Active Appearance Model using Multi-linear Analysis based on Tensor
Tensor 기반의 Multi-linear Analysis 를 이용한 Active Appearance Model
Abstract
Active Appearance Models(AAMs)은 얼굴인식, 얼굴추적, 표정인식 뿐만 아니라 눈동자 추적과 같은 분야에도 적용되어 좋은 성능을 보여 주었다. 보통 AAM 을 생성하기 위해서는 얼굴 영상과 얼굴의 특징을 나타내는 점으로 구성된 매쉬로 이루어 지는 트레이닝 셋이 필요하다. AAM fitting algorithm 은 학습한 얼굴과 유사한 얼굴을 Fitting 할 때에는 뛰어난 성능을 보이지만 조명에 의한 그림자 또는 액세서리에 의한 얼굴의 피부 가림과 같이 전체 얼굴이 잘 나타나지 않는 불완전한 영상의 Fitting 은 입력영상과 템플릿 영상간의 오차가 커지기 때문에 실패할 가능성이 매우 높다. 본 논문에서 우리는 AAMs 에서 사용되는 PCA를 Higher-order Singular Value Decomposition(HOSVD)로 대체하여 이 문제를 보완하는 강화된 AAM 을 제안한다. 제안된 AAM 에는 기존에 사용하던 고유벡터와 함께 HOSVD 를 통해 획득할 수 있는 Eigen-Modes 를 추가하여 사용한다. 또한 우리는 Yale Face Database를 이용한 평가를 통해 제안된 AAM 이 기존 AAM 보다 불완전한 영상에 효과적으로 대응하는 것을 보여준다.