본 논문에서는 생체인식분야로 얼굴인식이 실제 시스템에서는 어느 정도의 인식률을 가질 수 있으며, 또한 얼굴 인식에서 많이 쓰이는 Fisherface에 Wavelet Transform으로 얼굴인식에서 단점인 대량의 데이터 핸들링을 극복하면서 인식률을 높일 수 있는 방법을 제안하였다. 실제로 원영상을 2차원 이산 웨이블릿 변환을 수행하면 4분의 1의 다운샘플링 된 저주파 영역만 뽑아 사용하므로 원영상을 이용한 Fisherface와 다름없는 높은 인식률을 보장하면서 데이터량을 줄여 얼굴인식의 데이터 부담을 줄일 수 있었다.
본 논문에서는 PCA와 입자 군집 최적화 알고리즘을 이용한 얼굴이미지에서 특징선택 방법에 대하여 제안한다. 2차원 얼굴이미지의 히스토그램 분표값에서 정규화합 연산을 이용한 히스토그램 평활화 기법을 거쳐 대비효과를 주어 화질을 개선시켜 준다. PCA는 2차원 얼굴이미지를 이용하여 공분산 행렬을 구한 후 그것의 고유값에 따른 고유벡터를 구하여 얼굴인식에 사용될 특징 벡터들을 추출한다. 또한 추출된 특징벡터 중에서 얼굴인식 성능에 중요한 요소가 되는 특징 벡터들을 입자 군집 최적화 알고리즘을 이용하여 최적화한다. 다항식 기반 RBF 신경회로망을 사용하여 얼굴인식 성능을 평가한다. 본 논문에서 제안된 방법을 통해 최적화된 특징벡터와 얼굴인식률과의 관계를 알 수 있다.
본 논문은 내적상태의 차원모형을 기반으로 한 얼굴 표정인식을 위한 새로운 시스템을 제시한다. 얼굴표정 정보는 3단계로 추출된다. 1단계에서는 Gabor 웨이브렛 표상이 얼굴 요소들의 경계선을 추출한다. 2단계에서는 중립얼굴상에서 얼굴표정의 성긴 특징들이 FCM 군집화 알고리즘을 사용하여 추출된다. 3단계에서는 표정영상에서 동적인 모델을 사용하여 성긴 특징들이 추출된다. 마지막으로 다층 퍼셉트론을 사용하여 내적상태의 차원모델에 기반한 얼굴표정 인식을 보인다. 정서의 이차원 구조는 기본 정서와 관련된 얼굴표정의 인식 뿐만 아니라 다양한 정서의 표정들로 인식할 수 있음을 제시한다.
본 논문은 얼굴 인식에서 널리 사용되고 있는 PCA 기법에서 1, 2, 3차의 저차원의 특징 벡터를 배제하여 조명있는 얼굴의 인식률 변화를 실험하였다. 보편적으로 저차원 3개를 배제할 경우 조명에 강건한 얼굴 인식을 보인다고 하나, 저차원의 어느 부분이 조명에 크게 관여가되는지는 알려지지 않고 있다. 이에 본 연구에서는 1차, 2차, 3차 및 이를 조합하여 저차원의 조명에 대한 영향을 분석하였다.
얼굴인식은 동일 사람의 얼굴이라도 조명변화나 얼굴 표정변화에 따라 매우 다른 영상들로 나타나기 때문에 매우 어려운 문제이다. 본 논문에서는 조명변화에도 강인하고 얼굴영상에 대해 높은 얼굴 인식률을 얻기 위해 2D-HMM(Hidden Markov Model) 얼굴인식 방법을 제안하고 실험하였다. 제안된 방법은 조명변화에 대해서 조명변화 함수인 $\delta$(delta) 함수를 0, 40, 60, 80으로 변화해 가면서 이미지 보정을 실험하였으며, 계산의 복잡성을 줄이고 얼굴영상에 대한 높은 인식률을 얻기 위해 기존의 픽셀값 대신에 2D-DCT 계수를 관측벡터로 사용하였다. 시스템의 성능을 평가하기 위해 정량적 평가방법은 FAR(False Accpt Rate)와 FRR(False Reject Rate)를 측정하여 비교하였으며, 기존의 얼굴인식 방법인 PCA, 1차원 HMM과 비교분석하였다. 실험결과 2D-HMM의 경우 FAR(False Accept Rate)가 5.08%로 ID-HMM 5.18%, PCA 10.16%보다 높은 성능을 보였으며, FRR(False Reject Rate)의 경우에도 0.01%로 10.16%인 PCA보다 좋은 성능을 보였다. 이로서 조명변화에 대해서는 PCA보다 2D-HMM 얼굴인식 방법이 우수함을 알 수 있었다.
