要約
可視顔認識システムは、ディープラーニングを用いることでほぼ完璧に近い認識精度を達成している。しかし、照明が不足する環境では、その性能が著しく低下する。このような問題に対処するための有効な手段として、赤外線（熱画像）から可視画像へのクロスドメイン顔認識（thermal to visible cross-domain face matching）が注目されている。この技術は夜間監視における実用性の高さから、非常に望ましいものとされている。しかしながら、可視領域と熱領域の間には明確な違いが存在するため、これは極めて困難な顔認識課題である。本論文では、可視顔画像と熱画像の間のマッピングを学習するための深層自己符号化器（deep autoencoder）を用いたシステムを提案する。また、熱画像から可視画像への顔認識におけるアライメント（位置合わせ）の影響についても検証を行った。そのために、CarlおよびEURECOMデータセットに対して手動で顔のランドマークをアノテーションした。提案手法は、公開されている3つのデータセット（Carl、UND-X1、EURECOM）を用いて広範に検証された。実験結果から、本手法が既存の最先端技術を顕著に上回ることが示された。さらに、アライメントの導入により認識性能が約2%向上することが観察された。本研究でアノテーションされた顔ランドマークの位置情報は、以下のリンクからダウンロード可能である：github.com/Alpkant/Thermal-to-Visible-Face-Recognition-Using-Deep-Autoencoders