クラスタ化された特徴セットにより学習された複数識別器を用いた性別認識

摘要

機械学習の手法を用いて、人物の顔画像からその人物の人物属性（性別、年齢、人種など）を認識する技術が研究されてきた。 実環境における顔画像からの人物属性認識率は、属性の違いによる顔画像の差が照明や顔向きの差による顔画像の違いによって薄れてしまうために、限定された環境での認識率に比べて大きく低下する。 本研究では、限定環境下で学習された認識性能の高い複数の識別器を用いて実環境下での認識率の向上を図る。学習用特徴ベクトルはさまざまな環境下で撮影された顔画像から抽出され、これをクラスタリング技術を用いて自動的に分割して学習データとすることにより複数の識別器を構成する。 またクラスタ境界近傍の学習サンプルを複数の識別器で共有することによりクラスタ境界での性能低下を防ぐ。 特徴量として四方向面特徴を、識別器としてサポートベクタマシンを用い、本手法を性別認識に適用することで実環境下で87.3％の性別認識率を得た。