[논문 리뷰] A method for nose-tip based 3D face registration using maximum intensity algorithm

Parama Bagchi, Debotosh Bhattacharjee외 2명|arXiv (Cornell University)|2013. 09. 13.

Face recognition and analysis참고 문헌 5인용 수 8

한 줄 요약

이 논문은 다양한 자세 조건에서 3D 얼굴 스캔 간 정렬을 위해 최대 강도 알고리즘을 사용하는 코 끝 기반 3D 얼굴 정렬 방법을 제안한다. X, Y, Z 축을 중심으로 한 회전 및 이동 파rameter를 추정함으로써, FRAV3D 데이터베이스의 472장의 이미지에서 75.84%의 정렬 정확도를 달성하여 자세에 영향을 받지 않는 3D 얼굴 정렬의 견고성을 입증한다.

ABSTRACT

In this paper we present a novel technique of registering 3D images across pose. In this context, we have taken into account the images which are aligned across X, Y and Z axes. We have first determined the angle across which the image is rotated with respect to X, Y and Z axes and then translation is performed on the images. After testing the proposed method on 472 images from the FRAV3D database, the method correctly registers 358 images thus giving a performance rate of 75.84%.

연구 동기 및 목표

• 다양한 자세 조건에서 3D 얼굴 정렬의 과제를 해결함, 특히 X, Y, Z 축을 중심으로 한 회전에 초점 맞춤.
• 자세의 회전 및 이동 변화가 있더라도 3D 얼굴 스캔의 정렬 정확도를 향상시키기.
• 해부학적 랜드마크, 특히 코 끝을 사용하여 신뢰할 수 있고 자동화된 3D 얼굴 정렬 방법 개발.
• 생체 인식 및 얼굴 인식 응용 분야에서 일관되고 반복 가능한 3D 얼굴 모델 정렬을 가능하게 하기.
• 대규모 데이터셋에서의 성능 평가를 통해 실제 환경에서의 성능과 견고성 평가

제안 방법

• 3D 얼굴 스캔에서 강도 기반 탐지를 사용하여 코 끝을 주요 해부학적 랜드마크로 식별.
• 최대 강도 알고리즘을 적용하여 코의 가장 두드러진 점을 찾아 정렬의 기준점으로 사용.
• 입력 스캔에서의 코 끝 위치를 기준 모델과 비교하여 X, Y, Z 축을 중심으로 한 회전 각도를 추정.
• 스캔된 얼굴를 기준 모델의 해당 점과 일치하도록 재위치시키기 위해 이동 파ram터를 계산.
• 강체 변환(회전 + 이동)을 수행하여 3D 얼굴 모델을 기준 자세에 정렬.
• 특히 큰 자세 변화가 있는 경우 정확도를 향상시키기 위해 반복적 정밀 조정 수행

실험 결과

연구 질문

• RQ1 코 끝은 다양한 자세에서 안정적이고 신뢰할 수 있는 3D 얼굴 정렬 랜드마크로 기능할 수 있는가?
• RQ2 강도 기반 코 끝 탐지를 통해 회전 및 이동 파ram터를 얼마나 정확하게 추정할 수 있는가?
• RQ3 제안된 방법의 등록 성공률 측면에서 대규모 3D 얼굴 데이터베이스에서의 성능은 어떠한가?
• RQ4 기존 기법들과 비교해 볼 때, 이 방법은 3D 얼굴 스캔의 큰 자세 변화를 어떻게 다루는가?
• RQ5 최대 강도 알고리즘이 노이즈 또는 부분적 가림이 있는 상황에서도 코 끝을 정확하게 위치시키는 데 얼마나 견고성을 향상시키는가?

주요 결과

• 제안된 방법은 FRAV3D 데이터베이스의 472장의 3D 얼굴 스캔 중 358장이 성공적으로 정렬되어 75.84%의 정렬 정확도를 달성하였다.
• 최대 강도 알고리즘을 통해 코 끝이 일관되게 탐지되어 다양한 자세에서 신뢰할 수 있는 정렬이 가능했다.
• 실제 3D 스캔에서 흔한 X, Y, Z 축을 중심으로 한 회전을 처리하는 데서도 이 방법은 견고한 성능을 보였다.
• 단일 해부학적 랜드마크(코 끝)를 사용함으로써 정렬 파이프라인을 단순화하면서도 높은 정확도를 유지하였다.
• 결과적으로 강도 기반 랜드마크 탐지가 강체 변환 모델과 결합될 경우 3D 얼굴 정렬에 효과적임을 시사하였다.
• 생체 인식 시스템에서 자세에 영향을 받지 않는 3D 얼굴 매칭이 요구되는 분야에 통합 가능성이 있음