초록
본 논문에서는 인간 뇌의 내부에 존재하는 해마를 모델링한 해마 신경망을 사용하여 도시방범용 CCTV를 위한 얼굴영역 인식 시스템을 제안한다. 이 시스템은 특징추출 부분과 학습 및 인식 부분으로 구성되어 있으며, 특징 추출 부분은 PCA(Principal Component Analysis)와 LDA(Linear Discriminant Analysis) 사용하여 구성한다. 학습부분에서는 해마의 구조의 순서에 따라 입력되는 영상 데이터들의 특징을 치아 이랑 영역에서 호감도 조정에 의해 반응 패턴을 이진화 하고, 다음으로 CA3 영역에서의 자기 연상을 통해 영상에 포함되어 있는 노이즈를 제거하게 된다. 노이즈가 제거된 데이터는 CA1 영역에서 신경망을 통해 장기기억이 이루어진다. 제안한 시스템의 성능을 평가하기 위해 형태변화와 조명변화에 따른 인식률 실험을 실시하였다. 실험 결과, 본 논문에서 제안한 특징 추출 및 학습 방법을 다른 학습 방법들과 비교하였을 때, 우수한 인식률을 가짐을 확인하였다.
In this paper, we propose the face region recognition system for City-Security CCTV(Closed Circuit Television) using hippocampal neural network which is modelling of human brain's hippocampus. This system is composed of feature extraction, learning and recognition part. The feature extraction part is constructed using PCA(Principal Component Analysis) and LDA(Linear Discriminants Analysis). In the learning part, it can label the features of the image-data which are inputted according to the order of hippocampal neuron structure to reaction-pattern according to the adjustment of a good impression in a dentate gyrus and remove the noise through the auto-associative memory in the CA3 region. In the CA1 region receiving the information of the CA3, it can make long-term memory learned by neuron. Experiments confirm the each recognition rate, that are shape change and light change. The experimental results show that we can compare a feature extraction and learning method proposed in this paper of any other methods, and we can confirm that the proposed method is superior to existing methods.