人物顔画像の階層的クラスタリングと共通局所特徴量抽出の同時実行による顔モデル生成

摘要

局所特徴量に基づく顔画像検索は，高速でありオクルージョンにも頑健であるが，照明変化によってキーポイントの検出漏れが発生するため，特徴記述が不安定になる．この問題に対処するには，モデルを用いたトップダウン的なキーポイント検出が有効であると考えられる．しかし，人間の先見的知識に基づいてこれらのモデルを構築した場合，必ずしも実際の画像とは一致しないため，実際のデータからボトムアップ的に画像の局所特徴量に基づくモデルを構築しなければならない．画像の局所特徴量の共通性を評価する尺度として，Multiple Instance Learning（MIL）で用いられるDiverse Density (DD）がある．これを用いれば，非顔画像から抽出したネガティブデータから遠く，顔画像から抽出したポジティブデータと近い局所特徴量が抽出できる．しかし，実際の人物顔画像は顔器官の空間的配置や，メガネや髭など，変化に富み，全ての顔画像について積の形で表現されるDDの値を計算したの．では値が小さくなり，共通性の高い顔特徴は検出できない．本報告では，この問題を解決するために，DD の期待値をスコアとして，顔画像集合を階層的にクラスタリングしながら，局所特徴量のモデルを構築する方法を提案する．実験では，CASPEALの顔画像1021枚を対象として提案手法を実行し，複数の顔モデルの抽出が行えることを確認した．