Journal of the Institute of Electronics Engineers of Korea SP (대한전자공학회논문지SP)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Low Resolution Face Recognition with Photon-counting Linear Discriminant Analysis

포톤 카운팅 선형판별법을 이용한 저해상도 얼굴 영상 인식

  • Yeom, Seok-Won (Daegu University, Dept. of Computer and Communication Engineering)
  • 염석원 (대구대학교 정보통신공학부)
  • Published : 2008.11.25
Download PDF
⟨ Previous Next ⟩

Abstract

This paper discusses low resolution face recognition using the photon-counting linear discriminant analysis (LDA). The photon-counting LDA asymptotically realizes the Fisher criterion without dimensionality reduction since it does not suffer from the singularity problem of the fisher LDA. The linear discriminant function for optimal projection is determined in high dimensional space to classify unknown objects, thus, it is more efficient in dealing with low resolution facial images as well as conventional face distortions. The simulation results show that the proposed method is superior to Eigen face and Fisher face in terms of the accuracy and false alarm rates.

얼굴영상의 인식 기술은 보안과 감시를 비롯하여 머신 인터페이스와 콘텐츠 검색 등에서 활용이 광범위 하다. 그러나 주로 고해상도 영상이 연구의 대상이었고 원거리에서 획득된 저해상도 표적에 대하여 상대적으로 드물게 연구가 이루어졌다. 본 논문에서는 포톤 카운팅(Photon-counting) 선형판별법을 이용하여 저해상도 환경에서 얼굴영상의 인식을 수행한다. 포톤 카운팅 선형판별법은 Fisher 선형 판별법에서 발생하는 특이행렬 문제없이 Fisher의 최적화 기준을 실현한다. 즉, 차원의 축소나 특징 추출 과정 없이 고차원 공간에서 최적화된 투영을 위한 선형판별함수를 구성하고 이를 이용하여 판정하므로 저해상도 환경을 비롯한 얼굴영상의 왜곡의 극복에 효과적이다. 실험 결과는 제안한 방법이 주성분 분석을 활용하는 Eigen face 또는 주성분 분석과 Fisher 선형판별법이 결합된 Fisher face보다 우수하다는 것을 보여준다.

Keywords

References

  1. 조재수, 강현수, 김흥수, 김성득, 멀티미디어 신호처리: 이론 및 실습, 사이텍 미디어, 2006
  2. D. L. Swets and J. Weng, "Using discriminant eigenfeatures for image retrieval," IEEE Trans. Pattern Analysis and Machine Intelligence. Vol. 18, No.8, pp. 831-836, 1996 https://doi.org/10.1109/34.531802
  3. P. N. Belhumer, J. P. Hespanha, and D. J. Kriegman, "Eigenfaces vs. Fisherfaces: recognition using class specific linear projection," IEEE Trans. Pattern Analysis and Machine Intelligence. Vol. 19, No. 7, pp. 711-720, 1997 https://doi.org/10.1109/34.598228
  4. 김현철, 김대진, 방승양, "LDA 혼합 모형을 이용한 얼굴인식," 정보과학회논문지:소프트웨어 및 응용, 제32권 제8호, 789 -794쪽, 2005년 8월
  5. 홍은혜, 고병철, 변혜란, "PCA와 LDA를 이용한 실시간 얼굴 검출 및 검증 기법," 정보과학회논문지:소프트웨어 및 응용, 제31권 제2호, 2004년 2월
  6. 장혜경, 오선문, 강대성, "PCA 기반 LDA 혼합 알고리즘을 이용한 실시간 얼굴인식 시스템 구현," 전자공학회논문지, 제41권 SP편, 제4호, 473-478쪽, 2004년 7월
  7. 안병두, 고한석, "측면 포즈정규화를 통한 부분 영역을 이용한 포즈 변화에 강인한 얼굴 인식," 대한전자공학회 논문지, 제42권 SP편 제4호, 59-68쪽, July, 2005
  8. R. P. Wurtz, "Object recognition robust under translations, deformation, and changes in background," IEEE Tans. Pattern Analysis and Machine Intelligence. Vol. 19, No. 7, pp. 769-775, 1997 https://doi.org/10.1109/34.598234
  9. X. Lu and A. K. Jain, "Deformation Modeling for Robust 3D Face Matching," IEEE Tans. Pattern Analysis and Machine Intelligence. Vol. 30, No. 8, pp. 1346-1357, 2007
  10. S.-W. Lee, J. Park, and S.-W. Lee, "Low resolution face recognition based on support vector data description," Pattern Recognition, Vol. 39, pp. 1809-1812, 2006 https://doi.org/10.1016/j.patcog.2006.04.033
  11. S. Hayashi and O. Hasegawa, "A detection technique for degraded face images," Proceedings of the 2006 IEEE CVPR'06, 2006
  12. R.O. Duda, P. E. Hart, and D. G. Stork, Pattern Classification 2nd ed., Wiley Interscience, New York, 2001
  13. K. Fukunaga, Introduction to Statistical Pattern Recognition 2nd ed., Academic Press, Boston, 1990
  14. S. Yeom, B. Javidi, and E. Watson, "Three-dimensional distortion-tolerant object recognition using photon-counting integral imaging," Optics Express, Vol. 15, No.4. pp. 1513-1533, 2007 https://doi.org/10.1364/OE.15.001513
  15. S. M. Kay, Fundamentals of Statistical Signal Processing, Prentice Hall, New Jersey, 1993
  16. J. W. Goodman, Statistical Optics, Jonh Wiley & Sons Inc., 1985
  17. http://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html