Journal of KIISE:Software and Applications (한국정보과학회논문지:소프트웨어및응용)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지

A Face Recognition Method Robust to Variations in Lighting and Facial Expression

조명 변화, 얼굴 표정 변화에 강인한 얼굴 인식 방법

  • Yang, Hui-Seong (Dept.of Electric Electronics Computer Engineering, Sungkyunkwan University) ;
  • Kim, Yu-Ho (Dept.of Electric Electronics Computer Engineering, Sungkyunkwan University) ;
  • Lee, Jun-Ho (Dept.of Electric Electronics Computer Engineering, Sungkyunkwan University)
  • 양희성 (성균관대 전기전자및컴퓨터공학부) ;
  • 김유호 (성균관대 전기전자및컴퓨터공학부) ;
  • 이준호 (성균관대 전기전자및컴퓨터공학부)
  • Published : 2001.02.01
Download PDF
⟨ Previous Next ⟩

Abstract

본 논문은 조명 변화, 표정 변화, 부분적인 오클루전이 있는 얼굴 영상에 강인하고 적은 메모리양과 계산량을 갖는 효율적인 얼굴 인식 방법을 제안한다. SKKUface(Sungkyunkwan University face)라 명명한 이 방법은 먼저 훈련 영상에 PCA(principal component analysis)를 적용하여 차원을 줄일 때 구해지는 특징 벡터 공간에서 조명 변화, 얼굴 표정 변화 등에 해당되는 공간이 최대한 제외된 새로운 특징 벡터 공간을 생성한다. 이러한 특징 벡터 공간은 얼굴의 고유특징만을 주로 포함하는 벡터 공간이므로 이러한 벡터 공간에 Fisher linear discriminant를 적용하면 클래스간의 더욱 효과적인 분리가 이루어져 인식률을 획기적으로 향상시킨다. 또한, SKKUface 방법은 클래스간 분산(between-class covariance) 행렬과 클래스내 분산(within-class covariance) 행렬을 계산할 때 문제가 되는 메모리양과 계산 시간을 획기적으로 줄이는 방법을 제안하여 적용하였다. 제안된 SKKUface 방법의 얼굴 인식 성능을 평가하기 위하여 YALE, SKKU, ORL(Olivetti Research Laboratory) 얼굴 데이타베이스를 가지고 기존의 얼굴 인식 방법으로 널리 알려진 Eigenface 방법, Fisherface 방법과 함께 인식률을 비교 평가하였다. 실험 결과, 제안된 SKKUface 방법이 조명 변화, 부분적인 오클루전이 있는 얼굴 영상에 대해서 Eigenface 방법과 Fisherface 방법에 비해 인식률이 상당히 우수함을 알 수 있었다.

Keywords

References

  1. P. Belhumeur, J. Hespanha, and D. Kriegman, 'Eigenfaces vs. Fisherfaces: Recognition Using Class Specific Linear Projection,' IEEE Trans, on PAMI, vol. 19, no. 7, pp. 711-720, 1997 https://doi.org/10.1109/34.598228
  2. M. Turk and A. Pentland, 'Eigenfaces for Recognition,' Journal of Cognitive Neuroscience, vol. 3, no. 1, pp. 71-86, 1991
  3. R. Brunelli and T. Poggio, 'Face Recognition: Features vs. Templates,' IEEE Trans. on PAMI, vol. 15, no. 15, pp. 1042-1052, 1993 https://doi.org/10.1109/34.254061
  4. Shang-Hung Lin et al., 'Face Recognition and Detection by Probabilistic Decision Based Neural Network,' IEEE Trans. on Neural Network, vol. 8, no. 1, pp. 114-132, 1997 https://doi.org/10.1109/72.554196
  5. Chengjun Liu and Hairy Wechsler, 'Enhanced Fisher Linear Discriminant Models for Face Recognition,' Proceedings of the 14th International Conference on Pattern Recognition, vol. 2, pp. 1368-1372, 1998 https://doi.org/10.1109/ICPR.1998.711956
  6. Rama Chellappa, Charles L. Wilson, and Saad Sirohey, 'Human and Machine Recognition of Faces: A Survey,' Proceedings of The IEEE, vol. 83, no. 5, 1995 https://doi.org/10.1109/5.381842
  7. M. Kirby and L. Sirovich, 'Application of the Karhunen-Loeve Procedure for the Characterization of Human Faces,' IEEE Trans, on PAMI, vol. 12, no. 1, pp. 103-108, 1990 https://doi.org/10.1109/34.41390
  8. K. Etemad and R. Chellappa, 'Discriminant Analysis for Recognition of Human Faces Imag e,' Journal of Optical Society of America, vol. 14, no. 8, pp. 1724-1733, 1997
  9. A. Pentland, B. Moghaddam, T. Starner, and M. Turk, 'View-Based and Modular Eigenspaces for Face Recognition,' Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pp. 84-91, 1994 https://doi.org/10.1109/CVPR.1994.323814
  10. R. A. Fisher, 'The Use of Multiple Measures in Taxonomic Problems,' Ann. Eugenics, vol. 7, pp. 179-188, 1936
  11. K. Fukunaga. Introduction to Statistical Pattern Recognition. Academic Press, second edition, 1991
  12. http://cvc.yale.edu/projects/yalefaces/yalefaces.html
  13. http://vulcan.skku.ac.kr/research/skkufaces.html
  14. ftp://ftp.uk.research.att.com:pub/data/att_faces.zip