Gesichtsvergleich durch mehrkanaliges, selbstorganisierendes Matchingverfahren

Zusammenfassung

Das hier vorgestellte Matchingverfahren vereinigt Ansätze aus Graphmatching, Kohonen-Karten und Simulated Annealing und eignet sich zum Vergleich von Porträtaufnahmen und/oder Tiefendarstellungen von Gesichtern, d.h. es können ein- oder mehrkanalige Datensätze verarbeitet werden. In Analogie zum Graphmatching wird über die Eingabe- und Vergleichsdaten ein zweidimensionales Gitter gelegt, das in den Knoten die lokale Informationen für jeden Kanal in Form von Gaborkoeffizienten gespeichert. Beim Matching der Eingabedaten an die Vergleichsdaten wird ein modifiziertes Kohonenlearning verwendet, welches lediglich eine räumliche Anpassung der Gitterknoten durchführt, ohne dabei die Gaborkoeffizienten zu trainieren bzw. zu verändern. In jedem Schritt werden hierfür an verschiedenen Stellen des Gitters lokale Deformationen durchgeführt, bis keine Verbesserung des Ähnlichkeitsmaßes mehr zu erzielen ist. So wird wie beim Simulated Annealing durch jede Verzerrung der Gitterknoten ein niedrigeres Energieniveau erreicht und das Eingangsgitter paßt sich immer stärker an das Vergleichsgitter an. Das niedrigste Energieniveau, das erreicht werden kann, dient nun als Kriterium, um die Übereinstimmung zwischen den Eingabedaten und den Vergleichsdaten zu bestimmen und im Vergleich zu anderen Vergleichsdaten die Person zu erkennen. Die Kombination von Abstandsdaten und Grauwertdaten hat zu einer wesentlich besseren Erkennungsleistung geführt. Das Verfahren wurde auf dem massiv parallelen SIMD-Rechner MasPar MP-1216A mit 16384 Prozessoren implementiert und wurde dadurch erst zeitlich durchführbar (ca. 16 s).