世界のソフトバイオメトリクス応用に実用的であることが示された。