얼굴 주성분의 계층적 분류를 이용한 얼굴인식에 관한 연구

A Study on Face Recognition using Hierarchical Classification of Facial Principal Component

PCA 방법은 입력 차원을 수학적으로 줄일 수 있는 장점 때문에 패턴인식 부분에서 널리쓰이고 있다. 얼굴인식에서의 PCA는 학습 패턴의 분산을 최대로 하는 기저 벡터들인 고유얼굴을 만들어 얼굴인식이 필요한 영상을 이 기저 벡터에 투사시켜 이때 나온 인자들과 원래 각 개인의 대표 인자값과의 거리 비교로 얼굴을 인식하는 방법이다. 그러나 조명등의 영향에 매우 민감하며 거리값으로 얼굴을 인식하기 때문에 다양한 변화에 따라 오인식률이 높아진다. 이는 인식률을 높이고자 임계값을 높게 설정하는 과정에서 발생하는 오류이며, 이를 방지하기 위해 임계치를 낮게 설정하면 오거부율이 높아진다. 이에 본 연구에서는 PCA에 입력되는 패턴들을 사전에 비교, 분류하여 PCA 연산시에 분산과 변위를 최대한으로 가질 수 있도록 하였다. 그러하여, 기존의 PCA보다 상당히 낮은 임계값으로도 오거부율의 증가를 막았으며, 낮은 임계값 설정으로 인하여 오인식률을 낮추는 결과를 얻을 수 있었다. 이는 기존의 PCA 방법을 사용하는 인식시스템에서 종종 발생하는 허가되지 않아야 하는 외부인을 인증시키는 사례를 줄일 수 있다.