[논문 리뷰] Face Recognition using Principal Component Analysis and Log-Gabor Filters

Vytautas Perlibakas|ArXiv.org|2006. 05. 07.

Face and Expression Recognition참고 문헌 42인용 수 11

한 줄 요약

이 논문은 정확도와 강건성을 향상시키기 위해 로그-가우스 필터와 주성분 분석(PCA)을 조합한 얼굴 인식 방법을 제안한다. 슬라이딩 윈도우 기반 특징 선택을 통해 다양한 척도와 방향에서 고강도의 로그-가우스 응답을 추출한 후, PCA 차원 감소 및 코사인 거리 기반 분류를 수행함으로써, FERET 데이터베이스에서 97–98%의 첫 번째 인식률과 0.3–0.4%의 등가오차율(EER)을 달성하였으며, 기존의 전통적 PCA보다 우수한 성능을 보이며 이미지 정규화 및 눈 위치 오차에 대한 민감도도 감소시켰다.

ABSTRACT

In this article we propose a novel face recognition method based on Principal Component Analysis (PCA) and Log-Gabor filters. The main advantages of the proposed method are its simple implementation, training, and very high recognition accuracy. For recognition experiments we used 5151 face images of 1311 persons from different sets of the FERET and AR databases that allow to analyze how recognition accuracy is affected by the change of facial expressions, illumination, and aging. Recognition experiments with the FERET database (containing photographs of 1196 persons) showed that our method can achieve maximal 97-98% first one recognition rate and 0.3-0.4% Equal Error Rate. The experiments also showed that the accuracy of our method is less affected by eye location errors and used image normalization method than of traditional PCA -based recognition method.

연구 동기 및 목표

• 다양한 조명 조건, 표정 변화 및 노화 상태에서의 얼굴 인식 정확도 향상.
• PCA 기반 방법에서 흔히 발생하는 이미지 정규화 및 얼굴 기준점 검출 오차에 대한 민감도 감소.
• 로그-가우스 특징과 PCA를 활용한 강력하고 고정확도의 얼굴 인식 시스템 개발.
• 슬라이딩 윈도우 기반 특징 선택과 PCA를 통한 효율적 차원 감소에 따른 로그-가우스 특징의 효과성 탐구.
• 기존 하이브리드 방법과 비교해도 우수하거나 유사한 성능을 보이는 표준 데이터베이스에서 최신 기술 수준의 성능 달성.

제안 방법

• 다양한 척도와 방향에서 얼굴 영상에 로그-가우스 필터를 적용하여 텍스처 민감도 특징을 추출한다.
• 슬라이딩 윈도우 검색을 통해 단일 척도에서 로그-가우스 크기의 최대값을 가지는 위치를 식별하고, 이러한 고정된 위치를 모든 척도에 걸쳐 재사용하여 일관성을 확보한다.
• 이러한 고정된 위치에서 선택된 로그-가우스 크기로부터 특징 벡터를 구성함으로써 차원 감소를 이루면서도 분류에 유용한 정보를 유지한다.
• 특징 벡터에 주성분 분석(PCA)을 적용하여 차원 감소 및 효율적 표현을 수행한다.
• 결과로 도출된 PCA 계수는 '화이트닝' 처리된 후 코사인 거리 측정법을 사용하여 비교 분류한다.
• 이 방법은 FERET 및 AR 데이터베이스를 대상으로 1311명의 개인으로부터 수집한 총 5151幅의 이미지를 사용하여 훈련 및 테스트를 수행하였다.

실험 결과

연구 질문

• RQ1 로그-가우스 특징과 PCA를 조합하여 다양한 조도 및 표정 변화 조건에서 얼굴 인식 정확도 향상이 가능한가?
• RQ2 제안된 슬라이딩 윈도우 기반 특징 선택 방법은 EBGM 기반 특징 선택 대비 강건성과 정확도 측면에서 어떻게 비교되는가?
• RQ3 표준 PCA에 비해 로그-가우스 + PCA 방법이 이미지 정규화 및 눈 위치 오차에 대해 얼마나 감소된 민감도를 보이는가?
• RQ4 각 개인의 중성 표정 이미지 한 장만을 사용하여 훈련할 경우 어떤 인식 성능를 달성할 수 있는가?
• RQ5 손으로 특징 레이블을 최소한으로 사용하여 FERET 데이터베이스에서 최신 기술 수준의 성능를 달성할 수 있는가?

주요 결과

• 제안된 방법은 FERET 데이터베이스에서 97–98%의 첫 번째 인식률을 달성하여 최신 기술 수준의 성능를 입증하였다.
• 등가오차율(EER)이 0.3–0.4%로 감소하여 높은 신뢰성과 낮은 오차율을 나타내었다.
• AR 데이터베이스에서는 중성 표정에 대해 99.13%의 인식 정확도, 표정 변화에 대해선 77.39%의 정확도를 기록하여 기존의 전통적 PCA 및 기타 방법을 초월하였다.
• 표준 PCA 기반 인식에 비해 이미지 정규화 및 눈 위치 오차에 대해 유의미하게 감소된 민감도를 보였다.
• 단일 훈련 이미지만을 사용한 경우, EBGM 기반의 가우스 + 베이즈 매칭보다 로그-가우스 PCA 방법이 우수한 성능를 보였다.
• 조도 변화 상황에서도 안정적인 성능를 보였으며, AR 데이터베이스에서 다양한 조도 조건에서 82.90%의 인식 정확도를 기록하였다.