Face Recognition Using First Moment of Image and Eigenvectors

영상의 1차 모멘트와 고유벡터를 이용한 얼굴인식

This paper presents an efficient face recognition method using both first moment of image and eigenvector. First moment is a method for finding centroid of image, which is applied to exclude the needless backgrounds in the face recognitions by shitting to the centroid of face image. Eigenvector which are the basis images as face features, is extracted by principal component analysis(PCA). This is to improve the recognition performance by excluding the redundancy considering to second-order statistics of face image. The proposed methods has been applied to the problem for recognizing the 60 face images(15 persons *4 scenes) of 320*243 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. In case of the 45 face images, the experimental results show that the recognition rate of the proposed methods is about 1.6 times and its the classification is about 5.6 times higher than conventional PCA without preprocessing. The city-block has been relatively achieved more an accurate classification than Euclidean or negative angle.

본 논문에서는 영상의 1차 모멘트와 고유벡터를 이용한 효율적인 얼굴인식 방법을 제안하였다. 여기서 1차 모멘트는 입력되는 얼굴영상의 중심좌표를 계산하는 것으로 이는 영상의 중심이동에 따른 전처리로 인식에 불필요한 배경을 배제시킴으로써 인식성능을 개선하기 위함이다. 고유벡터는 얼굴의 특징인 기저영상으로 주요성분분석을 이용하여 추출하였다. 이는 2차의 통계성을 고려한 중복신호의 제거로 인식성능을 개선하기 위함이다. 제안된 방법을 각각 320*243 픽셀의 60개(15명*4장) 얼굴영상에 적용하여 city-block, Euclidean, 그리고 negative angle의 3가지 거리 척도를 분류척도로 이용하여 실험하였다. 실험결과, 중심이동의 제안된 방법은 전처리과정을 거치지 않는 기존방법보다 45개의 시험영상에서 평균적으로 약 1.6배 정도의 우수한 인식률과 약 3.9배 정도의 정확한 분류가 가능함을 확인하였다. 특히 city-block이 Euclidean 이나 negative angle의 거리척도보다 상대적으로 정확하게 분류함을 알 수 있다.