2026-06-16T12:20:11Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00060743 2025-01-22T03:00:47Z 934:1085:5600:5601

顔らしさ分布を利用した顔検出 Face Detection Using Face Likelihood Distribution 高塚, 皓正 田中, 正行 奥富, 正敏 Hiromasa, Takatsuka Masayuki, Tanaka Masatoshi, Okutomi 研究論文 顔検出はコンピュータビジョンにおいて，近年注目されている技術の 1 つであり，様々な研究が行われている．本論文では，顔と非顔における顔らしさ分布の違いに着目し，この違いを陽に利用した顔検出を提案する．従来の顔検出に関する研究の多くは，入力画像から切り取られたサブウィンドウに着目し，識別および検出を行っている．しかし，こうした枠組みでは，各サブウィンドウに対して，独立に顔または非顔を識別するため，評価値（顔らしさ）の高い非顔のサブウィンドウを誤識別・検出してしまうことがよくある．提案手法では，識別器の評価値から分布を作成し，顔らしさ分布を作成する．この分布を AdaBoost フィルタを用いて真の顔らしさ分布と比較することで，従来手法で誤検出していた非顔を正しく分類することが可能になる．実験では MIT+CMU のテストデータセットおよび WWW より収集した様々な種類の実画像 130 枚を用いて，提案手法の有効性を確認した．その結果，従来のサブウィンドウベースの検出手法と比較し，5% 程度の検出率の向上が見られた． Face detection is a useful technique in computer vision. Many face detectors have been developed in the literature. Almost all approaches for face detection focus on the face classifiers which classify a given sub-window into face or non-face. In this paper, we propose a novel face detection which explicitly uses difference of the face likelihood distribution between faces and non-faces. In previous face detection process, since the classifiers evaluate the scanned sub-windows independently, non-face sub-windows with high face likelihood are often misclassified and misdetected. Our proposed face detection compares the difference between the face likelihood distribution of faces and non-faces by AdaBoost Filter, and can correct the misdetected non-faces. Experiments with real-world images, from MIT+CMU dataset, show that the proposed framework improves the detection rate approximately by 5%. journal article 情報処理学会 2009-03-25 application/pdf 情報処理学会論文誌コンピュータビジョンとイメージメディア（CVIM） 1 2 42 52 1882-7810 AA11560603 https://ipsj.ixsq.nii.ac.jp/record/60743/files/IPSJ-TCVIM0201005.pdf jpn