[论文解读] Face Recognition using Hough Peaks extracted from the significant blocks of the Gradient Image

Arindam Kar|arXiv (Cornell University)|Dec 5, 2013

Face and Expression Recognition参考文献 10被引用 3

一句话总结

该论文提出了一种新型的人脸识别方法，通过从二值化梯度图像的重要区域块中提取霍夫峰值，增强了对光照、噪声和姿态变化的鲁棒性。通过计算梯度、二值化处理、分割显著区域块，并提取主导霍夫峰值进行特征拼接，该方法在 FRAV2D 数据库上达到 93.3% 的准确率，在 FERET 上达到 88.5%，在 ORL 上达到 99%。

ABSTRACT

This paper proposes a new technique for automatic face recognition using integrated peaks of the Hough transformed significant blocks of the binary gradient image. In this approach firstly the gradient of an image is calculated and a threshold is set to obtain a binary gradient image, which is less sensitive to noise and illumination changes. Secondly, significant blocks are extracted from the absolute gradient image, to extract pertinent information with the idea of dimension reduction. Finally the best fitted Hough peaks are extracted from the Hough transformed significant blocks for efficient face recognition. Then these Hough peaks are concatenated together, which are used as feature in classification process. The efficiency of the proposed method is demonstrated by the experiment on 1100 images from the FRAV2D face database, 2200 images from the FERET database, where the images vary in pose, expression, illumination and scale and 400 images from the ORL face database, where the images slightly vary in pose. Our method has shown 93.3%, 88.5% and 99% recognition accuracy for the FRAV2D, FERET and the ORL database respectively.

研究动机与目标

• 解决由于光照变化、噪声和姿态变化导致的人脸识别挑战。
• 在保留判别性特征的同时降低人脸图像的维度。
• 通过聚焦梯度图像中的显著局部区域，提升识别准确率。
• 开发一种基于局部图像块霍夫变换的鲁棒特征提取流程。
• 在具有不同图像条件的多样化数据库上验证方法的有效性。

提出的方法

• 使用 Sobel 或类似算子计算输入人脸图像的绝对梯度。
• 对梯度幅值应用阈值处理，生成二值化梯度图像，降低对光照和噪声的敏感性。
• 将二值化梯度图像划分为非重叠块，并根据梯度能量或边缘密度识别‘显著’块。
• 对每个显著块执行霍夫变换，以检测主导的线性或边缘模式。
• 从每个显著块中提取最突出的霍夫峰值（霍夫空间中的局部极大值）。
• 将所有块中提取的霍夫峰值拼接成单一特征向量，用于分类。

实验结果

研究问题

• RQ1 来自局部梯度块的霍夫峰值是否能提升在光照和噪声条件下的人脸识别鲁棒性？
• RQ2 分块特征提取在不损失判别能力的前提下，对降低维度的效率如何？
• RQ3 所提出方法在具有不同姿态、表情和尺度的数据库上泛化程度如何？
• RQ4 与全局特征提取相比，显著块选择是否能提升识别准确率？
• RQ5 与现有的基于梯度或基于霍夫的人脸识别技术相比，该方法表现如何？

主要发现

• 该方法在包含姿态、表情、光照和尺度变化的 FRAV2D 数据库上实现了 93.3% 的识别准确率。
• 在 FERET 数据库上，该方法达到了 88.5% 的准确率，证明了其在具有挑战性的现实条件下的有效性。
• 对于姿态变化极小的 ORL 数据库，该方法实现了 99% 的识别准确率，表明其在受控数据上的高性能表现。
• 使用二值化梯度图像降低了对光照和噪声的敏感性，从而增强了鲁棒性。
• 从显著块中提取的霍夫峰值特征拼接，提供了紧凑但具有判别力的表示。
• 该方法在多样化数据库上表现出强大的泛化能力，证实了其鲁棒性和可扩展性。