ガボール特徴行列に対するフィッシャー重みマップを用いた顔画像からの表情認識

摘要

Fisher Weight Maps method is one of feature extraction methods for image-based pattern recognition. It applies linear discriminant analysis to a set of data matrices composed of local image features, and finds the optimal weight matrix which extracts discriminative features from the data matrices. We investigate two modifications on this method: 1) employing Gabor filtering to extract local features instead of Higher-order Local Auto-Correlation (HLAC), 2) composing the weights for each type of local features ( corresponding to scales and orientations of Gabor filters ) instead of the weights for each position. It is shown that the proposed method outperforms the original method on two recognition tasks: facial expression recognition and pedestrianon-pedestrian recognition.%篠原・大津が提案したフィッシャー重みマップによる顔画像からの表情認識手法の改良を検討する．フィッシャー重みマップ手法とは，特徴量を行列の形に並べたデータに線形判別分析を適用して変換行列を構成する手法である．オリジナルの手法では高次局所自己相関特徴を用いていたが，本研究では，ガボール特徴から成る行列に対してフィッシャー重みマップを構成する．重みマップを用いて特徴を得る際には，画素位置ごとの重み付けだけでなく，特徴の種類（方位・スケール）ごとの重み付けも試みる．表情識別と歩行者・非歩行者識別の実験を行った結果，ガボール特徴を用いることで識別率が向上することを報告する．また，種類毎の重みマップを用いて特徴を抽出することで，従来の画素位置毎の重みマップを用いる場合と同等以上の識別率が得られることも示す．