본 연구에서는 최적 pRBFNNs 패턴분류기 기반 2차원 영상과 ASM 알고리즘을 이용한 얼굴인식 시스템을 설계하고자 한다. 기존의 2차원 영상 기반 얼굴 인식 기법들은 인식하고자 하는 객체의 영상내의 위치, 크기 및 배경의 존재 유무에 따라 인식률이 영향을 받는 단점이 있으며, 본 연구에서는 이를 보완하기 위하여 관심 영역 내에서의 얼굴 영역 추출 및 특징 추출기법을 이용한 얼굴인식 방법을 소개한다. 본 연구에서는 CCD 카메라를 이용하여 영상을 획득하고 히스토그램 평활화를 이용하여 조명으로 왜곡된 영상정보를 개선한다. AdaBoost 알고리즘을 이용하여 얼굴영역을 검출하고 ASM을 통하여 얼굴 윤곽선 및 형상을 추출하여 개인 프로필을 구성한 후 PCA 알고리즘을 사용하여 고차원 얼굴데이터의 차원을 축소한다. 그리고 인식 모듈로서 pRBFNNs 패턴분류기를 제안한다. 제안된 다항식 기반 RBFNNs은 조건부, 결론부, 추론부 세 가지의 기능적 모듈로 구성되어 있고 조건부는 퍼지 클러스터링을 사용하여 입력 공간을 분할하고, 결론부는 분할된 로컬 영역을 다항식 함수로 표현한다. 또한 차분진화 알고리즘을 이용하여 제안된 분류기의 파라미터, 즉, 학습률, 모멘텀 계수, 퍼지 클러스터링의 퍼지화 계수를 최적화한다. 제안된 다항식 기반 RBFNNs는 얼굴 인식을 위한 패턴분류기로서 직접 CCD 카메라로부터 입력받은 데이터를 영상 보정, 얼굴 검출 및 특징 추출 등과 같은 데이터 전 처리 과정을 포함하여 고차원 데이터로 이루어진 얼굴 영상에 대한 인식 성능을 확인한다.
얼굴인식의 인식률 향상과 계산량을 줄이기 위한 방법으로 Curvelet 변환과 (2D)$^2$PCA(Two directional two-dimensional PCA) 를 통한 특징추출 및 차원축소 방법을 제안한다. 기존의 Wavelet 변환과 PCA 를 통한 기법들이 소개되어 인식률 향상을 이끌어 냈다. 그런데 Curvelet Transform 은 곡선의 정보를 효과적으로 표현할 수 있는 장점이 있고, (2D)$^2$PCA 는 PCA 에 비해 계산량이 적은 장점이 있기 때문에 이를 이용하여 인식률과 처리성능 측면에서 개선된 결과를 얻고자 한다.
본 논문에서는 Convolution기법 기반 RBFNNs 패턴 분류기를 사용한 2차원 얼굴인식 시스템을 설계한다. 제안된 방법은 특징 추출과 차원축소를 하는 컨볼루션 계층과 부분추출 계층을 교대로 연결하여 2차원 이미지를 1차원의 특징 배열로 만든다. 그 후, 만들어진 1차원의 특징 배열을 RBFNNs 패턴 분류기의 입력으로 사용하여 인식을 수행한다. RBFNNs의 조건부에는 FCM 클러스터링 알고리즘을 사용하며 연결가중치는 1차 선형식을 사용하였다. 또한 최소 자승법(LSE : Least Square Estimation)을 사용하여 다항식의 계수를 추정하였다. 제안된 모델의 성능을 평가하기 위해 CMU PIE Database를 사용한다.
본 논문에서는 MPEG 압축 비디오 상에서 얼굴 영역을 추출하고 이를 인식하는 방법에 대하여 제안한다. 제안된 방법은 크게 MPEG 압축 비디오의 처리를 위한 축소된 DC 영상의 구성 단계, 축소된 DC 영상에서의 얼굴 영역 추출 단계, 그리고 얼굴 영역이 추출된 프레임에 대한 압축 복원 및 얼굴 인식의 3단계로 구성되어있다. DC 영상의 구성 단계에서는 압축 복원 없이 DCT 계수의 DC 값과 2개의 AC 값만을 사용하여 부분적인 2차원 역 DCT 변환을 이용한 방법을 사용하였으며, 얼굴 영역 추출 단계에서는 DC 영상에 대해 얼굴의 색상 및 형태 정보를 이용한 얼굴 후보 영역 추출 방법과 K-L 변환 및 역 변환의 오차에 의한 얼굴 영역 추출 방법을 사용하였다. 얼굴 인식 단계에서는 얼굴 영역이 추출된 프레임에 대하여 GOP 단위의 압축 복원을 수행한 후 고유 얼굴 영상을 이용한 방법으로 얼굴 인식을 수행하였다. 제안된 방법의 성능을 검증하기 위하여 뉴스와 드라마 MPEG 비디오를 대상으로 실험을 수행하였으며, 실험 결과 제안된 방법이 효율적임을 알 수 있었다.
본 논문에서는 열방향 2차원 PCA(Column-directional 2 Dimensional PCA, C2DPCA) 와 행방향 2차원 LDA(Row-directional 2 Dimensional LDA, R2DLDA)를 사용하여 얻은 각각의 투영 행렬을 동시에 사용하는 방법을 제안하였다. 제안 방법은 얼굴의 가로 특징과 세로 특징을 모두 포함한 저 차원의 특징 행렬을 얻음으로써, 훈련 영상의 수에 관계없이 안정적이고 높은 인식률을 얻을 수 있다. 또한, 같은 알고리즘으로 가로 방향과 세로 방향에 PCA와 LDA를 각각 달리 적용한 실험(C2DPCA & R2DLDA, C2DLDA & R2DPCA)에서 가로 방향의 특징에 2차원 LDA를 적용한 시스템(C2DPCA & R2DLDA)이 그 반대의 경우보다 저차원으로 높은 인식률을 얻을 수 있음을 확인할 수 있었다. 실험 결과 제안한 방법이 2DPCA와 2DLDA 등 의 기존 방법보다 인식율이 높은 99.4%를 얻었다. 또한 제안 방법의 인식 처리속도도 기존의 2DPCA와 2DLDA 방법보다 3배 이상 빠름을 확인하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.