Journal of the Korean Institute of Intelligent Systems (한국지능시스템학회논문지)

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

DOI QR Code

An Efficient Face Recognition by Using Centroid Shift and Mutual Information Estimation

중심이동과 상호정보 추정에 의한 효과적인 얼굴인식

  • Cho, Yong-Hyun (School of Computer and Informantion Comm. Eng., Catholic Univ. of Daegu)
  • 조용현 (대구가톨릭대학교 공과대학 컴퓨터정보통신공학부)
  • Published : 2007.08.25
Download PDF
⟨ Previous Next ⟩

Abstract

This paper presents an efficient face recognition method by using both centroid shift and mutual information estimation of images. The centroid shift is to move an image to center coordinate calculated by first moment, which is applied to improve the recognition performance by excluding the needless backgrounds in face image. The mutual information which is a measurements of correlations, is applied to efficiently measure the similarity between images. Adaptive partition mutual information(AP-MI) estimation is especially applied to find an accurate dependence information by equally partitioning the samples of input image for calculating the probability density function(PDF). The proposed method has been applied to the problem for recognizing the 48 face images(12 persons * 4 scenes) of 64*64 pixels. The experimental results show that the proposed method has a superior recognition performances(speed, rate) than a conventional method without centroid shift. The proposed method has also robust performance to changes of facial expression, position, and angle, etc. respectively.

본 논문에서는 영상의 중심이동과 상호정보 추정에 의한 효과적인 얼굴인식 기법을 제안하였다. 여기서 중심이동은 영상의 1차 모멘트에 의해 계산된 중심좌표로 얼굴영상을 이동하는 것이며, 이는 인식에 불필요한 배경을 배제시킴으로써 인식성능을 개선시키기 위함이다. 상호정보 추정은 상관관계를 나타내는 척도로 영상간의 유사성을 효과적으로 측정하기 위함이다. 특히 영상의 상호정보 추정을 위한 확률밀도함수 계산에 동일한 량의 샘플분할을 이용한 적응분할의 추정 방법을 이용함으로써 영상 상호간의 종속성을 더욱 더 정확하게 구하였다. 제안된 기법을 64*64 픽셀의 48장(12명*4장) 얼굴영상을 대상으로 실험한 결과, 제안된 기법은 중심이동을 거치지 않는 단순히 상호정보 추정만을 이용하는 기법보다 우수한 인식성능(인식률, 인식속도)이 있음을 확인하였다. 또한 얼굴의 표정, 위치, 그리고 각도 등의 변화에도 매우 강건한 인식성능이 있음을 확인하였다.

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 https://doi.org/10.1109/5.381842
  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. 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
  4. 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 https://doi.org/10.1016/S1077-3142(03)00077-8
  5. 지형근, 이경희, 정용화, 'SVM을 이용한 얼굴 검출 성능향상 방법,' 정보처리학회논문지, 제11-B권 제1호, pp.13-20, 2004년 2월
  6. T. Trappenberg, J. Ouyang, and A. Back, 'Input Variable Selection : Mutual Information and Linear Mixing Measures,' IEEE Transactions on Knowledge and Data Engineering, Vol.18, No.1, pp. 37-46, Jan. 2006 https://doi.org/10.1109/TKDE.2006.11
  7. A. Back and T. Trappenberg, 'Input Variable Selection Using Independent Component Analysis,' IJCNN99, pp. 1-5, Washington, 1999
  8. B. Blinnikiov and A. Weigend, 'Selecting Input Variables Using Mutual Information and Nonparametric Density Estimation,' Pro. of ISANN'94, pp. 42-50, Taiwan, Oct. 1994
  9. A. Back and A. Cichocki, 'Input Variable Selection Using Independent Component Analysis and Higher Order Statistics', Proc. of ICA99, Jan. 1999
  10. A. Back and T. Trappenberg, 'Selecting Inputs for Modelling Using Normalized Higher Order Statistics and Independent Component Analysis,' IEEE Transactions on Neural Networks, Vol.12, No.3, pp. 612-617, March. 2001 https://doi.org/10.1109/72.925564
  11. 김상철 역, '재료역학' 청문출판사, 1992년 4월