[논문 리뷰] Face Recognition Algorithms based on Transformed Shape Features

Sambhunath Biswas, Amrita Biswas|arXiv (Cornell University)|2012. 07. 11.

Face and Expression Recognition참고 문헌 22인용 수 4

한 줄 요약

이 논문은 2D 회색조 얼굴 영상에서 강건한 형태 기반 특징을 추출하고, 이를 깊이 맵으로 변환한 후 Coiflet 패킷 및 Radon 변환을 사용하여 얼굴 인식 알고리즘 두 가지를 제안한다. 이 방법은 조도 및 자세 변화 상황에서도 뛰어난 성능을 발휘하며, LDA 및 k-NN 분류 기반으로 L1 및 마할라노비스 거리 측정을 사용한 ORL, Yale, Essex-Grimace 데이터베이스에서 기존 웨이브렛 기반 접근법보다 뛰어난 성능을 보였다.

ABSTRACT

Human face recognition is, indeed, a challenging task, especially under the illumination and pose variations. We examine in the present paper effectiveness of two simple algorithms using coiflet packet and Radon transforms to recognize human faces from some databases of still gray level images, under the environment of illumination and pose variations. Both the algorithms convert 2-D gray level training face images into their respective depth maps or physical shape which are subsequently transformed by Coiflet packet and Radon transforms to compute energy for feature extraction. Experiments show that such transformed shape features are robust to illumination and pose variations. With the features extracted, training classes are optimally separated through linear discriminant analysis (LDA), while classification for test face images is made through a k-NN classifier, based on L1 norm and Mahalanobis distance measures. Proposed algorithms are then tested on face images that differ in illumination,expression or pose separately, obtained from three databases,namely, ORL, Yale and Essex-Grimace databases. Results, so obtained, are compared with two different existing algorithms.Performance using Daubechies wavelets is also examined. It is seen that the proposed Coiflet packet and Radon transform based algorithms have significant performance, especially under different illumination conditions and pose variation. Comparison shows the proposed algorithms are superior.

연구 동기 및 목표

• 다양한 조도 및 자세 조건에서 얼굴 인식의 과제를 해결하기 위해.
• 영상의 깊이 맵에서 파생된 변환된 형태 특징의 효과성을 탐색하기 위해.
• 조도 및 자세 변화에 강인한 특징 추출 방법을 개발하기 위해.
• 선형 판별 분 析(LDA) 및 L1 및 마할라노비스 거리 기반 k-NN를 사용하여 분류 정확도를 향상시키기 위해.
• 제안된 방법이 기존 웨이브렛 기반 접근법보다 성능 우월성을 입증하기 위해 비교하기 위해.

제안 방법

• 2D 회색조 얼굴 영상을 표면의 형태를 표현하기 위해 깊이 맵으로 변환하기 위해.
• 깊이 맵을 Coiflet 패킷 변환을 적용하여 하위대역 에너지 특징으로 분해하기 위해.
• 깊이 맵에 대해 Radon 변환을 적용하여 형태 구조에 민감한 투영 기반 특징을 추출하기 위해.
• 변환된 하위대역에서 에너지 값을 계산하여 특징 벡터를 구성하기 위해.
• 특징 공간에서 훈련 클래스를 최적으로 분리하기 위해 선형 판별 분석(LDA)을 사용하기 위해.
• 유사도 측정을 위해 L1 노름 및 마할라노비스 거리 기반 k-NN를 사용하여 테스트 이미지를 분류하기 위해.

실험 결과

연구 질문

• RQ1 깊이 맵에서 유도된 변환된 형태 특징이 조도 변화 상황에서 얼굴 인식의 강건성을 향상시키는가?
• RQ2 Coiflet 패킷 및 Radon 변환이 자세에 강인한 얼굴 특징을 효과적으로 추출하는가?
• RQ3 제안된 방법이 얼굴 인식 정확도에서 기존 웨이브렛 기반 접근법을 초월하는가?
• RQ4 L1 및 마할라노비스 거리 측정 방식이 추출된 특징을 기반으로 한 분류 성능 향상에 어느 정도 기여하는가?
• RQ5 다양한 데이터베이스에서 조도, 표정, 자세 조건이 다양할 경우 알고리즘이 어떻게 성능을 발휘하는가?

주요 결과

• 제안된 Coiflet 패킷 및 Radon 변환 기반 알고리즘이 특히 조도 변화 상황에서 뚜렷한 성능 향상을 보였다.
• 깊이 맵 변환을 통한 특징 추출은 전통적 방법 대비 자세 및 조도 변화에 대한 강인성을 향상시켰다.
• LDA를 이용한 클래스 분리와 k-NN에 마할라노비스 거리 기반의 조합이 높은 분류 정확도를 달성했다.
• ORL, Yale, Essex-Grimace 데이터베이스에서의 실험을 통해 기존 웨이브렛 기반 접근법보다 뛰어난 성능을 확인했다.
• 이 맥락에서 Daubechies 웨이브렛에 비해 Coiflet 패킷 변환이 더 우수한 에너지 압축 및 특징 분리 능력을 보였다.
• Radon 변환은 형태적 구조 정보를 효과적으로 캡처하여 자세 변화 상황에서의 인식 성능 향상에 기여했다.