顔認識のためのウェーブレット特徴量の評価(<特集>「人工知能的方法論を用いた知的画像処理」)

概要

論文の詳細を見る
顔認識の特徴量としては,様々なものが利用されているが,その代表的なものとしてGaborウェーブレット特徴量がある.Gaborウェーブレット特徴量は,出力特性が生物の視覚特性と似ており,Eigenface等,他の顔認識手法と比較して良好な性能を示している.しかし,顔認識の特徴量として,Gaborウェーブレット特徴量が最適であるか明らかではない.そこで,本研究では,Gaborウェーブレット以外の様々なウェーブレット(Haar, French hat, Mexican hat, Daubechies, Coiflet, Symlet, O-spline)を用いて特徴抽出を行い,どのウェーブレット特徴量が顔認識に最適であるかを調べた.ウェーブレットのスケールを固定したもの,スケールを可変にしたものの認識率をAR Face Databaseを用いて比較を行った.さらに,スケール可変ウェーブレットを8方向に回転させ特徴抽出を行い,認識を行った.その結果,スケール可変ウェーブレットで8方向から特徴抽出を行った場合,全てのテスト画像においてHaarウェーブレットがGaborウェーブレットより高い認識率を示すことが明らかになった.
日本知能情報ファジィ学会の論文
2007-10-15