• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.469-471
• /
• 2002

본 논문에서는 얼굴 영상의 변화를 보상할 수 있는 전처리 과정으로서 기하학적 특징에 기반한 순수 얼굴 영역 검출 기법을 도입하고 후처리 과정으로 간단한 정합 기법을 사용한 얼굴 인식 기법을 제안한다. 실험결과를 보면 제안한 기법은 PCA와 LDA 기법에 비해 영상의 변화에 민감하지 않고 높은 인식률을 가진다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.538-540
• /
• 2002

본 논문에서는 실시간 카메라 입력 영상에 적합한 얼굴 검출을 위해 다양한 외부적 환경에 덜 민감한 새로운 알고리즘을 제안한다. 빛이나 조명의 영향에 의한 오류를 방지하기 위해 전처리 과정을 포함시키고 형판 정합방법의 단점을 개선하기 위해 얼굴 인식에서 주로 쓰이는 방법인 주성분 분석(PCA :Principal Component Analyses) 변환을 적용하고. 생성된 주성분(Principal Component)을 선형 판별 분석(LDA: Linear Discriminant Analysis)의 입력으로 사용하는 방법을 통해 얼굴을 검출하도록 하였다. 실험을 위해 실제 환경과 같은 6개 카테고리의 동영상을 중심으로 실험한 결과, 본 논문에서 제안하는 방법이 기존의 PCA만을 이용한 방법보다 좋은 성능을 보여줌을 알 수 있었다.

• Proceedings of the Korea Contents Association Conference
• /
• 2009.05a
• /
• pp.179-184
• /
• 2009

Robust face recognition under various illumination environments is difficult to achieve. For face recognition robust to illumination changes, usually face images are normalized with respect to illumination as a preprocessing step before face recognition. The anisotropic smoothing-based illumination normalization method, known to be one of the best illumination normalization methods, cannot handle casting shadows. In this paper, we present an efficient illumination normalization method for face recognition. The proposed illumination normalization method separates the effect of illumination from eigenfaces and constructs an illumination-separated eigenface subspace. Then, an incoming face image is projected into the subspace and the obtained projected face image is rendered so that illumination effects including casting shadows are reduced as much as possible. Application to real face images shows the proposed illumination normalization 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.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.26 no.4
• /
• pp.519-525
• /
• 2022

The face detection task of detecting a person's face in an image is used as a preprocess or core process in various image processing-based applications. The neural network models, which have recently been performing well with the development of deep learning, are dependent on 2D images, so if noise occurs in the image, such as poor camera quality or pool focus of the face, the face may not be detected properly. In this paper, we propose a face detection method that uses depth information together to reduce the dependence of 2D images. The proposed model was trained after generating and preprocessing depth information in advance using face detection dataset, and as a result, it was confirmed that the FRN model was 89.16%, which was about 1.2% better than the RetinaNet model, which showed 87.95%.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.507-511
• /
• 2007

기존의 얼굴 인식 기술은 얼굴 검출과 얼굴 인식이라는 두 분야로 나뉘며, 얼굴 검출 기술은 주로 얼굴 인식을 위한 전처리 단계로 이용되었다. 이러한 얼굴 검출 기술은 방대한 양의 사진 콘텐츠를 분류하는 것에도 이용될 수 있다. 얼굴 검출 기술을 통해 사람이 있는 경우 인물 사진, 없는 경우 풍경 사진으로 분류한다. 그러나 기존의 얼굴 검출 기술만으로는 정확성이 떨어진다. 이를 보완하기 위해 본 논문에서는 사진의 구조 단순도 알고리즘을 제안 한다. 구조 단순도는 사진의 색상 구도의 단순비율을 의미하며, 일반적으로 인물 사진일 때 작은 값을 풍경 사진일 때 큰 값을 갖는다. 제안 방법의 유용성을 검증하기 위해 인물 사진 250장, 풍경 사진 250장을 이용하여 분류 실험을 하였다. 얼굴 검출 기술만을 이용한 실험은 66%의 정확성을 나타낸 반면 얼굴 검출 기술과 구조 단순도를 이용한 실험은 74.6%를 나타내었다. 따라서 얼굴 검출 기술과 구조 단순도를 이용하면 효과적인 사진 분류를 할 수 있다.

• 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 IEEK Conference
• /
• 2005.11a
• /
• pp.359-362
• /
• 2005

본 논문에서는 원거리에서 촬영한 영상을 가지고 얼굴 인식의 전처리 과정인 얼굴 영역 검출에 관한 알고리즘을 제안하였다. 원거리에서 촬영된 영상은 얼굴에 대한 특징 정보가 부족하여 검출 및 판별이 어려웠으나 본 논문에서 제안한 알고리즘을 적용하면 적은 정보만을 가지고 얼굴 검출 및 판별이 가능하다. 제안된 알고리즘은 피부색에 대한 색상 정보와 명암 정보를 이용하여 얼굴 영역을 추출하였고, 추출된 얼굴 영역으로부터 눈, 코, 입뿐만 아니라 이마 영역도 검출함으로써 얼굴 검출 효율을 개선하였다.

• Proceedings of the Korea Database Society Conference
• /
• 1999.06a
• /
• pp.301-305
• /
• 1999

얼굴인식의 방법 중 하나인 전체얼굴에 대한 인식 방법으로, 고유벡터를 이용한 인식 방법과 템플릿 매칭을 이용한 방법의 차이점을 비교 연구한다. 고유벡터를 이용한 방법은 얼굴 영상에 대한 벡터공간을 얻은 후 각 얼굴 영상을 구별할 수 있는 공간에 대한 투영을 통하여 인식에 이용한다. 템플릿 매칭에 기반한 방법은 몇가지 유사도 정의를 이용한 것이다. 또한 얼굴 영상에 대한 전처리 과정이 인식에 끼치는 영향도 분석한다. 본 논문은 두가지의 얼굴 영상 인식기술의 비교를 통하여 얼굴 영상의 인식에 대한 유용한 도구로서 에지영상을 이용한 KL변환 방법이 더 우수함을 보인다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.03a
• /
• pp.301-305
• /
• 1999

얼굴인식의 방법 중 하나인 전체얼굴에 대한 인식 방법으로, 고유벡터를 이용한 인식 방법과 템플릿 매칭을 이용한 방법의 차이점을 비교 연구한다. 고유벡터를 이용한 방법은 얼굴 영상에 대한 벡터공간을 얻은 후 각 얼굴 영상을 구별할 수 있는 공간에 대한 투영을 통하여 인식에 이용한다. 템플릿 매칭에 기반한 방법은 몇가지 유사도 정의를 이용한 것이다. 또한 얼굴 영상에 대한 전처리 과정이 인식에 끼치는 영향도 분석한다. 본 논문은 두가지의 얼굴 영상 인식기술의 비교를 통하여 얼굴 영상의 인식에 대한 유용한 도구로서 에지영상을 이용한 KL변환 방법이 더 우수함을 보인다.