[논문 리뷰] Face Alignment Using Active Shape Model And Support Vector Machine

Thái Hoàng Lê, Truong Nhat Vo|arXiv (Cornell University)|2012. 09. 27.

Face recognition and analysis참고 문헌 8인용 수 6

한 줄 요약

이 논문은 얼굴 정렬을 위한 활성형태모델(ASM)을 향상시키기 위해 소벨 및 캐니 에지 검출을 통합하고, 정확한 랜드마크 분류를 위해 SVM를 사용하며, 이미지 크기에 따라 동적으로 2D 프로파일을 조정한다. 캘테크 및 IMM-Face 데이터베이스에서 평가된 개선된 ASM은 고전적 버전에 비해 유의미하게 높은 정확도를 달성하여 다양한 이미지 스케일과 조건에서 견고한 성능을 보여준다.

ABSTRACT

The Active Shape Model (ASM) is one of the most popular local texture models for face alignment. It applies in many fields such as locating facial features in the image, face synthesis, etc. However, the experimental results show that the accuracy of the classical ASM for some applications is not high. This paper suggests some improvements on the classical ASM to increase the performance of the model in the application: face alignment. Four of our major improvements include: i) building a model combining Sobel filter and the 2-D profile in searching face in image; ii) applying Canny algorithm for the enhancement edge on image; iii) Support Vector Machine (SVM) is used to classify landmarks on face, in order to determine exactly location of these landmarks support for ASM; iv)automatically adjust 2-D profile in the multi-level model based on the size of the input image. The experimental results on Caltech face database and Technical University of Denmark database (imm_face) show that our proposed improvement leads to far better performance.

연구 동기 및 목표

• 고전적 활성형태모델(ASM)의 얼굴 정렬 응용에서의 정확도를 향상시키기 위해.
• 이미지 스케일과 텍스처의 변동성을 다루는 데 있어 고전적 ASM의 한계를 해결하기 위해.
• 핵심 얼굴 점들을 위한 SVM 기반 분류를 도입하여 랜드마크 오지정을 줄이기 위해.
• 소벨 및 캐니 필터를 사용한 에지 검출을 통해 초기화 및 정밀 조정 단계를 향상시키기 위해.
• 입력 이미지 크기에 따라 다중 수준 ASM 기반의 2D 프로파일을 자동으로 스케일링할 수 있도록 하기 위해.

제안 방법

• 소벨 필터를 사용한 기울기 크기 계산과 노이즈에 강건한 에지 강화를 위한 캐니 알고리즘을 조합한 하이브리드 에지 검출 방법.
• 지역 이미지 패치 기반으로 랜드마크 위치를 분류하기 위해 서포트 벡터 머신(SVM)을 훈련시켜 랜드마크 예측 정확도를 향상시킴.
• 다중 수준 ASM 프레임워크가 입력 이미지 크기에 따라 2D 프로파일 해상도를 동적으로 조정하여 정합의 견고성을 유지함.
• 향상된 ASM은 향상된 에지와 SVM로 예측된 랜드마크를 사용하여 반복적인 형태 정밀 조정을 유도함.
• 2D 프로파일 특징과 지역 이미지 창에서의 텍스처 정보를 결합하여 수렴성과 정확도를 향상시킴.
• 시스템은 캘테크 및 덴마크 기술대학교(IMM-Face)의 얼굴 데이터베이스에서 훈련 및 검증됨.

실험 결과

연구 질문

• RQ1 소벨 및 캐니 에지 검출의 통합이 ASM의 초기화 및 정밀 조정 단계를 향상시키는가?
• RQ2 전통적 ASM 검색 방법에 비해 SVM 기반 랜드마크 분류가 오지정을 줄이는가?
• RQ3 2D 프로파일의 동적 스케일링이 다양한 입력 이미지 크기에서 성능 향상에 기여하는가?
• RQ4 제안된 ASM 변종은 기준 데이터셋에서 고전적 ASM에 비해 정렬 정확도 측면에서 어떻게 비교되는가?
• RQ5 텍스처와 에지 특징의 조합이 조명 및 자세 변화에 대한 견고성에 어떤 영향을 미치는가?

주요 결과

• 제안된 방법은 캘테크 및 IMM-Face 데이터베이스 양쪽에서 고전적 ASM보다 유의미하게 높은 정렬 정확도를 달성함.
• 캐니 에지 검출의 사용으로 에지의 연속성이 향상되고 랜드마크 검색 시 거짓 긍정이 감소함.
• SVM 기반 분류로 인해 모호한 영역에서 더 신뢰할 수 있는 예측을 제공하여 랜드마크 위치 오류가 감소함.
• 동적 프로파일 스케일링 덕분에 재학습 없이도 다양한 이미지 해상도에서 일관된 성능을 유지함.
• 소벨 필터링과 캐니 에지 강화의 조합이 ASM 반복 과정에서 더 안정적인 수렴을 이끌어냄.
• 향상된 ASM은 실제 얼굴 이미지에서 조명 및 표정 변화에 대해 뛰어난 견고성을 보였음.