[논문 리뷰] A Vision System for Multi-View Face Recognition

Mahmoud Y. Shams, A. S. Tolba외 1명|arXiv (Cornell University)|2017. 06. 01.

Face and Expression Recognition참고 문헌 11인용 수 8

한 줄 요약

이 논문은 다양한 자세와 노이즈 조건에서도 강건성을 향상시키기 위해 SURF 특징 추출과 하이브리드 분류기(MLP, LVQ, RBF)를 사용한 다중 시각적 얼굴 인식을 위한 다중 모odal 시각 시스템을 제안한다. SDUMLA-HMT, CASIA 및 자체 구축한 노이즈가 첨가된 다중 시각 데이터셋에서 평가된 결과, 어려운 조건에서도 높은 정확도와 신뢰성을 확보하여 자세 및 조명 변화가 있는 실생활 시나리오에서 뛰어난 성능을 보였다.

ABSTRACT

Multimodal biometric identification has been grown a great attention in the most interests in the security fields. In the real world there exist modern system devices that are able to detect, recognize, and classify the human identities with reliable and fast recognition rates. Unfortunately most of these systems rely on one modality, and the reliability for two or more modalities are further decreased. The variations of face images with respect to different poses are considered as one of the important challenges in face recognition systems. In this paper, we propose a multimodal biometric system that able to detect the human face images that are not only one view face image, but also multi-view face images. Each subject entered to the system adjusted their face at front of the three cameras, and then the features of the face images are extracted based on Speeded Up Robust Features (SURF) algorithm. We utilize Multi-Layer Perceptron (MLP) and combined classifiers based on both Learning Vector Quantization (LVQ), and Radial Basis Function (RBF) for classification purposes. The proposed system has been tested using SDUMLA-HMT, and CASIA datasets. Furthermore, we collected a database of multi-view face images by which we take the additive white Gaussian noise into considerations. The results indicated the reliability, robustness of the proposed system with different poses and variations including noise images.

연구 동기 및 목표

• 실생활 응용에서 다양한 자세와 조명 조건에서 얼굴 인식에 직면하는 과제를 해결하기 위해.
• 다양한 카메라 시점에서 얼굴을 인식할 수 있는 강건한 다중 모달 생체 인식 시스템을 개발하기 위해.
• SURF 기반 특징 추출과 다중 분류기(MLP, LVQ, RBF)의 조합을 통해 인식의 신뢰성을 향상시키기 위해.
• 가우시안 백색 잡음과 다양한 자세 변화 조건 하에서 시스템 성능을 평가하기 위해.
• 노이즈가 첨가된 새로운 다중 시각 얼굴 데이터베이스를 수집하고 이를 활용하여 강건성 검증을 수행하기 위해.

제안 방법

• 시스템은 서로 동기화된 세 대의 카메라를 사용하여 다양한 각도에서 다중 시각 얼굴 영상을 촬영한다.
• 빠르고 강건한 키포인트 검출을 위해 각 얼굴 영상에서 Speeded-Up Robust Features (SURF) 알고리즘을 사용하여 특징을 추출한다.
• 다중층 퍼셉트론(MLP), 학습 벡터 양자화(LVQ), 및 반경 기반 함수(RBF) 네트워크를 조합한 하이브리드 접근 방식을 사용하여 분류를 수행한다.
• 개별 분류기의 출력을 융합 전략을 통해 통합하여 전체 인식 정확도를 향상시킨다.
• 이미지 품질이 떨어진 조건에서의 강건성을 테스트하기 위해 백색 가우시안 노이즈가 첨가된 자체 구축한 다중 시각 얼굴 데이터베이스를 수집하였다.
• 제어된 조건과 노이즈가 첨가된 조건에서 공개된 데이터셋인 SDUMLA-HMT와 CASIA를 대상으로 시스템을 평가하였다.

실험 결과

연구 질문

• RQ1 다양한 자세를 가진 다중 시각에서 얼굴을 효과적으로 인식할 수 있는 다중 모달 시각 시스템은 가능한가?
• RQ2 SURF 특징과 하이브리드 분류기의 조합이 자세 변화 조건에서 인식 정확도를 어떻게 향상시키는가?
• RQ3 얼굴 영상에 추가된 백색 가우시안 잡음이 가해질 경우 시스템의 성능 유지 수준은 어느 정도인가?
• RQ4 단일 모달 접근 방식에 비해 제안된 시스템은 강건성과 신뢰성 측면에서 어떻게 비교되는가?
• RQ5 노이즈가 첨가된 자체 구축한 다중 시각 얼굴 데이터베이스는 실생활 인식 성능 평가에 어떻게 기여하는가?

주요 결과

• 제안된 시스템은 SDUMLA-HMT 및 CASIA 데이터셋에서 높은 인식 정확도를 달성하여 다양한 자세에서 뛰어난 성능을 보였다.
• MLP, LVQ, RBF 분류기의 융합은 개별 분류기 대비 인식 신뢰도를 크게 향상시켰다.
• 얼굴 영상에 추가된 백색 가우시안 잡음 조건에서도 시스템은 강건한 성능을 유지하여 이미지 품질 저하에 대한 저항성을 확인하였다.
• 노이즈가 첨가된 자체 구축한 다중 시각 얼굴 데이터베이스는 실생활 조건에서의 시스템 강건성 검증에 효과적이었다.
• SURF 특징 추출 방식은 효율적이고 안정적인 키포인트 추출을 가능하게 하여 다양한 시점 변화에서도 일관된 성능 기여를 하였다.
• 결과적으로 다중 모달 분류기 융합 전략은 자세 및 노이즈와 같은 복잡한 실생활 과제에 대응하는 데 있어 인식 성능 향상을 이룬다.