Journal of KIISE:Software and Applications (한국정보과학회논문지:소프트웨어및응용)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지

Normalization of Face Images Subject to Directional Illumination using Linear Model

선형모델을 이용한 방향성 조명하의 얼굴영상 정규화

  • 고재필 (연세대학교 컴퓨터학과) ;
  • 김은주 (한국전산원 지식정보기술) ;
  • 변혜란 (연세대학교 컴퓨터학과)
  • Published : 2004.01.01
Download PDF
⟨ Previous Next ⟩

Abstract

Face recognition is one of the problems to be solved by appearance based matching technique. However, the appearance of face image is very sensitive to variation in illumination. One of the easiest ways for better performance is to collect more training samples acquired under variable lightings but it is not practical in real world. ]:n object recognition, it is desirable to focus on feature extraction or normalization technique rather than focus on classifier. This paper presents a simple approach to normalization of faces subject to directional illumination. This is one of the significant issues that cause error in the face recognition process. The proposed method, ICR(illumination Compensation based on Multiple Linear Regression), is to find the plane that best fits the intensity distribution of the face image using the multiple linear regression, then use this plane to normalize the face image. The advantages of our method are simple and practical. The planar approximation of a face image is mathematically defined by the simple linear model. We provide experimental results to demonstrate the performance of the proposed ICR method on public face databases and our database. The experimental results show a significant improvement of the recognition accuracy.

얼굴인식은 외관기반(appearance-based) 매칭기법으로 풀어야 할 문제 중의 하나이다. 그러나, 얼굴영상의 외관은 조명 변화에 매우 민감하다. 얼굴인식 성능을 향상시키기 위해서는 다양한 조명 아래에서 다양한 학습 데이타를 수집해야 하나, 실제로는 데이타 수집이 용이하지 않다. 따라서, 성능향상을 위해서 다양한 데이타를 학습시키는 것 보다 다양한 조건의 데이타를 정규화 하는 기법에 주목하는 것이 바람직하다. 본 논문에서는 방향성 조명 아래에서 취득한 얼굴영상을 정규화 할 수 있는 간단한 방법을 제안한다. 조명 문제는 얼굴인식 시스템에서 오류를 일으키는 가장 중요한 요인중 하나이다. 제안하는 방법을 ICR(illumination Compensation based on Multiple Linear Regression)이라 명명하였다. 본 방법에서는 다중회귀분석 모델을 사용하여 얼굴영상의 화소 밝기 갈 분포에 가장 잘 맞는 평면을 찾은 후 이 평면을 이용하여 얼굴영상을 정규화 한다. 제안하는 방법의 장점은 간단하고 실용적이며, 얼굴영상의 밝기 값 분포에 대한 평면 근사가 선형모델에 의해 수학적으로 정의된다는 점이다. 얼굴인식에서 제안하는 방법의 성능 향상을 보여주기 위해 공개 및 자체 구축 데이타 베이스에 대한 실험 결과를 제시한다. 실험 결과 두드러진 얼굴인식 성능 향상을 보여주었다.

Keywords

References

  1. M.J. Tarr, K. Kersten and H.H. Bulthoff, 'Why the visual recognition system might encode the effects of illumination direction,' Vision Research, Vol. 38, pp. 2259-2276, 1998 https://doi.org/10.1016/S0042-6989(98)00041-8
  2. Y. Adini, Y. Moses and S. Ulman, 'Face recognition: the problem of compensating for changes in illumination direction,' IEEE Trans. PAMI., Vol. 19(7), pp. 721-732, July 1997 https://doi.org/10.1109/34.598229
  3. P.J. Phillips, H. Moon, S.A. Rizvi and P.J. Rauss, 'The FERET evaluation methodology for face recognition algorithms,' IEEE Trans. PAMI, Vol. 22(10), pp. 1090-1104, Oct. 2003 https://doi.org/10.1109/34.879790
  4. H. Moon, P.J. Phillips and H. Moon, 'The FERET verification testing protocol for face recognition algorithms,' Proc. IEEE Intl Conf. Automatic Face and Gesture Recognition, pp.48-53, 1998 https://doi.org/10.1109/AFGR.1998.670924
  5. A. Yuille, D. Snow, R. Epstein and P. Belhumeur, 'Determining Generative Models of Objects Under Varying Illumination: Shape and Albedo form Multiple Images Using SVD and Intergrability,' International Journal of Computer Vision, Vol. 35(3), pp. 203-222, 1999 https://doi.org/10.1023/A:1008180726317
  6. P.N. Belhumeur and D.J. Kriegman, 'What is the set of images of an object under all possible lighting conditions?,' Proc. IEEE Intl Conf. Computer Vision and Pattern Recognition, pp. 270-277, 1996 https://doi.org/10.1109/CVPR.1996.517085
  7. A.S. Georghiades, D.J. Kriegman and P.N. Belhurneur, 'Illumination cones for recognition under variable lighting: Faces,' Proc. IEEE Intl Conf. Computer Vision and Pattern Recognition, pp. 52-58, 1998 https://doi.org/10.1109/CVPR.1998.698587
  8. M. Turk and A. Pentland, 'Eigenfaces for recognition,' Journal of Cognitive Neuroscience, Vol. 3(1), 1991
  9. P.N. Belhumeur, J.P. Hespanha and D.J. Kriegman, 'Eigenfaces vs. Fisherfaces: recognition using class specific linear projection,' IEEE Trans. PAMI, Vol. 19(7), pp. 711-720, July 1997 https://doi.org/10.1109/34.598228
  10. W.Y. Zhao and R. Chellappa, 'Illumination insensitive face recognition using symmetric shape-from-shading,' Proc. IEEE Intl Conf. Computer Vision and Pattern Recognition, Vol. 1, pp. 286-293, 2000 https://doi.org/10.1109/CVPR.2000.855831
  11. R. Brunelli, 'Estimation of Pose and Illuminant Direction for Face Processing,' AIM-1499, pp.10-18, 1994
  12. K.K. Sung and T. Poggio, 'Example-based learning for view-based human face detection,' IEEE Trans. PAMI, Vol. 20(1), pp.39-51, Jan. 1998 https://doi.org/10.1109/34.655648
  13. S. M. Ross, 'Introduction to Probability and Statistics for Engineers and Scientists,' Wiley, New York, 1987
  14. Asian Face Image Database PF01, http://nova.postech.ac.kr