ディープラーニングによる顔識別の高精度化と最適な撮影システム

今日の顔識別技術は、ディープラーニングの活用により、「人の目」を遥かに超えたびっくりするような性能が実現しています。例えば、整形手術や長期経年変化により「人の目」には全くの別人としか思えないような顔でも、顔識別技術では瞬時に看破することができます。顔画像には6つもの変動要因 (緻密度、鮮明度、撮影角度、表情、経年変化、メガネやマスクの有無) があるので、人の手による識別アルゴリズムの明示的な設計が難しい対象でした。このような対象こそ、ディープラーニングを用いて、ニューラルネットワークの中に識別アルゴリズムを暗示的に生成する方法が、大きな効果を発揮できるところなのです。 　本セミナーでは、ディープラーニングの基礎から始め、ディープラーニングによる顔識別の仕組みや動作、最先端の識別性能などを、多数の顔画像を例示して分かりやすく説明します。また、顔識別技術の優れた性能をフルに引き出すには、最適な撮影システムの構築が欠かせません。そこで、デジタルビデオカメラの特徴や性能、顔識別技術とデジタルビデオカメラを組み合わせた「機械の目」の特性や識別精度向上方策などについても、分かりやすく説明します。

1. 「人の目」を遥かに凌駕する顔識別技術
   1. 顔識別技術による照合が瞬時にできる理由
   2. 顔画像の品質と識別精度との関係
      1. 顔画像の緻密さ
      2. 顔画像の鮮明さ
      3. 顔の撮影角度
      4. 顔の表情、経年変化、整形手術、メガネやマスクの有無
   3. 顔識別技術の仕組み
      1. 顔画像の検出、特徴抽出、照合、の3段階
      2. ディープラーニングを用いない顔識別技術の仕組み
      3. ディープラーニングを用いた顔識別技術の仕組み
2. ディープラーニングとは?
   1. ディープラーニングでアルゴリズムが暗示的に生成できる理由
   2. ディープラーニングの学習フェーズで目指すのは「汎化したアルゴリズム」
   3. 「汎化したアルゴリズム」の具体的な生成方法
3. 顔識別におけるディープラーニングの具体的な活用方法
   1. 顔識別で用いるディープラーニング
      1. CNN (畳み込みニューラルネットワーク)
      2. R – CNN (領域提案できる畳み込みニューラルネットワーク)
   2. 顔画像の検出にR – CNNを活用
      1. R – CNNで顔画像を検出する仕組みと動作
      2. 的確に顔画像を検出するための学習フェーズ
   3. 顔画像からの特徴抽出にCNNを活用
      1. CNNで顔特徴ベクトルを生成する仕組みと動作
      2. 理想的な顔特徴ベクトルを生成するための学習フェーズ
4. 米国立標準技術研究所の「顔認識技術に係るベンダーテスト (FRVT) 」
   1. 2013年FRVTと2018年FRVTの結果を対比
      1. 各FRVTに参加した企業
      2. Mugshot画像 (高品質な顔画像) による識別精度の対比
      3. Webカメラ画像 (品質の劣る顔画像) による識別精度の対比
      4. 対比した結果から、ディープラーニングの活用効果が明白
   2. 2018年FRVTからわかる、最先端の顔識別技術の性能
      1. 品質が劣る顔画像に対する識別性能
      2. 長期経年変化した顔に対する識別性能
      3. 真横顔に対する識別性能
      4. 同一人物の複数ショット照合による識別精度の向上
   3. FRVTの結果から、高精細デジタルビデオカメラの活用が鍵
5. 顔識別技術とデジタルビデオカメラを組み合わせた「機械の目」の特性
   1. 本人発見率と他人誤認率はトレードオフの関係
   2. 顔識別技術の特性に応じた撮影システムを構築
   3. 他人誤認率を極力低減した上で本人発見率を高める方法
6. デジタルビデオカメラの特徴と性能
   1. デジタルビデオカメラに内蔵されたデジタル処理機能
      1. 誤り訂正機能
      2. 3次元ノイズリダクション機能
      3. ワイドダイナミックレンジ機能
   2. デジタルビデオカメラの2つのタイプ
      1. ネットワークカメラ
      2. HD – SDIカメラ
   3. 低照度環境下で使用するデジタルビデオカメラ
      1. 高感度カラービデオカメラ
      2. デイナイトカメラ
   4. 顔識別に用いるデジタルビデオカメラ選定上の留意点
      1. 高速シャッター撮影が可能か?
      2. プログレッシブスキャン方式か?
7. 法務省の「日本人出帰国審査における顔認証技術に係る実証実験」
   1. 実証実験の概要
      1. 実証実験に参加した5社
      2. 静止中撮影実験
      3. 歩行中撮影実験
   2. 実証実験の結果
      1. 静止中撮影の結果は、歩行中撮影の結果に常に勝る。
      2. 歩行中撮影システムの適否が、結果を大きく左右
8. 「機械の目」の活用 ～ 被疑者写真検索システム
   1. システムの概要と構成 ～ オフラインシステム
   2. システムの発見率向上方策
      1. 検索精度は、防犯カメラに遺留された顔画像の品質次第
      2. できる限り緻密で鮮明な遺留顔画像の選択と切り出し
      3. 防犯カメラの高精細デジタル化
      4. 「人の目」による確実な確認
9. 「機械の目」の活用 ～ ターゲット発見システム
   1. システムの概要と構成 ～ オンラインシステム
   2. ターゲットを発見するためのポイント
      1. 監視カメラで顔画像を捉えてから発見の警報を出すまでの所要時間は秒の単位
      2. 他人誤認率を極力低減した上で本人発見率を向上
      3. 「人の目」による迅速確実な確認
10. 顔識別における「人の目」の特性
    1. 「機械の目」の判断結果を「人の目」で確認
    2. 「人の目」と「機械の目」の顔識別特性の違い
    3. 「人の目」による顔の異同判断
       1. 顔の細部形状の異同判断は苦手
       2. 表情を造り出す部位によく注目
       3. 「平均顔」からのずれが大きい部位によく注目
    4. 「人の目」が顔を記憶する特性 ～ 「再生」と「再認」
       1. 「再生」は意識レベルの特性で、思い出すのは顔の細部形状よりも印象
       2. 「再認」は無意識レベルの特性で、びっくりするほど高精度
• 質疑応答