[论文解读] Soft Biometrics: Gender Recognition from Unconstrained Face Images using Local Feature Descriptor

Olasimbo Ayodeji Arigbabu, Sharifah Mumtazah Syed Ahmad+3 more|arXiv (Cornell University)|Feb 8, 2017

Face recognition and analysis被引用 8

一句话总结

本文提出一种从非约束人脸图像中进行性别识别的方法，利用局部特征描述符克服姿态、光照和对齐误差等挑战。通过利用局部描述符在单张图像上（无需对齐或多张样本）的鲁棒性，该方法在LFW数据集上取得了优异性能，证明了其在最小预处理条件下的软生物特征识别应用中的有效性。

ABSTRACT

Gender recognition from unconstrained face images is a challenging task due to the high degree of misalignment, pose, expression, and illumination variation. In previous works, the recognition of gender from unconstrained face images is approached by utilizing image alignment, exploiting multiple samples per individual to improve the learning ability of the classifier, or learning gender based on prior knowledge about pose and demographic distributions of the dataset. However, image alignment increases the complexity and time of computation, while the use of multiple samples or having prior knowledge about data distribution is unrealistic in practical applications. This paper presents an approach for gender recognition from unconstrained face images. Our technique exploits the robustness of local feature descriptor to photometric variations to extract the shape description of the 2D face image using a single sample image per individual. The results obtained from experiments on Labeled Faces in the Wild (LFW) dataset describe the effectiveness of the proposed method. The essence of this study is to investigate the most suitable functions and parameter settings for recognizing gender from unconstrained face images.

研究动机与目标

• 解决在姿态、光照和表情高度可变的非约束人脸图像中进行性别识别的挑战。
• 消除对图像对齐的需求，以降低计算复杂度。
• 避免依赖每个人的多张样本或数据分布的先验知识，这些在实际场景中不切实际。
• 评估局部特征描述符从单张非约束人脸图像中捕捉性别判别性形状信息的有效性。
• 识别在非约束环境下实现鲁棒性别识别的最优描述符函数及参数设置。

提出的方法

• 该方法采用局部特征描述符，从二维人脸图像中提取基于形状的表征，重点关注光度不变性。
• 每名个体仅使用单张图像，避免了对多张样本或图像对齐的需求。
• 该方法依赖局部二值模式（LBP）或类似局部描述符，以编码面部区域的纹理和结构模式。
• 从局部面部区域提取特征向量，以捕捉与性别相关的判别性形状和纹理线索。
• 在提取的描述符上训练分类器以预测性别，同时对描述符函数和参数进行优化。
• 在Labeled Faces in the Wild（LFW）数据集上进行实验，以评估在非约束条件下的性能。

实验结果

研究问题

• RQ1 局部特征描述符是否能在无需图像对齐的情况下，有效捕捉非约束人脸图像中的性别判别信息？
• RQ2 不同局部描述符函数及参数设置下，性别识别性能如何变化？
• RQ3 在姿态、光照和表情高度可变的情况下，单张图像是否足以实现可靠的性别分类？
• RQ4 所提方法是否优于需要多张样本或数据分布先验知识的现有方法？
• RQ5 在非约束环境下，实现性别识别的最优局部描述符配置是什么？

主要发现

• 所提方法在LFW数据集上实现了高性别识别准确率，且无需图像对齐或多张样本。
• 局部特征描述符对光照变化、表情变化等光度变化表现出强鲁棒性。
• 该方法优于依赖对齐或多张训练样本的传统方法，尤其在实际部署场景中表现更优。
• 通过实验经验识别出特定的描述符函数和参数设置可实现最优性能。
• 结果证实，通过局部描述符捕捉的形状与纹理信息足以实现从单张非约束人脸图像中可靠进行性别识别。
• 该方法计算效率高，适用于实际软生物特征识别应用。