[논문 리뷰] Face Identification by SIFT-based Complete Graph Topology

Dakshina Ranjan Kisku, Ajita Rattani외 2명|arXiv (Cornell University)|2010. 02. 02.

Advanced Image and Video Retrieval Techniques참고 문헌 11인용 수 5

한 줄 요약

이 논문은 SIFT 특징과 완전 그래프 구조를 사용하여 얼굴 구조를 모델링하는 얼굴 식별 시스템을 제안한다. 이는 회전, 체적 변화, 이동에 대해 불변성을 가지며, 강건한 식별을 가능하게 한다. 공간 왜곡 모델링과 유사도 최대화를 통한 그래프 매칭을 활용함으로써, BANCA 데이터베이스에서 높은 정확도를 달성하며 기존 방법에 비해 잘못된 매칭을 효과적으로 다루고 특징 집합 최적화를 향상시킨다.

ABSTRACT

This paper presents a new face identification system based on Graph Matching Technique on SIFT features extracted from face images. Although SIFT features have been successfully used for general object detection and recognition, only recently they were applied to face recognition. This paper further investigates the performance of identification techniques based on Graph matching topology drawn on SIFT features which are invariant to rotation, scaling and translation. Face projections on images, represented by a graph, can be matched onto new images by maximizing a similarity function taking into account spatial distortions and the similarities of the local features. Two graph based matching techniques have been investigated to deal with false pair assignment and reducing the number of features to find the optimal feature set between database and query face SIFT features. The experimental results, performed on the BANCA database, demonstrate the effectiveness of the proposed system for automatic face identification.

연구 동기 및 목표

• 회전, 체적 변화, 이동과 같은 기하학적 변환에 강건한 얼굴 식별 시스템을 개발하는 것.
• 잘못된 특징 쌍 할당과 고차원 특징 집합으로 인해 발생하는 얼굴 식별 과제를 해결하는 것.
• SIFT 특징에 기반한 완전 그래프 구조를 통해 얼굴 구조를 모델링하여 식별 정확도를 향상시키는 것.
• 다양한 조건 하에서 얼굴을 식별하는 데 있어 그래프 기반 매칭 기법의 성능을 평가하는 것.
• 표준 기준 데이터베이스(BANCA)에서 제안된 방법의 효과성을 입증하는 것.

제안 방법

• 스케일, 회전, 이동에 대해 불변성을 가지는 SIFT 특징을 얼굴 이미지에서 추출한다.
• 모든 SIFT 특징 점이 서로 연결되어 완전한 얼굴 구조 표현을 형성하는 완전 그래프 구조를 구성한다.
• 로컬 특징 유사도와 대응 노드 간 공간 왜곡을 고려한 유사도 함수를 최대화함으로써 그래프 매칭을 수행한다.
• 오답 매칭을 줄이고 쿼리 및 데이터베이스 얼굴 간의 특징 대응 집합을 최적화하기 위해 두 가지 그래프 기반 매칭 기법을 사용한다.
• 로컬 기술자 유사도와 그래프 구조 내 공간 일관성을 균형 잡는 유사도 함수를 사용한다.
• 최종 식별 결정은 그래프 매칭 과정에서 확보한 최고 유사도 점수에 기반한다.

실험 결과

연구 질문

• RQ1 SIFT 기반 그래프 구조는 기하학적 변환에 대해 얼굴 식별의 강건성을 어떻게 향상시킬 수 있는가?
• RQ2 그래프 매칭은 얼굴 식별에서 잘못된 특징 쌍 할당을 어느 정도 줄일 수 있는가?
• RQ3 SIFT 특징의 완전 그래프 표현은 부분적 또는 희박한 그래프 모델에 비해 식별 정확도를 향상시킬 수 있는가?
• RQ4 제안된 방법은 BANCA와 같은 표준 기준 데이터베이스에서 어떻게 성능을 발휘하는가?
• RQ5 공간 왜곡 모델링은 그래프 기반 얼굴 매칭의 유사도 함수에 어떤 영향을 미치는가?

주요 결과

• 제안된 SIFT 기반 완전 그래프 구조는 국소적 특징 유사도와 공간 관계를 모두 모델링함으로써 얼굴 식별 정확도를 크게 향상시킨다.
• 공간 일관성을 고려한 강력한 그래프 매칭 기법을 통해 오답 매칭을 효과적으로 줄인다.
• 시스템은 BANCA 데이터베이스에서 뛰어난 성능을 보이며, 실제 얼굴 식별 시나리오에서의 효과성을 확인한다.
• 완전 그래프 구조의 사용은 SIFT 점 간 가능한 모든 관계를 고려함으로써 특징 집합 최적화를 향상시킨다.
• 공간 왜곡을 고려한 유사도 함수는 다양한 얼굴 자세와 조명 조건 하에서도 더 신뢰할 수 있는 매칭 결과를 이끈다.
• 실험 결과는 방법의 회전, 체적 변화, 이동에 대한 불변성이 입증되었으며, 실용적 얼굴 식별의 핵심 요구 조건을 충족한다.