• 한국콘텐츠학회논문지
• /
• 제10권8호
• /
• pp.18-25
• /
• 2010

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.

• 한국지능시스템학회논문지
• /
• 제19권5호
• /
• pp.648-654
• /
• 2009

본 논문에서는 얼굴을 인식하기 위한 쌍대각 2차원 LDA를 제안하였다. 기존의 Dia2DPCA와 Dia2DLDA가 대각 방향 영상들의 행 변화량과 열 변화량 사이의 상관을 제한하기 위하여 제안되어지고 있다. 그러나 이러한 방법들은 영상들의 행방향으로 동작한다. 제한 방법에 있어서 행방향의 투영 행렬은 기존 방법과 전혀 다르게 대각 방향 얼굴 영상들의 열 변화량을 고려한 클래스 간의 공분산 행렬과 클래스 내의 공분산 행렬을 이용함으로써 얻어진다. 그리고 열방향의 투영 행렬은 대각방향 얼굴 영상들의 행 변화량을 고려한 클래스 간의 공분산 행렬과 클래스 내의 공분산 행렬을 이용함으로써 얻어진다. 좌우 양측의 투영 방법은 투영 행렬들을 좌우로 곱함으로써 적용된다. 그 결과로 특징 행렬의 차원과 계산 시간이 감소된다. ORL 얼굴 데이터베이스에서 수행된 실험들은 Frobenius, Yang, AMD와 같은 3가지 거리 척도를 사용하여 2DPCA, B2DPCA, 2DLDA 등과 같은 다른 얼굴 인식 방법들보다 제안된 방법의 인식률이 높음을 보여준다.

• 한국통신학회논문지
• /
• 제31권10C호
• /
• pp.942-947
• /
• 2006

In this paper, a new feature representation technique called Improved 2-directional 2-dimensional direct linear discriminant analysis (Improved $(2D)^2$ DLDA) is proposed. In the case of face recognition, thesmall sample size problem and need for many coefficients are often encountered. In order to solve these problems, the proposed method uses the direct LDA and 2-directional image scatter matrix. Moreover the selection method of feature vector and the method of similarity measure are proposed. The ORL face database is used to evaluate the performance of the proposed method. The experimental results show that the proposed method obtains better recognition rate and requires lesser memory than the direct LDA.

• ETRI Journal
• /
• 제31권4호
• /
• pp.438-447
• /
• 2009

In this paper, a novel image projection technique for face recognition application is proposed which is based on linear discriminant analysis (LDA) combined with the relevance-weighted (RW) method. The projection is performed through 2-directional and 2-dimensional LDA, or $(2D)^2$LDA, which simultaneously works in row and column directions to solve the small sample size problem. Moreover, a weighted discriminant hyperplane is used in the between-class scatter matrix, and an RW method is used in the within-class scatter matrix to weigh the information to resolve confusable data in these classes. This technique is called the relevance-weighted $(2D)^2$LDA, or RW$(2D)^2$LDA, which is used for a more accurate discriminant decision than that produced by the conventional LDA or 2DLDA. The proposed technique has been successfully tested on four face databases. Experimental results indicate that the proposed RW$(2D)^2$LDA algorithm is more computationally efficient than the conventional algorithms because it has fewer features and faster times. It can also improve performance and has a maximum recognition rate of over 97%.