[論文レビュー] Vision-based Human Gender Recognition: A Survey

Choon Boon Ng, Yong Haur Tay+1 more|arXiv (Cornell University)|Apr 7, 2012

Gait Recognition and Analysis参考文献 149被引用数 80

ひとこと要約

本調査は、静止画像および歩行シーケンスからの顔および全身の特徴を用いた視覚ベースの人物の性別認識手法をレビューする。代表的なアプローチを分析し、実世界への展開における主な課題を特定し、制御された条件下では高い精度が達成可能であるが、制御されていない環境における頑健性は依然として重要な未解決課題であると強調する。

ABSTRACT

Gender is an important demographic attribute of people. This paper provides a survey of human gender recognition in computer vision. A review of approaches exploiting information from face and whole body (either from a still image or gait sequence) is presented. We highlight the challenges faced and survey the representative methods of these approaches. Based on the results, good performance have been achieved for datasets captured under controlled environments, but there is still much work that can be done to improve the robustness of gender recognition under real-life environments.

研究の動機と目的

• 視覚データを用いたコンピュータビジョン技術による人物の性別認識の包括的レビューを提供すること。
• 制御された環境と現実世界の環境条件の下での性別認識システムのパフォーマンスと限界を分析すること。
• ポーズの変化、照明の変化、隠蔽などの認識の頑健性に影響を与える主な技術的課題を特定すること。
• 顔ベースと全身ベース（歩行分析を含む）のアプローチを、精度と実用性の観点から比較すること。
• 現在の研究におけるギャップを強調し、制御されていない現実世界のシナリオにおける性別認識の向上に向けた方向性を提案すること。

提案手法

• 2000年から2012年までの視覚ベースの性別認識に関する既存の文献を体系的に調査し、顔および全身の分析に焦点を当てる。
• 顔ベースと身体／歩行ベースのアプローチに分類し、それらの特徴と分類器の背後にある仕組みを評価する。
• ガボールウェーブレット、LBP（局所的バイナリパターン）、HOG（勾配のヒストグラム）などの特徴抽出技術をレビューする。
• SVM、PCA、ニューラルネットワークなどの分類モデルが性別認識パイプラインでどのように使用されているかを分析する。
• FGNet、LFW、CASIA歩行データベースなどのデータセットを用い、環境条件の変化に応じたパフォーマンスを評価する。
• 前処理、特徴選択、分類の各段階における手法的選択の違いを比較し、精度と頑健性のトレードオフを評価する。

実験結果

リサーチクエスチョン

• RQ1 顔ベースおよび全身ベースの性別認識システムで主に用いられる視覚的特徴は何か？
• RQ2 制御された環境と現実世界の環境との間で、性別認識システムのパフォーマンス指標はどのように変化するか？
• RQ3 制御されていない環境における性別認識の頑健性に影響を与える主な技術的課題は何か？
• RQ4 LBP、HOG、ガボールなどの異なる特徴抽出手法は、性別分類精度においてどのように比較されるか？
• RQ5 現在のアプローチがポーズの変化、照明、隠蔽の処理において抱える主な制限は何か？

主な発見

• 制御された条件下では、顔ベースの手法がベンチマークデータセットで95％を超える精度に達することが可能である。
• 照明、ポーズ、隠蔽の変化に起因して、現実世界のシナリオではパフォーマンスが著しく低下する。
• 全身および歩行ベースのアプローチは、低解像度または部分的視認の状況でも有望であるが、信頼性のある分類にはより長いシーケンスが必要となる。
• LBP や HOG などの特徴抽出技術は広く用いられており、特に SVM などの頑健な分類器と組み合わせると効果的である。
• データセットや評価プロトコルの選択が報告されたパフォーマンスに大きく影響するため、標準化されたベンチマークの必要性が浮き彫りになる。
• 進展は見られるものの、制御されていない環境における頑健性は依然として主要な未解決課題であり、多様な現実世界の条件への一般化能力に限界がある。