한국지능시스템학회논문지 (Journal of the Korean Institute of Intelligent Systems)

  • 제13권3호
  • /
  • Pages.371-376
  • /
  • 2003
  • /
  • 1976-9172(pISSN)
  • /
  • 2288-2324(eISSN)
한국지능시스템학회 (Korean Institute of Intelligent Systems)
권호 표지
DOI QR코드

DOI QR Code

ICA-factorial 표현법을 이용한 얼굴감정인식

Facial Expression Recognition using ICA-Factorial Representation Method

  • 한수정 (충북대학교 전기전자 및 컴퓨터 공학부 컴퓨터 정보통신 연구소) ;
  • 곽근창 (충북대학교 전기전자 및 컴퓨터 공학부 컴퓨터 정보통신 연구소) ;
  • 고현주 (충북대학교 전기전자 및 컴퓨터 공학부 컴퓨터 정보통신 연구소) ;
  • 김승석 (충북대학교 전기전자 및 컴퓨터 공학부 컴퓨터 정보통신 연구소) ;
  • 전명근 (충북대학교 전기전자 및 컴퓨터 공학부 컴퓨터 정보통신 연구소)
  • 발행 : 2003.06.01
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문에서는 효과적인 정보를 표현하는 Independent Component Analysis(ICA)-factorial 표현방법을 이용하여 얼굴감정 인식을 수행한다. 얼굴감정인식은 두 단계인 특징추출 과정과 인식과정에 의해 이루어진다. 먼저 특징추출방법은 주성분 분석(Principal Component Analysis)을 이용하여 얼굴영상의 고차원 공간을 저차원 특징공간으로 변환한 후 ICA-factorial 표현방법을 통해 좀 더 효과적으로 특징벡터를 추출한다. 인식단계는 최소거리 분류방법인 유클리디안 거리에 근거한 K-Nearest Neighbor 알고리즘으로 얼굴감정을 인식한다. 6개의 기본감정(기쁨, 슬픔, 화남, 놀람, 공포, 혐오)에 대해 얼굴 감정 데이터베이스를 구축하고 실험해본 결과 기존의 방법보다 좋은 인식 성능을 얻었다.

In this paper, we proposes a method for recognizing the facial expressions using ICA(Independent Component Analysis)-factorial representation method. Facial expression recognition consists of two stages. First, a method of Feature extraction transforms the high dimensional face space into a low dimensional feature space using PCA(Principal Component Analysis). And then, the feature vectors are extracted by using ICA-factorial representation method. The second recognition stage is performed by using the Euclidean distance measure based KNN(K-Nearest Neighbor) algorithm. We constructed the facial expression database for six basic expressions(happiness, sadness, angry, surprise, fear, dislike) and obtained a better performance than previous works.

키워드

참고문헌

  1. P. Ekrnan, W. Frisen, Facial Action Coding System : A Technique for the Measurement of Facial Movement, Consulting Psychologists Press, 1978.
  2. J. Lien, T. Kanade, C. Li, "Detection, tracking, and classification of action units in facial expression", Journal of Robotics and Autonomous Systems, Vol. 31, No. 3, pp. 131-146, 2000. https://doi.org/10.1016/S0921-8890(99)00103-7
  3. M. Turk, A. Pentland, "Eigenfaces for recognition", Journal of Cognitive Neuroscience, Vol. 3, No. 1, pp. 71-86, 1991. https://doi.org/10.1162/jocn.1991.3.1.71
  4. P. Penev, J. Atick, "Local feature analysis: a general statistical theory for object representation", Network: Computation in Neural Systems, Vol. 7, pp. 477-500, 1996. https://doi.org/10.1088/0954-898X/7/3/002
  5. P. Belhumeur, J. Hespanha, D. Kriegman, "Eigenfaces vs. fisherfaces: Recognition using class specific linear projection", IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 19, No. 7, pp. 711-720, 1997. https://doi.org/10.1109/34.598228
  6. M. Bartlett, Face Image Analysis by Unsupervised Learning and Redundancy Reduction, PhD thesis, Univ. of California. 1998.
  7. C. Padgett, G. Cottrell, "Representing face images for emotion classification", Advances in Neural Information Processing Systems, Vol. 9, MlT Press. 1997.
  8. Z. Zhang, M. Lyons, M. Schuster, S. Akamatsu, "Comparison between geometry based and gabor-wavelets-based facial expression recognition using multi-layer perceptron", Third IEEE International Conference on Automatic Face and Gesture Recognition, pp. 454-459, 1995.
  9. A. Bell, T. Sejnowski, "An information maximization approach to blind separation and blind deconvolution", Neural Computation, Vol. 7, pp. 1129-1159, 1995. https://doi.org/10.1162/neco.1995.7.6.1129
  10. Mafiah Stewart Bartlett, Javier R. Movellan, Terrente J. Sejnowski "Face Recognition by Independent Component Analysis" IEEE Transactions on neuraal networks, VOL.13, No.6, pp. 1450-1464, 2002. https://doi.org/10.1109/TNN.2002.804287
  11. 이오영,박혜영,최승진, "Factorial code 표현법을 이용한 얼굴인식", 한국통신학회논문지, Vol. 26, No. 10B, pp. 1444-1452, 2001.
  12. T. M. Cover, P. E. Hart, "Nearest neighbor pattern classification," IEEE Trans. on Information Theory, Vol. 13, No. 1, pp. 21-27, 1967. https://doi.org/10.1109/TIT.1967.1053964
  13. S. Amari, T. P. Chen and A. Cichocki, "Stability analysis of learning algorithms for blind source separation", Neural Networks, Vol. 10, pp. 1345-1351, 1997. https://doi.org/10.1016/S0893-6080(97)00039-7