DOI QR코드

DOI QR Code

얼굴 인식을 위한 Anisotropic Smoothing 기반 효율적 조명 전처리

An Efficient Illumination Preprocessing Algorithm based on Anisotropic Smoothing for Face Recognition

  • 김상훈 (숭실대학교 정보통신전자공학부) ;
  • 정수환 (숭실대학교 정보통신전자공학부) ;
  • 조성원 (홍익대학교 지능정보처리연구실) ;
  • 정선태 (숭실대학교 정보통신전자공학부)
  • 발행 : 2008.01.28

초록

다양한 조명 환경 하에서, 얼굴인식이 잘 동작하도록 하는 것은 매우 어려운 일이며 성공적인 상업화를 위해서는 반드시 성취되어야 하는 작업이다. 본 논문에서는 얼굴 인식을 위한 효율적인 조명 전처리 방법을 제안한다. Anisotropic smoothing 기반 조명 전처리 방법은 조명 전처리 방법 가운데 효과적인 방법으로 잘 알려져 있으나, 원 이미지의 명도 대비를 감소시키며 에지 성분의 약화를 초래한다. 본 논문의 제안 방법은 기존 anisotropic smoothing 방법을 개선하여, 조명의 영향을 줄이면서 명도 대비를 증가시키고 에지 정보를 강화한다. 이러한 개선의 결과로, 본 논문의 제안 방법에 의해 조명 전처리된 같은 사람의 얼굴 이미지들은 보다 차별적인 특징 벡터(가버 특징 벡터)를 갖게 된다. 본 논문에서 제안한 조명 전처리 방법의 효율성은 가버젯 유사도를 이용한 얼굴 인식의 실험을 통하여 입증되었다.

Robust face recognition under various illumination environments is very difficult and needs to be accomplished for successful commercialization. In this paper, we propose an efficient illumination preprocessing method for face recognition. illumination preprocessing algorithm based on anisotropic smoothing is well known to be effective among illumination normalization methods but deteriorates the intensity contrast of the original image, and incurs less sharp edges. The proposed method in this paper improves the previous anisotropic smoothing based illumination normalization method so that it increases the intensity contrast and enhances the edges while diminishing effects of illumination. Due to the result of these improvements, face images preprocessed by the proposed illumination preprocessing method becomes to have more distinctive feature vectors(Gabor feature vectors). Through experiments of face recognition using Gabor jet similarity, the effectiveness of the proposed illumination preprocessing method is verified.

키워드

참고문헌

  1. S. Z. Li and A. K. Jain, Handbook of Face Recognition, 2004.
  2. Y. Adini, Y. Moses, and S. Ullman, "Face Recognition: The problem of compensating for changes in illumination direction," IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol.19, No.7, pp.721-732, 1997(7). https://doi.org/10.1109/34.598229
  3. J. Short, J. Kittler and K. Messer, "A Comparison of Photometric Normalization Algorithm for Face Verification," Proc. of 6th IEEE Int'l Conf. on Automatic Face and Gesture Recognition (FGR'04), pp.254-259, 2004(5). https://doi.org/10.1109/AFGR.2004.1301540
  4. R. Gross and V. Brajovic, "An image preprocessing algorithm for illumination invariant face recognition," In Audio-and Video-Based Biometric Person Authentication, Vol.2688, pp.10-18, 2003(6). https://doi.org/10.1007/3-540-44887-X_2
  5. L. Wiskott, J. M. Fellous, N. Kuiger, and C. von der Malsburg, "Face Recognition by Elastic Bunch Graph Matching," Pattern Analysis and Machine Intelligence, IEEE Transactions, Vol.19, pp.775-779, 1997(7). https://doi.org/10.1109/34.598235
  6. P. J. Phillips, P. Grother, R. J Micheals, D. M. Blackburn, E Tabassi, and J.M. Bone. FRVT 2002: Overview and Summary, 2003(3).
  7. B. Horn, Robot Vision, MIT Press, 1986.
  8. W. Press, S. Teukolsky, W. Vetterling, and B. Flannery, Numerical Recipes in C, Cambridge University Press, 1992.
  9. http://www.ri.cmu/edu/projects/project_418.html
  10. A. Georghiades, P. Belhumeur, and D. Kriegman, "From few to many: Illumination cone models for face recognition under variable lighting and pose," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.23, No.6, pp.643-660, 2001. https://doi.org/10.1109/34.927464