[논문 리뷰] Automatic local Gabor Features extraction for face recognition

Yousra Ben Jemâa, Sana Khanfir|ArXiv.org|2009. 07. 28.

Face and Expression Recognition참고 문헌 17인용 수 47

한 줄 요약

이 논문은 색상 영상에서 추출한 局소 Gabor 특징을 사용하여 자동 얼굴 인식 시스템을 제안한다. 피부 색상 기반 얼굴 검출, 특징 국소화를 위한 퍼지 분류, 그리고 인식을 위한 Gabor 웨이블릿 계수를 결합하여, 실험에서 Gabor 특징이 기하 거리보다 정확도에서 뛰어남을 입증한다. 이는 높은 인식 비율을 달성한다.

ABSTRACT

We present in this paper a biometric system of face detection and recognition in color images. The face detection technique is based on skin color information and fuzzy classification. A new algorithm is proposed in order to detect automatically face features (eyes, mouth and nose) and extract their correspondent geometrical points. These fiducial points are described by sets of wavelet components which are used for recognition. To achieve the face recognition, we use neural networks and we study its performances for different inputs. We compare the two types of features used for recognition: geometric distances and Gabor coefficients which can be used either independently or jointly. This comparison shows that Gabor coefficients are more powerful than geometric distances. We show with experimental results how the importance recognition ratio makes our system an effective tool for automatic face detection and recognition.

연구 동기 및 목표

• 색상 영상에서 얼굴 검출 및 인식을 위한 자동 생체 인식 시스템을 개발한다.
• 얼굴 영역에서 국소 Gabor 특징을 추출하여 인식 정확도를 향상시킨다.
• 기하 거리와 Gabor 계수의 효과성을 비교한다.
• 다양한 특징 입력을 사용한 신경망의 성능을 평가한다.
• Gabor 특징이 기하 특징에 비해 더 강력한 대체 수단이 될 수 있음을 입증한다.

제안 방법

• 피부 색상 분할과 함께 퍼지 분류를 활용하여 정확도를 높인다.
• 새로운 알고리즘을 사용하여 눈, 코, 입과 같은 고정점(_fiducial points_)을 자동으로 검출하고 국소화한다.
• 검출된 고정점 주변의 질감 특징을 추출하기 위해 국소 Gabor 웨이블릿 변환을 적용한다.
• 결과로 얻은 Gabor 계수를 신경망 분류기의 입력 특징으로 사용한다.
• 고정점 간의 기하 거리도 계산하여 Gabor 특징과 비교한다.
• 신경망은 Gabor 계수와 기하 거리 양쪽을 입력으로 사용하여 학습 및 테스트한다.

실험 결과

연구 질문

• RQ1 피부 색상과 퍼지 분류를 사용하여 얼굴 특징의 자동 검출이 가능할 수 있는가?
• RQ2 Gabor 계수는 기하 거리에 비해 얼굴 인식에서 얼마나 효과적인가?
• RQ3 Gabor 특징과 기하 특징을 조합하면 인식 성능이 향상되는가?
• RQ4 Gabor 특징을 사용한 신경망 기반 시스템의 인식 정확도는 얼마인가?
• RQ5 Gabor 특징은 기하 특징에 비해 얼굴 인식에 더 강력한 표현 방식이 될 수 있는가?

주요 결과

• 시험된 실험에서 Gabor 계수는 기하 거리보다 더 높은 인식 정확도를 달성했다.
• 시스템은 높은 인식 비율을 보이며 자동 얼굴 검출 및 인식의 효과성을 확인했다.
• Gabor 특징의 사용으로 기하 특징만을 사용할 경우보다 성능 향상이 뚜렷했다.
• Gabor 계수를 기반으로 학습된 신경망은 뛰어난 일반화 능력과 강건성을 보였다.
• 자동 특징 추출과 Gabor 기반 표현의 통합은 시스템의 신뢰성을 향상시켰다.
• 인식 비율 측면에서 제안된 방법은 기하 거리 기반 접근법을 능가했다.