[论文解读] Face Identification by SIFT-based Complete Graph Topology

Dakshina Ranjan Kisku, Ajita Rattani+2 more|arXiv (Cornell University)|Feb 2, 2010

Advanced Image and Video Retrieval Techniques参考文献 11被引用 5

一句话总结

本文提出了一种基于SIFT特征和完整图拓扑的面部识别系统，用于建模面部结构，实现对旋转、缩放和平移变换的鲁棒识别。通过结合空间失真建模与相似性最大化进行图匹配，该方法在BANCA数据库上实现了高准确率，优于传统方法，在处理误匹配和特征集优化方面表现更优。

ABSTRACT

This paper presents a new face identification system based on Graph Matching Technique on SIFT features extracted from face images. Although SIFT features have been successfully used for general object detection and recognition, only recently they were applied to face recognition. This paper further investigates the performance of identification techniques based on Graph matching topology drawn on SIFT features which are invariant to rotation, scaling and translation. Face projections on images, represented by a graph, can be matched onto new images by maximizing a similarity function taking into account spatial distortions and the similarities of the local features. Two graph based matching techniques have been investigated to deal with false pair assignment and reducing the number of features to find the optimal feature set between database and query face SIFT features. The experimental results, performed on the BANCA database, demonstrate the effectiveness of the proposed system for automatic face identification.

研究动机与目标

• 开发一种对旋转、缩放和平移等几何变换具有鲁棒性的面部识别系统。
• 解决因错误特征点配对和高维特征集导致的面部识别挑战。
• 通过基于SIFT特征构建的完整图拓扑建模面部结构，提升识别准确率。
• 评估基于图的匹配技术在不同条件下识别面部的表现。
• 在标准基准数据库（BANCA）上展示所提方法的有效性。

提出的方法

• 该方法从面部图像中提取SIFT特征，其对尺度、旋转和平移具有不变性。
• 通过将每个SIFT特征点与所有其他点相连，构建完整图拓扑，从而形成面部结构的全面表示。
• 通过最大化同时考虑局部特征相似性和对应节点间空间失真相似性函数，执行图匹配。
• 采用两种基于图的匹配技术，以减少误匹配并优化查询图像与数据库图像之间的特征对应关系。
• 系统使用一种相似性函数，平衡图结构中局部描述子相似性与空间一致性。
• 最终的识别决策基于图匹配过程中获得的最高相似性得分。

实验结果

研究问题

• RQ1 基于SIFT的图拓扑在几何变换下如何提升面部识别的鲁棒性？
• RQ2 图匹配在多大程度上可减少面部识别中的错误特征点配对？
• RQ3 与部分或稀疏图模型相比，SIFT特征的完整图表示是否能提升识别准确率？
• RQ4 所提方法在标准基准数据库（如BANCA）上的表现如何？
• RQ5 空间失真建模对基于图的面部匹配中相似性函数的影响是什么？

主要发现

• 所提出的基于SIFT的完整图拓扑通过同时建模局部特征相似性和空间关系，显著提升了面部识别准确率。
• 该方法通过考虑空间一致性的鲁棒图匹配技术，有效减少了误报匹配。
• 系统在BANCA数据库上表现出高性能，证实了其在真实世界面部识别场景中的有效性。
• 完整图结构通过确保考虑SIFT点之间所有可能的关系，增强了特征集的优化。
• 考虑空间失真的相似性函数在不同面部姿态和光照条件下，带来了更可靠的匹配结果。
• 实验结果验证了该方法对旋转、缩放和平移的不变性，这正是实际面部识别的关键需求。