Journal of the Korean Institute of Intelligent Systems (한국지능시스템학회논문지)

Korean Institute of Intelligent Systems (한국지능시스템학회)
권호 표지
DOI QR코드

DOI QR Code

Face Recognitions Using Centroid Shift and Independent Basis Images

중심이동과 독립기저영상을 이용한 얼굴인식

  • Cho Yong-Hyun (School of Computer and Information Comm. Eng., Catholic Univ. of Daegu)
  • 조용현 (대구가톨릭대학교 공과대학 컴퓨터정보통신공학부)
  • Published : 2005.10.01
Download PDF
⟨ Previous Next ⟩

Abstract

This paper presents a hybrid face recognition method of both the first moment of image and the independent component analysis(ICA) of fixed point(FP) algorithm based on Newton method. First moment is a method for finding centroid of image, which is applied to exclude the needless backgrounds in the face recognitions by shifting to the centroid of face image. FP-ICA is also applied to find a set of independent basis images for the faces, which is a set of statistically independent facial features. The proposed method has been applied to the problem for recognizing the 48 face images(12 persons o 4 scenes) of 64*64 pixels. The 3 distances such as city-block, Euclidean, negative angle are used as measures when match the probe images to the nearest gallery images. The experimental results show that the proposed method has a superior recognition performances(speed, rate) than conventional FP-ICA without preprocessing. The city-block has been relatively achieved more an accurate similarity than Euclidean or negative angle.

본 논문에서는 1차 모멘트와 뉴우턴법의 고정점 알고리즘 독립성분분석을 조합한 얼굴인식 기법을 제안하였다. 여기서 1차 모멘트는 입력되는 얼굴영상의 중심좌표를 계산하는 것이며, 이는 얼굴을 중심 이동하여 인식에 불필요한 배경을 배제시킴으로써 인식성능을 개선시키기 위함이다. 고정점 알고리즘의 독립성분분석은 통계적으로 독립인 얼굴특징들의 집합인 기저영상을 빠르게 얻기 위함이다. 제안된 기법을 64*64 픽셀의 48개(12명*4장) 얼굴영상을 대상으로 city-block, Euclidean, 그리고 negative angle의 3가지 거리 척도를 분류척도로 이용하여 실험하였다. 실험결과, 제안된 기법은 전처리과정을 거치지 않는 단순히 독립기저영상만을 이용하는 기법보다 우수한 인식성능이 있음을 확인하였다. 특히 city-block이 Euclidean이나 negative angle의 거리척도보다 상대적으로 정확하게 유사성을 측정할 수 있었다.

Keywords

References

  1. R. Chellappa, C. L. Wilson, and S. Sirohey, 'Human and Machine Recognition of Faces: A Survey,' Proceedings of IEEE., Vol. 83, No.5, pp.705-741, May 1995
  2. M. H. Yang, D. Kriegman, and N. Ahuja, 'Detecting Faces in Images: A Survey,' IEEE. Trans. on Pattern Analysis and Machine Intelligence, Vol. 24, No.1, pp.64-58, Jan. 2002
  3. S. H. Jeng, H. Y. M. Liao, C. C. Han, M. Y. Chern, and Y. T. Liu, 'Facial Feature Detection Using Geometrical Face Model: An Efficient Approach', Pattern Recognition, Vol. 31, No.3, pp.273-282, 1998 https://doi.org/10.1016/S0031-3203(97)00048-4
  4. 이항찬, '기하학적 영상처리를 이용한 얼굴인식 시스템', 멀티미디어학회논문지, 제 6권, 제 7호, pp.1139 1149, 2003년 1월
  5. B. A. Draper, K. Baek, M. S. Barlett, and J. R. Beveridge, 'Recognizing Faces with PCA and ICA,' Computer Vision and Imaging Understanding 91, pp.115-137, 2003
  6. 지형근, 이경희, 정용화, 'SVM을 이용한 얼굴 검출 성능향상 방법', 정보처리학회논문지, 제 11-B권 제 1호, pp.13-20, 2004년 2월
  7. R. Brunelli and T. Poggio, 'Face Recognition : Feature Versus Templates,' IEEE. Trans. on Pattern Analysis and Machine Intelligence, Vol. 15, No. 10, pp.1042-1052, Jan. 1993 https://doi.org/10.1109/34.254061
  8. K. I. Diamantaras and S. Y. Kung, Principal Component Neural Networks Theory and Applications, Adaptive and Learning Systems for Signal Processing, Communication, and Control, John Wiley & Sons. Inc., New York, 1996
  9. T. W. Lee, 'Independent Component Analysis : Theory and Applications', Kluwer Academic Pub., Boston, 1998
  10. A. Hyvaerinen, J. Karhunen, and E. Oja, 'Independent Component Analysis', John Wiley & Sons, Inc., New York, 2001
  11. A. Hyvaerinen and E. Oja, 'A Fast Fixed Point Algorithms for Independent Component Analysis', Neural Computation, 9(7), pp. 1483-1492, Oct. 1997 https://doi.org/10.1162/neco.1997.9.7.1483
  12. 김상철역, '재료역학' 청문출판사, 1992년 4월
  13. K. Atkinson, 'Elementary Numerical Analysis', John Wiley & Sons, Inc., New York, 1993