Robust face recognition based on modified architecture of Independent Component Analysis

摘要

顔認識を実現するためのプログラムでは、統計的パターン認識手法が重要な役割を演じる。その中には、主成分分析（PCA）、独立成分分析（ICA）と線形判別分析（LDA）等部分空間学習アルゴリズムを用いた顔認識の研究、開発が活発に行われている。LDAは教師付き顔認証のために良い結果を得ることができます、しかし、認識するsubjectsのトレーニング顔はなしあるいは1つしか手入れできないのシステムの応用が制限されます。そして、PCAによる顔画像表現に比べICA による顔画像表現の有効性を議論した。しかし、顔認証のような次元数が多すぎなパターン認識作業へのICA の適用性は、しばしば若干の問題で苦しみます。その問題の一つは次元数が膨大となり、計算量が大きくとなる、もうーつはコンピュータメモリの問題です。本稿では、ICA のこの2つの問題を扱うために、独立成分分析の改善されたarchitectureを提案する。提案されたICA手法は、顔認識が高速に行われていることができるだけではなく、実験の結果により顔認識の有効性が確認することができた。%A number of current face recognition algorithms use face representations found by statistical subspace learning methods. Therein, Principal Component Analysis(PCA), Independent Component Analysis(ICA) and Linear Discriminant Analysis(LDA) are a high-focused research topic in this field. LDA can get good results for supervised face recognition. However, it is limited for some face recognition system, where no or only one sample face can be obtained for training. In the other hand, ICA can obtain acceptable recognition result. However, the applicability of ICA to high-dimension pattern recognition tasks such as face recognition often suffers some problems. The most important one is real-time problem, another is the computer memory. The mentioned two problems make ICA classifier unsuitable and inapplicable in real system. In this paper, we propose a modified ICA architecture to deal with the two problems. Firstly, we use eigenface method to calculate the eigenvector and eigenvalue for the training samples, and whitening the face images. Finally, the independent coefficients of image factorial code can be obtained by ICA analysis. Experimental results show that the proposed method can not only obtain high-speed but also get acceptable accuracy rate.