[논문 리뷰] Efficient Web-based Facial Recognition System Employing 2DHOG

Moataz M. Abdelwahab, Salah A. Aly외 1명|arXiv (Cornell University)|2012. 02. 11.

Face and Expression Recognition참고 문헌 6인용 수 13

한 줄 요약

이 논문은 2D-HOG와 2DPCA를 결합하여 높은 정확도, 낮은 계산 비용, 그리고 압축된 저장 공간을 달성하는 웹 기반 흉부 인식 시스템을 제안한다. 방법은 2D 기울기 방향 히스토그램을 추출하고, 차원 감소를 위해 2DPCA를 적용하며, ORL 데이터셋에서 97%의 정확도, JAFFE에서 100%, Hajj 데이터셋에서 92.5%의 정확도를 달성한다. 학습 시간은 10.4초로 크게 단축되고 저장 요구량도 감소한다.

ABSTRACT

In this paper, a system for facial recognition to identify missing and found people in Hajj and Umrah is described as a web portal. Explicitly, we present a novel algorithm for recognition and classifications of facial images based on applying 2DPCA to a 2D representation of the Histogram of oriented gradients (2D-HOG) which maintains the spatial relation between pixels of the input images. This algorithm allows a compact representation of the images which reduces the computational complexity and the storage requirments, while maintaining the highest reported recognition accuracy. This promotes this method for usage with very large datasets. Large dataset was collected for people in Hajj. Experimental results employing ORL, UMIST, JAFFE, and HAJJ datasets confirm these excellent properties.

연구 동기 및 목표

• 대규모 군중 혼잡으로 인해 실종자나 찾는 이들을 식별하는 데 어려움이 발생하는 문제를 해결하기 위해.
• 대규모 데이터셋을 지원하고 다양한 환경 조건에서도 작동하는 실시간 웹 포털 기반의 확장 가능한 얼굴 인식 시스템을 개발하기 위해.
• 기존의 전통적 PCA 및 2DPCA 방법과 비교해 계산 복잡도와 저장 요구량을 줄이면서도 정확도를 향상시키기 위해.
• PILGRIMAGE 환경에서 흔히 볼 수 있는 다양한 얼굴 외형, 자세, 조명 조건에서도 강력한 성능을 발휘할 수 있도록 하기 위해.
• 공간적 관계를 유지하면서 처리 속도를 향상시키는 2D-HOG 기반의 병렬적이고 압축된 특징 표현 방식을 통합하기 위해.

제안 방법

• 지오메트릭 기반의 기울기 방향을 공간적으로 구조화된 행렬에 분류함으로써 局부 텍스처 및 에지 정보를 유지하는 2D-HOG를 활용해 얼굴 이미지를 표현하기 위해.
• 이미지를 벡터화하는 대신 2D-HOG 특징 행렬에 직접 2DPCA를 적용하여 공간 상관관계를 유지하고 효율적으로 차원 감소를 수행하기 위해.
• 각 B개의 기울기 방향 범주를 병렬로 독립적으로 처리하는 병렬 처리 아키텍처를 도입하여 더 빠른 계산과 향상된 확장성 확보하기 위해.
• 시험 단계에서 테스트 및 학습 이미지의 특징 벡터를 비교하기 위해 최소 거리 분류기와 투표 방식을 활용하여 인식 수행하기 위해.
• 정확도를 손상시키지 않은 채 저장 및 계산 부담을 추가로 줄이기 위해 이산 웨이블릿 변환(DWT) 도메인 표현 방식을 활용하기 위해.
• ORL, UMIST, JAFFE, 그리고 새로 수집한 Hajj 데이터셋을 포함한 다양한 데이터셋에서 학습 및 테스트를 수행하여 다양한 자세, 표정, 외형 변화에 대응하기 위해.

실험 결과

연구 질문

• RQ1 기존의 PCA 및 2DPCA와 비교해 2D-HOG/2DPCA가 표준 및 실제 세계 데이터셋에서 더 높은 얼굴 인식 정확도를 달성할 수 있는가?
• RQ2 공간적 구조를 유지한 2D-HOG 표현 방식이 자세, 표정, 외형 변화에 따른 인식 정확도 향상에 기여하는가?
• RQ3 기존의 PCA 기반 방법과 비교해 제안된 방법이 계산 복잡도와 저장 요구량을 어느 정도 줄일 수 있는가?
• RQ4 다양하고 도전적인 조건에서 수집한 Hajj 대규모 실세계 데이터셋에서 시스템의 성능은 어떠한가?
• RQ5 대규모 군중 관리 응용 분야에 실시간 웹 기반 배포를 지원할 수 있는가?

주요 결과

• 2D-HOG/2DPCA 방법은 ORL 데이터셋에서 97%의 정확도를 달성하여 2DPCA(96%)와 PCA(92.5%)를 능가했다.
• JAFFE 데이터셋에서 이 방법은 100%의 정확도를 기록하여 2DPCA(96%)와 PCA(93.5%)를 초월했다.
• UMIST 데이터셋에서 이 방법은 90.35%의 정확도를 기록했으며, 2DPCA(88%)와 PCA(85%)보다 높았다.
• ORL 데이터셋에서 2D-HOG/2DPCA를 사용한 학습 시간은 10.4초로, PCA의 101초와 2DPCA의 14초보다 크게 단축되었다.
• 테스트 시간은 0.82초로, PCA의 2.1초와 2DPCA의 1.5초보다 현저히 낮았다.
• Hajj 데이터셋에서 각 개인당 두 장의 이미지로 학습한 경우 92.5%의 정확도를 달성했으며, 외형 및 스케일 변화가 있는 정면 이미지를 사용할 경우 100%의 정확도를 기록했다.