2017 Fiscal Year Research-status Report
互いに重なりのない領域データからの個人認証実現手法の研究
| Project/Area Number |
15K12037
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
村松 大吾 大阪大学, 産業科学研究所, 准教授 (00386624)
|
|---|
| Project Period (FY) |
2015-04-01 – 2019-03-31
|
| Keywords | バイオメトリクス / 歩容認証 / 隠蔽対応 / 特徴再生 |
|---|
| Outline of Annual Research Achievements |
バイオメトリクスでは，人物から生体特徴を抽出して認証を行う．この場合比較される特徴が抽出される領域はデータ間で共通していることが大前提である．しかしながら，実環境における認証問題を考えた場合には，顔認証であればサングラスやマスクの着用による隠蔽，歩容認証においては，遮蔽物や画角と人物の対応位置などの関係による隠蔽が生じ，本来特徴を抽出したい領域の情報を正しく取得できないことが頻繁に起こる．
それでもデータ間に共通領域が存在する場合には，その共通領域のみに着目し特徴抽出することで認証が可能となるが，共通領域が存在しない場合には，既存の一般的な手法では認証ができない．そこで本研究課題ではこの困難な状況を想定し，互いに重なりのない領域データからの個人認証実現手法を検討する．具体的には顔認証や歩容認証の見えに基づく手法に注目し研究を進める．
これまで歩容認証を中心とし，提案手法を構築してきた．特に本研究課題においては部分空間法に基づく手法により研究を進めてきた．しかしながら，近年深層学習の研究が盛んにおこなわれ，多くの分野において高い性能を実現してきている．本研究課題においても同様のことが想像されるため，研究の計画を変更し，深層学習に基づく手法も導入し，研究を進めることとした．具体的には，これまで部分空間法に基づき実施していた歩容認証の静的な隠蔽に対し研究を進めるとともに，隠蔽領域が時間と共に変化するものについても研究を進めている．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
本研究課題では主に部分空間法に基づく手法を中心として研究の開発をすすめてきた．特に歩容認証においては部分空間法に基づく手法の改良により興味深い結果が得られたが，ただその一方で，近年の深層学習に基づく手法が多くの分野で高精度化を実現していることより，研究成果を報告する際にも，深層学習に基づく手法との比較が求められるようになった．
また，深層学習に基づく手法の導入により，本研究課題で目指す認証問題についても精度改善の可能性が考えられる．そこで，研究計画当初は予定をしていなかった深層学習に基づく手法の検討を追加することとし，これにより，従来3年間で実施する予定であった研究を1年延長することで，これらの対応をすることとした．現状としては，研究計画当初3年目に実施することを予定していた内容を4年目に実施することとしたため，研究全体としてはやや遅れている，という状況である．ただし，研究期間を延長することで，当初予定していた内容及び今回の拡張した内容を実施可能であると考える．
|
| Strategy for Future Research Activity |
今年度の研究については，（１）空間隠蔽のある歩容認証に対し，深層学習に基づく手法と部分空間に基づく手法の融合による高精度化，（２）時空間隠蔽が存在する場合の歩容認証の実現，（３）隠蔽領域未知の場合の歩容認証の高精度化，の課題に取り組む．
（１）に関しては，隠蔽のある歩容特徴から，深層学習によるオートエンコーダを用いて特徴を復元する手法，敵対的生成ネットワークを用いた改良を実施するとともに，部分空間に基づく復元と深層学習に基づく手法の融合による手法を検討する．この際，隠蔽領域を明示的に与える方法を工夫する．
（２）に関しては，時空間隠蔽の問題では，隠蔽領域が空間的に一定ではなく，時間と共に変化することを考えるため，隠蔽された歩容特徴から歩容特徴を復元するのではなく，歩容特徴を生成するもとになる隠蔽のあるシルエット画像列を入力とし，そこから復元された歩容特徴を作成することを考える．時空間の隠蔽パターンに関し，隠蔽比率と隠蔽の場所を変えたデータを作成し，評価に用いる．
（３）はチャレンジ課題であるが，空間隠蔽に対し，隠蔽部位を明示的に与えることなく復元する手法を検討する．この際に，深層学習に基づくマルチタスク手法などを導入することで，実現を目指す．また，近年セマンティックセグメンテーション手法が各種提案されていることより，これらのセグメンテーション結果から観測されている領域（隠蔽されていない領域）を推定し，その情報を用いて復元・認証する手法に関しても検討を行っていく．
|
| Causes of Carryover |
計画当初は，部分空間法に基づく手法により，研究成果を取りまとめる予定であったが，深層学習に基づく手法が多くのタスクで高い精度を実現している状況下では，深層学習に基づく手法の導入やそれらとの比較なくして，論文誌等への採録が難しい状況になってきた．そのため，計画を変更し，深層学習に基づく手法の導入や，比較を実施することにし，この変更に伴い，研究期間を1年延長することとした．研究成果等の発表は延長した年度で実施予定であるため，これらに鑑み，予算を繰り越すこととした．
今年度の使用計画であるが，深層学習に基づく手法の研究を進めるために必要となる備品の購入や，書籍・文献の購入，また研究成果発表に関わる旅費や学会参加費，また論文掲載料等への使用を予定している．
|
