[논문 리뷰] SVM-based Multiview Face Recognition by Generalization of Discriminant Analysis

Dakshina Ranjan Kisku, Hunny Mehrotra외 2명|arXiv (Cornell University)|2010. 01. 23.

Face and Expression Recognition참고 문헌 17인용 수 6

한 줄 요약

이 논문은 비선형 특징 공간을 다루기 위해 캐논리컬 코바리에이트를 사용하여 선형 판별 분 析(LDA)을 일반화한 SVM 기반의 다중 시각 얼굴 인식 시스템을 제안한다. 고해상도 Gabor 필터 베이스 특징을 통해 강건한 표현을 확보하고 캐논리컬 코바리에이트를 통한 차원 감소를 통해 UMIST 데이터베이스에서 높은 인식 정확도를 달성하며, 자세 및 조명 변화에 강건한 성능을 보여준다.

ABSTRACT

Identity verification of authentic persons by their multiview faces is a real valued problem in machine vision. Multiview faces are having difficulties due to non-linear representation in the feature space. This paper illustrates the usability of the generalization of LDA in the form of canonical covariate for face recognition to multiview faces. In the proposed work, the Gabor filter bank is used to extract facial features that characterized by spatial frequency, spatial locality and orientation. Gabor face representation captures substantial amount of variations of the face instances that often occurs due to illumination, pose and facial expression changes. Convolution of Gabor filter bank to face images of rotated profile views produce Gabor faces with high dimensional features vectors. Canonical covariate is then used to Gabor faces to reduce the high dimensional feature spaces into low dimensional subspaces. Finally, support vector machines are trained with canonical sub-spaces that contain reduced set of features and perform recognition task. The proposed system is evaluated with UMIST face database. The experiment results demonstrate the efficiency and robustness of the proposed system with high recognition rates.

연구 동기 및 목표

• 자세 및 조도 변화 하에서의 다중 시각 얼굴 인식 과제를 해결하기 위해.
• 고차원 공간 내 비선형 특징 분포를 모델링하여 인식의 강건성을 향상시키기 위해.
• 캐논리컬 코바리에이트를 통한 일반화된 LDA 접근법을 활용해 Gabor 특징의 차원을 감소시키기 위해.
• 캐논리컬 코바리에이트에서 유도된 저차원 부분공간에서 SVM을 훈련시켜 인식 성능을 향상시키기 위해.

제안 방법

• 회전된 프로파일 얼굴 이미지에 Gabor 필터 베이스를 적용하여 공간 주파수, 국소성 및 방향성 특징을 추출한다.
• 결과적으로 생성된 고차원 Gabor 특징 벡터를 캐논리컬 코바리에이트를 사용하여 낮은 차원의 부분공간으로 투영한다.
• 캐논리컬 코바리에이트는 특징 공간 내 비선형 데이터 분포를 다룰 수 있도록 LDA를 일반화한 것이다.
• 분류를 위해 감소된 캐논리컬 부분공간에서 서포트 벡터 머신(SVM)을 훈련시킨다.
• 이 방법은 SVM의 분류 능력과 캐논리컬 코바리에이트의 차원 감소 기능을 융합하여 인식 성능을 향상시킨다.
• 표준 다중 시각 얼굴 인식 프로토콜을 사용하여 UMIST 얼굴 데이터베이스에서 시스템을 평가한다.

실험 결과

연구 질문

• RQ1 캐논리컬 코바리에이트는 다중 시각 얼굴 인식을 위한 고차원 Gabor 특징 공간에서 차원 감소를 효과적으로 수행할 수 있는가?
• RQ2 제안된 방법은 표준 LDA에 비해 자세 및 조도의 비선형 변화를 어떻게 다루는가?
• RQ3 Gabor 특징과 캐논리컬 코바리에이트를 조합함으로써 SVM 기반의 인식 정확도는 어느 정도 향상되는가?
• RQ4 캐논리컬 코바리에이트를 통한 일반화된 LDA 접근법은 얼굴 자세 및 표정 변화에 대해 강건한가?

주요 결과

• 제안된 방법은 UMIST 얼굴 데이터베이스에서 높은 인식률을 달성하여 자세 및 조도 변화에 강건함을 입증한다.
• Gabor 특징의 사용은 조명, 자세 및 표정 변화를 효과적으로 포착한다.
• 캐논리컬 코바리에이트는 특징의 차원 감소를 효과적으로 수행하면서도 분류 정보를 유지한다.
• 캐논리컬 부분공간에서 훈련된 SVM은 비선형 특징 분포를 다루는 데 있어 표준 LDA보다 우수한 성능을 보인다.
• Gabor 필터링과 캐논리컬 코바리에이트 기반의 차원 감소 통합으로 인해 시스템의 일반화 능력 향상이 이루어졌다.
• 결과는 다중 시각 얼굴 인식 과제에 대해 일반화된 LDA 프레임워크의 효과성을 확인한다.