• The Journal of the Korea Contents Association
• /
• v.9 no.2
• /
• pp.115-124
• /
• 2009

The popular eigenfaces-based face recognition among proposed face recognition methods utilizes the eigenfaces obtained from applying PCA to a training face image set. Thus, it may not achieve a reliable performance under illumination environments different from that of training face images. In this paper, we propose an illumination-separate eigenfaces-based face recognition method, which excludes the effects of illumination as much as possible. The proposed method utilizes the illumination-separate eigenfaces which is obtained by orthogonal decomposition of the eigenface space of face model image set with respect to the constructed face illumination subspace. Through experiments, it is shown that the proposed face recognition method based on the illumination-separate eigenfaces performs more robustly under various illumination environments than the conventional eigenfaces-based face recognition method.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.273-276
• /
• 2005

본 논문은 고유얼굴 방법을 이용한 얼굴인식 시스템의 성능을 분석하였다. 제안한 고유얼굴을 이용한 얼굴인식 방법은 훈련집합의 얼굴 이미지 사이의 중요한 변화를 가지고 있는 특징공간으로 투영시키면서 이루어진다. 중요한 특징들은 얼굴집합의 고유벡터(주성분)들이기 때문에 고유얼굴이라 한다. 특징 공간으로의 투영은 고유얼굴의 가중치의 합으로 입력얼굴을 기술할 수 있으며, 입력 얼굴의 인식은 훈련집합의 가중치와 입력 영상의 가중치를 비교하면서 이루어진다. 본 논문에서는 제안된 방법의 검증을 위해서 Harvard 데이터베이스를 이용하였으며, 시스템의 성능 분석을 위하여 조명에 대한 인식성능의 변화, 사용한 고유얼굴의 수에 대한 인식률의 변화, 전처리를 통하여 얻을 수 있는 인식률의 변화, 인식 거부 곡선을 통하여 시스템의 적용 가능성에 대한 실험을 수행하여 분석한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.458-460
• /
• 1998

본 논문은 주성분 분석으로 시점 기반 고유얼굴(view-based eigenface)을 생성하고, 그에 기반한 얼굴 인식을 수행하고자 한다. 주성분 분석을 통한 고유얼굴 생성은 얼굴 인식의 어려운 문제 중 하나인 특징 선택과 추출이라는 문제를 해결해 준다. 또한 얼굴 표정이나 방향의 변화에도 인식률이 저하되는 것을 방지할 수 있다. 얼굴 영상을 특징공간(고유공간)으로 변환할 때, 원 얼굴영상의 정보를 최대한으로 나타낼 수 있는 최적의 고유치 개수 선택은 얼굴 데이터베이스의 크기와 인식 속도에 영향을 끼친다. 따라서 본 논문에서는 고유치 개수를 고유치의 누적기여율을 이용해서 구한다. 이는 64$\times$64(=4096)차원의 원 얼굴 영상을 5~7차원으로 표현 가능하게 하였다. 그리고, 각 얼굴 방향에 따라 특징공간을 분리해서 생성함으로써 얼굴 방향의 변화에 따라 오인식률을 줄였다. 축소된 차원과 분리된 특징공간은 메모리 사용과 인식속도의 향상에 기여한다. 본 논문에서 얼굴의 인식은 Mahalanobis distance와 재구성 오차율을 고려해서 이루어졌다. 실험은 개인당 세가지 다른 방향을 가지는 얼굴 영상을 이용하여 이루어졌고, 실험결과, 약 93%의 인식률을 보여주었다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.15 no.4
• /
• pp.400-405
• /
• 2005

This paper analyzes the performance of a face recognition algorithm using the eigenfaces method. In the absence of robust personal recognition schemes, a biometric recognition system has essentially researched to improve their shortcomings. A face recognition system in biometries is widely researched in the field of computer vision and pattern recognition, since it is possible to comprehend intuitively our faces. The proposed system projects facial images onto a feature space that effectively expresses the significant variations among known facial images. The significant features are known as 'eigenfaces', because they are the eigenvectors(principal components) of the set of faces. The projection operation characterizes an individual face by a weighted sum of the eigenface features, and to recognize a particular face it is necessary only to compare these weights to those of known individuals. In order to analyze the performance of the system, we develop a face recognition system by using Harvard database in Harvard Robotics Laboratory. We present the recognition rate according to variations on the lighting condition, numbers of the employed eigenfaces, and existence of a pre-processing step. Finally, we construct a rejection curve in order to investigate the practicability of the recognition method using the eigenfaces.

