中京大学 工学部 電気電子工学科 白井研究室 4年 T213052 為房直人 上下左右の向きに対応した 顔認識システム 中京大学 工学部 電気電子工学科 白井研究室 4年 T213052 為房直人
はじめに 顔認識システムとは、生体認証技術の一つ 目や鼻の形、位置、顔の輪郭等の特徴量データを元に 本人認証を行う。 正面顔の認識
研究背景 ・近年、顔認識システムは身近に利用できるものに なり、ゼミの活動でその仕組みについて学んだ。 なり、ゼミの活動でその仕組みについて学んだ。 ・主に正面顔のみを対象としていたが、研究が進み 別角度からも認識を行う技術が開発されている。
研究目的 ・顔認識を行う為の分類器を作成し、上下左右の向きから顔 認識を可能とするシステムの作成 認識を可能とするシステムの作成 ・自作したシステムと無償で提供されている顔認識システム との性能比較を行う
研究内容 1.顔認識システムの作成 2.顔認識システムの性能評価 3.考察
1. 顔認識システムの作成
開発環境 〇使用機器 型番: HP Z400 OS: Linux Webカメラ 〇使用ソフト, 言語 OpenCV 2.4 Python 3.0
分類器の作成 OpenCVを使用して、公開されている顔データを元にHaar-like 特徴量に基づく分類器を作成 OpenCV:画像や動画を処理するのに必要な機能が実装されて いる、コンピュータ・ビジョン・ライブラリ Haar-like特徴量:顔検出の際に用いる特徴量の一つで、矩形 領域の明暗差を元に検出を行う手法
作成手順 (1)公開されている顔データLabeled Faces in the Wild から合計145枚のデータを使用し、上下左右の向き毎に 画像を分類 分類した画像に処理を加え 上下左右の向き毎に各50枚の画像データを生成 右向きの顔データ
(2)向き毎に分類した画像から座標データを取得し、リスト 化する 画像から赤枠で囲んだ部分の座標を取得
(3) (2)でリスト化した座標データをpositive、それ以外の画 像をnegativeとしOpenCV付属のtraincascade機械学習 プログラムを使用し分類器を 生成 Haar-like特徴量に基づいて 特徴量データが生成 ↓ 生成された特徴量データを分類器に使用
2. 顔認識システムの性能評価
OpenCV付属の横顔認識との比較 既存のHaar-lile profile(横顔)特徴量を用いた認識システム との比較 ←点滅を 繰り返す 例：右向きの顔認識 (左:既存の分類器 右:本システム)
3. 考察
分類器作成の見直し ・分類器の性能が低いことが原因と考え、学習時の positive画像を150枚から30枚ずつ増やし、分類器の作 成を行った しかし、検出結果に大きな変化は見られなかった。 ・深層学習システムLabellioを用いて、本研究で使用した 画像データを学習させ、画像データの性能を調べた
Labellio ・京セラコミュニケーションシステムが提供する画像認識 モデル作成サービス ・分類器の作成が画像をアップロードするだけで容易に学習 を行える
検証結果
研究全体の考察・展望 ・顔の画像データからはOpenCV、深層学習のいずれも特徴 抽出が正確に行えない →精度の高い認識を行うことが困難 ・今後は、精度の高い認識を可能にする為に、角度変更が 自在である3Dモデルなどで人間の顔を作成し、より顔の 向き毎の特徴量データを取得する研究が必要
質問やコメントをお願いします
参考文献 ・Gary B. Huang, Manu Ramesh, Tamara Berg, and Erik Learned- ・桑井博之, 豊沢聡 ,永田雅人(2014)『実践OpenCV 2.4 for Python』. カットシステム. ・Gary B. Huang, Manu Ramesh, Tamara Berg, and Erik Learned- Miller. (2007) Labeled Faces in the Wild: A Database for Studying Face Recognition in Unconstrained Environments. University of Massachusetts, Amherst, Technical Report 07-49. ・Huang, G. et al. (2012) Learning to Align from Scratch. In Advances in Neural Information Processing Systems (NIPS) ・Labellio (2016) https://www.labell.io/ 2016年11月参照
関連研究 Deep Face 予め用意した標準的な顔の3Dモデルの対応する基準点に 対応させて特徴点の3次元位置を推定 →推定位置から、斜め向き画像からも正面顔画像を推定 https://research.preferred.jp/2014/03/face-verification-deepface-and-pyramid-cnn/