節では目と鼻の下の基準点を手作業により抽出したが,応用上
基準点の抽出は自動化することが望ましい.
ここで,本手法が目と鼻の特徴抽出精度によって,どの程度影響を受けるか検
討する.
位置・大きさ・傾きの正規化前の顔画像(データベースの顔画像は1300
1600 pixels のサイズで 両目の間隔が 386.2
29.0 pixels
程度)から目と鼻の基準点の抽出において,抽出位置誤差を標準偏差が
の正規分布でばらつかせて正規化をした.
目と鼻の特徴抽出における誤差の標準偏差と個人識別率の関係,
標準偏差と表情識別率の関係
を図
,図
に示す.
training data, test data の選び方は,
節,
節と同
様である.
尚,使用次元数は個人識別では49,表情識別では6とした.
基準点の抽出の小さなずれで,著しく識別率が低下した. EMC, MDAを適応して,個人識別で識別率90%程度,表情識別で識別率50%程度 を得るには,誤差が10pixels以下の精度の特徴抽出手法が要求される.