Download presentation
Presentation is loading. Please wait.
1
中京大学 情報理工学部 機械情報学科 H412082 野口裕司
顔認識を用いた出席確認システム 中京大学 情報理工学部 機械情報学科 H412082 野口裕司
2
研究背景 3年次のゼミでOpenCVを用いた画像処理の基礎や顔認識について学び、顔認識に興味をもったことから、卒業研究として実用的な顔認識システムについての研究を行うこととした
3
研究目的 カメラからの画像により人物認証を行い、その結果を管理するシステムにより出席確認の効率化を図ることを目的とした
4
研究計画 （１）顔画像データの収集 ↓ （２）機械学習、人物判別 （３）検証
5
（１）顔データの収集
6
顔画像データの収集 準備として１０代後半から５０代の 男女４８人の正面画像を１人２０枚ずつ 撮影しフォルダ分けをする。
7
番号フォルダの中身
8
（２）学習、人物判別
9
FisherFace、Eigenface、LBP
機械学習（１） OpenCVの中の FisherFace、Eigenface、LBP すべてを実験検証し一番認識精度の 高かったFisherFaceを使用。 特徴として照明や角度に影響されにくい
10
機械学習（２） FisherFaceを使用
11
学習結果を用い顔を識別画像
12
人物判別の認識率 機械学習の結果を用いて学習に用いたのとは別の各100枚の画像（7人分）に対して人物判別を行った結果を表に表す
全体で平均すると認識率は７５％であった。
13
認識信頼度を設けることによって 誤認識を防げるのではないか 人物判別時に候補者と 一緒に認識信頼度を 同時に表示させる。
14
認識信頼度とは ・０から２００００までの値をとる。 ・認識信頼度の値は基準となる画像と判別時の画像との距離から算出している。 ・基準となる画像と判別時の画像が同じ場合 ０を表し、完全に一致となる。 よって０に近い値のほうが認識精度が高い
15
（３）検証
16
システムの検証 １．４８名を番号（1.2.3…)で管理
17
２． 認識信頼度にある一定の閾値を設け、それを下回った場合のみ人物認証結果時の日付・時間情報と番号（名前）を表示・記録
18
３．そのデータをCSV形式のファイルに書き込む
19
４．結果、棒グラフで表示 例として７名の５日間のデータ
20
装着物 自分の学習画像
21
左：髭・右：帽子
22
失敗例 メガネの場合は検出を行うが精度が悪く マスク時は認識を行わない
23
結果・考察（１) 髭や帽子など目、鼻、口が隠れない装着物 だと問題なく人物判別をすることができるが マスクやメガネなどの 目、鼻、口いずれかを隠す装着物についての 対策が必要だと考える。
24
結果・考察（2） また、認識率は75％であるものの、出欠をとる際には認識信頼度を設けているため出席確認システム全体としては誤認識を防ぐことができると考える。 しかし、認識信頼度の閾値を下回る検出を得るには時間がかかることが分かった。
25
展望 誤認識した場合の対策として 音声認識を組み合わせることによって 候補者を音声で確認できるようになれば より実用的になるのではないかと考えます。
26
質問・コメントをお願いします
Similar presentations
