[論文レビュー] Face Recognition Algorithms based on Transformed Shape Features

Sambhunath Biswas, Amrita Biswas|arXiv (Cornell University)|Jul 11, 2012

Face and Expression Recognition参考文献 22被引用数 4

ひとこと要約

本稿では、2次元グレースケール顔画像から形状ベースの特徴を強力に抽出し、それを深さマップに変換した後、Coifletパケット変換およびラドン変換を用いた2つの顔認識アルゴリズムを提案する。この手法は、照明およびアングルの変化に対して優れた性能を発揮し、LDAおよびL1距離とマハラノビス距離を用いたk-NN分類法を用いたORL、Yale、Essex-Grimaceデータベースにおいて、既存のウェーブレットベースの手法を上回る性能を示した。

ABSTRACT

Human face recognition is, indeed, a challenging task, especially under the illumination and pose variations. We examine in the present paper effectiveness of two simple algorithms using coiflet packet and Radon transforms to recognize human faces from some databases of still gray level images, under the environment of illumination and pose variations. Both the algorithms convert 2-D gray level training face images into their respective depth maps or physical shape which are subsequently transformed by Coiflet packet and Radon transforms to compute energy for feature extraction. Experiments show that such transformed shape features are robust to illumination and pose variations. With the features extracted, training classes are optimally separated through linear discriminant analysis (LDA), while classification for test face images is made through a k-NN classifier, based on L1 norm and Mahalanobis distance measures. Proposed algorithms are then tested on face images that differ in illumination,expression or pose separately, obtained from three databases,namely, ORL, Yale and Essex-Grimace databases. Results, so obtained, are compared with two different existing algorithms.Performance using Daubechies wavelets is also examined. It is seen that the proposed Coiflet packet and Radon transform based algorithms have significant performance, especially under different illumination conditions and pose variation. Comparison shows the proposed algorithms are superior.

研究の動機と目的

• 照明およびアングルの変化する条件下での顔認識の課題に対処すること。
• 深さマップからの変換形状特徴の有効性を検証すること。
• 照明およびアングルの変化に対して不変な強力な特徴抽出手法を開発すること。
• 線形判別分析（LDA）およびL1距離とマハラノビス距離を用いたk-NNによる分類精度の向上。
• 提案手法を既存のウェーブレットベースの手法と比較し、性能優位性を検証すること。

提案手法

• 顔の三次元的形状を表現するために、2次元グレースケール顔画像を深さマップに変換する。
• 深さマップをCoifletパケット変換によりサブバンドエネルギー特徴に分解する。
• 深さマップにラドン変換を適用し、形状構造に敏感な投影ベースの特徴を抽出する。
• 変換されたサブバンドからのエネルギー値を計算し、特徴ベクトルを構築する。
• 特徴空間における訓練クラスの最適分離を実現するために、線形判別分析（LDA）を用いる。
• 類似度測定にL1ノルムおよびマハラノビス距離を用いたk-NNを用いて、テスト画像を分類する。

実験結果

リサーチクエスチョン

• RQ1 深さマップからの変換形状特徴は、照明変動下でも顔認識のロバスト性を向上させることができるか？
• RQ2 Coifletパケット変換およびラドン変換は、アングル不変な顔特徴を効果的に抽出できるか？
• RQ3 提案手法は、顔認識精度において既存のウェーブレットベースの手法を上回るか？
• RQ4 L1距離およびマハラノビス距離測定は、抽出された特徴を用いた分類性能をどの程度向上させるか？
• RQ5 異なる照明、表情、アングル条件を有する多様なデータベースにおいて、アルゴリズムはどのように性能を発揮するか？

主な発見

• 提案されたCoifletパケット変換およびラドン変換に基づくアルゴリズムは、特に照明変動下で顕著な性能向上を達成した。
• 深さマップへの変換による特徴抽出は、従来手法と比較して、アングルおよび照明変化に対してより高いロバスト性を示した。
• LDAによるクラス分離と、マハラノビス距離を用いたk-NNの組み合わせにより、高い分類精度が達成された。
• ORL、Yale、Essex-Grimaceデータベースにおける実験により、既存のウェーブレットベースの手法を上回る性能が確認された。
• 本研究の文脈において、Coifletパケット変換はダービッチェスウェーブレットと比較して、より優れたエネルギー集約性と特徴の識別能を示した。
• ラドン変換は、構造的形状情報を効果的に捉えることができ、アングル変動下での認識性能向上に寄与した。