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.16 no.5
• /
• pp.119-123
• /
• 2006

We present a new face recognition method, which selects eigenfaces by our algorithm instead of the existing eigenfaces selection method that chooses eigenfaces by the value of corresponding eigenvalues. We justify our method by comparing our method with traditional one by experiments with YALE, ORL database. By using our algorithm in selecting the eigenfaces, we obtain higher recognition rate than the existing schemes.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2011.01a
• /
• pp.315-316
• /
• 2011

일반적으로 영상에서 얼굴 영상을 검출하고 인식하는 알고리즘은 패턴 인식 연구에 있어서 인간과 컴퓨터의 상호작용의 연구라는 면에서 아주 중요한 문제로 연구되어 왔다. 본 논문에서는 고유얼굴을 이용하여 유클리디언 거리법과 퍼지기법의 인식률을 비교해보고자 한다. PCA(Principal Component Analysis) 방식은 우수한 인식 결과를 보장하는 얼굴인식 기법중의 하나이며, 얼굴 영상을 이용하여 공분산 행렬을 계산하고, 공분산 행렬을 통해 생성된 저차원의 벡터, 즉 고유얼굴(Eigenface)을 이용하여 가중치를 계산하고, 이 가중치를 기준으로 인식을 수행하는 기법이다. 이를 기반으로 하여, 본 논문에서는 전처리 과정, 고유얼굴 과정, 유클리디언 거리법 및 퍼지 소속도 함수 설계 과정, 신경망 학습과정, 인식과정으로 구성된 5단계의 얼굴 인식 알고리즘을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.340-342
• /
• 2003

본 논문은 웨이블릿 변환을 통해 얻어진 부밴드들을 고유얼굴을 이용한 얼굴인식 시스템에 적용하여 성능을 향상 시키기 위한 방법을 제안한다. 현재 상용화되어 있는 고유얼굴을 이용한 얼굴인식 방법은 속도가 빠르고 단순하며 학습능력이 졸은 특징을 가지고 있지만 훈련 얼굴영상들의 증가에 따라 계산량이 급격히 증가하는 문제점을 가지고 있다. 이를 해결하기 위해서 웨이블릿 변환를 통해 얻어진 해상도가 작은 부밴드 얼굴영상을 인식 과정에 사용되는 얼굴영상으로 사용함으로서 계산량의 증가에 대한 문제를 해결 할 수 있다. 얼굴의 인식률을 향상시키기 위한 방법으로는 웨이블릿 변환시에 나타나는 하나의 저대역 부밴드와 세 개의 방향성분을 가진 부밴드 얼굴영상의 특징벡터들을 벡터적으로 결합하여 인식과정에서 사용하여 인식의 정확도를 높이려 한다.

• Journal of KIISE:Software and Applications
• /
• v.27 no.11
• /
• pp.1123-1132
• /
• 2000

얼굴영역을 추출하기 위한 방법은 크게 얼굴의 지형적 특징추출에 기반한 방법과 얼굴형판 정합에 기반한 방법으로 분류할 수 있다. 일반적으로 복잡한 배경의 영상에서는 형판정합 방법이 우수하나, 형판의 대표성을 부여하기가 어렵다는 점이 문제시되어 왔다. 본 논문에서는 얼굴영역을 추출하기 위하여 복잡한 얼굴패턴을 몇 개의 주성분 값으로 표현할 수 있는 Hotelling변환 과정을 이용하여 얼굴형판을 생성하고 이를 적용하여 얼굴의 크기, 영상의 명암, 얼굴의 위치에 무관하게 얼굴영역을 추출한다. 또한 휴리스틱한 임계치를 이용하여 두 사람 이상의 얼굴영역을 추출하고 기울어진 얼굴영역을 추출하기 위한 방법도 제시한다. 실험을 통하여 다양한 입력영상에 대한 추출 결과와 고유얼굴에 기반한 방법의 특징을 살펴 보았다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2004.05b
• /
• pp.608-611
• /
• 2004

In this paper, we propose a robust face recognition technique based on the principle of eigenfaces. The traditional eigenface recognition (EFR) method works quite well when the input test patterns are cropped fares. However, when confronted with recognizing faces embedded in arbitrary backgrounds, the EFR method fails to discriminate effectively between faces and background patterns, giving rise to many false alarms. In order to improve robustness in the presence of background, we argue in favor of loaming the distribution of background patterns. A background space is constructed from the background patterns and this space together with the face space is used for recognizing faces. The proposed method outperforms the traditional EFR technique and gives very good results even on complicated scenes.

• Proceedings of the Acoustical Society of Korea Conference
• /
• autumn
• /
• pp.343-346
• /
• 2004

본 논문에서는 고유얼굴 특성과 배경에 기반한 얼굴인식 기술을 제안한다. PCA를 이용한 얼굴 인식은 학습영역과 실험영역으로 나뉘는데, 학습영역에서 고유얼굴을 생성시키고 모든 학습영역을 이 얼굴 공간에 투영시켜 몇 개의 성분값을 저장한다. 그 후 각각의 사랑마다 저장된 성분들의 평균을 대표값으로 가지고 유클리디안 거리를 비교하여 얼굴을 인식하는 것이다. 하지만, 복잡한 배경에 있는 얼굴들을 인식할 때 EFR 방법은 얼굴인식에는 강하지만, 단정으로 조영과 환경변화에 민감하게 반응한다. 복잡한 배경에서 얼굴인식을 위해 배경 패턴을 학습하며, 배경영역은 배경패턴으로부터 생성되어 얼굴영역과 함께 얼굴 인식을 위하여 사용된다. 본 논문에서 제안한 방법이 EFR 방법보다 성능과 복잡한 배경하에서 매우 좋은 곁과를 나타냄을 확인할 수 있었다.