顔画像からの個人顔識別
- 2. 背景 東京オリンピック開催に向けて，国内の安全意識が高まる現在， セキュリティ技術が注目されている． 物理的なセキュリティ技術である，バイオメトリクス認証 顔画像から個人を識別する技術に着目した．
- 6. 顔全体の主成分分析を行う手法 共分散行列を作成する 𝑆 = 𝑖=1 𝑛 𝑥𝑖 − 𝑚 𝑥𝑖 − 𝑚 𝑇 (𝑆:共分散行列， 𝑥𝑖:番目の画像， 𝑚 :平均ベクトル(平均顔) 𝑛:画像の総枚数) 固有ベクトルを作成する 𝑆𝑥 = 𝜆𝑥 (𝑥：固有ベクトル，𝜆:固有値) 固有ベクトルは固有顔を表す
- 7. 顔全体の主成分分析を行う手法 共分散行列を作成する 𝑆 = 𝑖=1 𝑛 𝑥𝑖 − 𝑚 𝑥𝑖 − 𝑚 𝑇 (𝑆:共分散行列， 𝑥𝑖:番目の画像， 𝑚 :平均ベクトル(平均顔) 𝑛:画像の総枚数) 固有ベクトルを作成する 𝑆𝑥 = 𝜆𝑥 (𝑥：固有ベクトル，𝜆:固有値) 固有ベクトルは固有顔を表す
- 9. 顔全体の主成分分析を行う手法 共分散行列を作成する 𝑆 = 𝑖=1 𝑛 𝑥𝑖 − 𝑚 𝑥𝑖 − 𝑚 𝑇 (𝑆:共分散行列， 𝑥𝑖:番目の画像， 𝑚 :平均ベクトル(平均顔) 𝑛:画像の総枚数) 固有ベクトルを作成する 𝑆𝑥 = 𝜆𝑥 (𝑥：固有ベクトル，𝜆:固有値) 固有ベクトルは固有顔を表す
- 10. 顔全体の主成分分析を行う手法 固有ベクトル(固有顔)とは 人間の顔の特徴を表したベクトル 第1主成分 第2主成分 第3主成分 第4主成分 第5主成分 第6主成分 第7主成分 第8主成分 第9主成分 第10主成分 第11主成分 第12主成分
- 11. 顔全体の主成分分析を行う手法 固有値𝜆の変化 0.00E+00 5.00E+10 1.00E+11 1.50E+11 2.00E+11 2.50E+11 3.00E+11 3.50E+11 4.00E+11 0 10 20 30 40 50 固有値 次元数(N) 固有値の変化
- 12. 顔全体の主成分分析を行う手法 近似顔について 平均顔(平均ベクトル)に指定した次元分の固有顔(固有ベクトル)を 足すことで得られる顔．次元数を増やすほど元々の顔に近づく． 𝑥 ≅ 𝑚 + 𝑖=1 𝑁 𝑒𝑖(𝑥𝑒𝑖) 𝑥：ある画像のベクトル 𝑚:平均ベクトル 𝑁:次元数 𝑒:固有ベクトル
- 13. 顔全体の主成分分析を行う手法 近似顔について 元の顔画像 1 1～2 1～3 1～4 1～5 1～6 1～7 1～8 1～9
- 15. 環境について OS Windows 7 Professional 64bit プロセッサ Intel Core i5-2520M CPU 2.50GHz 実装メモリ 12.0GB 使用言語 C/C++ 使用ライブラリ OpenCV 3.0 使用データ PRMUアルゴリズムコンテスト 第4回(2000年) 「わたしは誰？顔画像からの個人識別」
- 18. 実験結果 各クラスタの重心と入力画像の距離を比較した場合 0.00% 10.00% 20.00% 30.00% 40.00% 50.00% 60.00% 70.00% 80.00% 90.00% 1次元 1-2次元 1-4次元 1-8次元 1-16次元 1-32次元 各次元における，入力画像が各順位にランクインした確率 (全クラスタとの比較) 1位 1-2位 1-4位 1-8位
- 19. 実験結果 全ての画像と入力画像の距離を比較した場合 0.00% 10.00% 20.00% 30.00% 40.00% 50.00% 60.00% 70.00% 80.00% 1次元 1-2次元 1-4次元 1-8次元 1-16次元 1-32次元 各次元における，入力画像が各順位にランクインした確率 (全画像との比較) 1位 1-2位 1-4位 1-8位