[논문 리뷰] An Identification System Using Eye Detection Based On Wavelets And Neural Networks

Mohamed A. El-Sayed, Mohamed A. Khafagy|arXiv (Cornell University)|2014. 01. 20.

Face and Expression Recognition참고 문헌 8인용 수 6

한 줄 요약

이 논문은 웨이블릿 기반 특징 추출과 공액 기울기로 학습된 역전파 신경망을 사용한 눈동자 패턴 인식을 통한 생체 인식 시스템을 제안한다. 이 방법은 다양한 조건에서 눈과 비눈 영역을 분류하는 데 90%의 정확도를 달성하여, 다중 척도 웨이블릿 분석과 신경망 분류를 활용한 눈동자 패턴이 안정적인 생체 인식 식별자로 활용될 수 있음을 입증한다.

ABSTRACT

The randomness and uniqueness of human eye patterns is a major breakthrough in the search for quicker, easier and highly reliable forms of automatic human identification. It is being used extensively in security solutions. This includes access control to physical facilities, security systems and information databases, Suspect tracking, surveillance and intrusion detection and by various Intelligence agencies through out the world. We use the advantage of human eye uniqueness to identify people and approve its validity as a biometric. . Eye detection involves first extracting the eye from a digital face image, and then encoding the unique patterns of the eye in such a way that they can be compared with pre-registered eye patterns. The eye detection system consists of an automatic segmentation system that is based on the wavelet transform, and then the Wavelet analysis is used as a pre-processor for a back propagation neural network with conjugate gradient learning. The inputs to the neural network are the wavelet maxima neighborhood coefficients of face images at a particular scale. The output of the neural network is the classification of the input into an eye or non-eye region. An accuracy of 90% is observed for identifying test images under different conditions included in training stage.

연구 동기 및 목표

• 다양한 조건에서 인간의 눈에 고유한 패턴을 기반으로 신뢰할 수 있고 자동화된 인간 식별 시스템을 개발하기 위해.
• 다양한 조명 및 자세 조건에서 얼굴 영상에서 눈 영역을 정확하게 탐지하는 데 도전하기 위해.
• 보안 응용 분야에서 생체 인식 식별자로서 눈 패턴의 고유성과 일관성을 검증하기 위해.
• 통합 프레임워크 내에서 웨이블릿 변환을 통한 강력한 특징 추출과 신경망을 통한 분류를 통합하기 위해.

제안 방법

• 얼굴 영상에서 다중 척도 계수를 추출하기 위해 이산 웨이블릿 변환(DWT)을 사용하며, 웨이블릿 최대값 근처에 집중한다.
• 눈 영역 탐지에 필수적인 가장자리 및 텍스처 특징을 향상시키기 위해 웨이블릿 분석을 사전 처리 단계로 적용한다.
• 공액 기울기 최적화를 사용하여 효율적인 학습과 수렴을 보장하는 역전파 신경망을 활용한다.
• 특정 척도에서의 웨이블릿 계수 근처를 신경망의 입력 특징으로 사용한다.
• 추출된 웨이블릿 특징을 바탕으로 영역을 눈 또는 비눈 영역으로 분류하도록 네트워크를 학습시킨다.
• 웨이블릿 기반 특징 추출과 신경망 분류를 결합한 세분화 파이프라인을 구현하여 강력한 눈 탐지 성능을 확보한다.

실험 결과

연구 질문

• RQ1 다양한 영상 조건에서 눈 패턴을 신뢰성 있게 추출하고 생체 인식 식별자로 사용할 수 있는가?
• RQ2 웨이블릿 기반 특징 추출은 눈 영역 탐지 정확도 향상에 얼마나 효과적인가?
• RQ3 공액 기울기로 학습된 신경망은 눈 탐지에 대한 분류 성능 향상에 어느 정도 기여하는가?
• RQ4 변동하는 조건에서 눈 영역과 비눈 영역을 구분하는 데 시스템이 달성할 수 있는 정확도는 얼마인가?
• RQ5 제안된 시스템은 감시 및 접근 제어와 같은 실세계 응용 분야에서도 강건성을 유지할 수 있는가?

주요 결과

• 시험 영상에서 다양한 조건에서 눈 영역을 식별하는 데 시스템이 90%의 분류 정확도를 달성한다.
• 웨이블릿 기반 특징 추출은 눈 탐지에 필수적인 두드러진 텍스처 및 가장자리 패턴을 효과적으로 캡처한다.
• 공액 기울기 학습 알고리즘이 역전파 신경망의 수렴성과 성능을 향상시킨다.
• 웨이블릿 분석과 신경망의 통합은 강력하고 정확한 눈 탐지 파이프라인을 제공한다.
• 결과는 눈 패턴을 보안 및 감시 시스템에서 고유하고 신뢰할 수 있는 생체 인식 식별자로 사용할 수 있음을 확인한다.
• 학습 및 테스트 단계 동안 다양한 조명 및 자세 변화에서도 일관된 성능을 보여준다.