[논문 리뷰] Facial Surface Analysis using Iso-Geodesic Curves in Three Dimensional Face Recognition System

Rachid Ahdid, El Mahdi Barrah외 2명|arXiv (Cornell University)|2016. 08. 31.

Face recognition and analysis참고 문헌 23인용 수 3

한 줄 요약

이 논문은 3D 빠른 마이징 알고리즘을 사용하여 리만 기하학을 통한 지오데식 거리 계산을 통해 얼굴 표면을 등지오데식 곡선(IGCs)의 집합으로 표현하는 3D 얼굴 인식 시스템을 제안한다. SVM 분류를 사용하여 SHREC2008 데이터베이스에서 98.9%의 인식률을 달성하였으며, 이는 이전 방법들을 능가한다.

ABSTRACT

In this paper, we present an automatic 3D face recognition system. This system is based on the representation of human faces surfaces as collections of Iso-Geodesic Curves (IGC) using 3D Fast Marching algorithm. To compare two facial surfaces, we compute a geodesic distance between a pair of facial curves using a Riemannian geometry. In the classifying step, we use: Neural Networks (NN), K-Nearest Neighbor (KNN) and Support Vector Machines (SVM). To test this method and evaluate its performance, a simulation series of experiments were performed on 3D Shape REtrieval Contest 2008 database (SHREC2008).

연구 동기 및 목표

• 자세 변화, 조도, 얼굴 표정에 대해 강건한 자동 3D 얼굴 인식 시스템을 개발하는 것.
• 빠른 마이징 알고리즘을 통해 추출한 등지오데식 곡선을 사용하여 3D 얼굴 표면을 표현하는 것.
• 리만 기하학을 활용해 얼굴 곡선 간의 지오데식 거리를 계산하여 분류 능력을 향상시키는 것.
• SHREC2008 데이터베이스를 사용하여 시스템 성능을 평가하고 기존 3D 얼굴 인식 방법과 비교하는 것.
• NN, KNN, SVM을 사용한 분류를 통해 제안된 방법의 우수성을 입증하는 것.

제안 방법

• 지오데식 거리 계산의 시작점으로서 기준점(코 끝)을 수작업으로 검출한다.
• 3D 빠른 마이징 알고리즘이 Eikonal 방정식을 풀어 기준점에서 표면의 모든 점까지의 지오데식 거리를 계산한다.
• 기준점으로부터 정규 간격의 지오데식 거리 간격에서 등지오데식 곡선을 추출하여 얼굴 표면의 계층적 표현을 형성한다.
• 리만 메트릭 공식을 사용해 두 얼굴의 대응되는 등지오데식 곡선 간의 지오데식 거리를 계산하여 특징 벡터를 구성한다.
• 신경망(NT), K-최근접 이웃(KNN), 서포트 벡터 머신(SVM)의 세 가지 알고리즘을 사용해 분류를 수행한다.
• 특징 벡터의 차원은 사용된 등지오데식 곡선의 수와 동일하며, 지오데식 거리가 입력 특징으로 사용된다.

실험 결과

연구 질문

• RQ1 등지오데식 곡선 기반 3D 얼굴 인식 시스템이 기존 방법보다 더 높은 정확도를 달성할 수 있는가?
• RQ2 리만 지오데식 거리의 사용이 3D 얼굴 인식에서 얼굴 표면 곡선 간 비교에 얼마나 효과적인가?
• RQ3 등지오데식 곡선 표현과 SVM 분류의 조합이 다른 분류기와 이전 접근 방식을 능가하는가?
• RQ4 얼굴 표정 변화와 자세 변화 상황에서도 이 방법이 얼마나 강건한가?
• RQ5 등지오데식 곡선의 수가 인식 성능에 어떤 영향을 미치는가?

주요 결과

• 제안된 방법은 SVM 분류기를 사용하여 SHREC2008 데이터베이스에서 98.9%의 인식률을 달성하였으며, 이는 이전 방법들보다 뚜렷이 뛰어난 성능이다.
• 세 가지 테스트 알고리즘(NN, KNN, SVM) 중에서 SVM 분류기가 가장 높은 인식률을 보이며, 이 특징 공간에서의 효과성을 입증한다.
• 다섯 개의 등지오데식 곡선을 사용할 경우 특징의 풍부함과 계산 효율성 사이에 균형이 잘 맞아, 이 수치에서 인식률이 안정화됨을 확인하였다.
• 이전의 접근 방식, 즉 얼굴 윤곽 곡선, 적분 불변량, 탄성 변형 기반 방법들보다도 성능이 뛰어나며, 이들 방법의 인식률은 91.1%에서 95.3% 사이였다.
• 리만 기하학을 활용한 지오데식 거리 계산은 다양한 표정과 자세 변화 상황에서도 얼굴 표면 곡선 간 정확하고 강건한 비교를 가능하게 하였다.
• SHREC2008 데이터베이스의 다양한 조건(전면, 위로 봄, 아래로 봄, 표정 변화 등)에서도 높은 성능을 보였다.