• 전자공학회논문지
• /
• 제53권2호
• /
• pp.97-105
• /
• 2016

본 논문에서는 얼굴 영상의 지역 정보를 효과적으로 활용하기 위해, 부분 영상에 대한 다중 해상도 히스토그램을 이용한 얼굴 인식 방법을 제안한다. 기존 DFD의 경우 단일 크기로 나누어진 부분 영역의 히스토그램을 통합하여 유사도를 비교하나, 이는 부분 가림이나 조명변이로 인해 변형된 영역이 단일 부분 영역 내에서 발생하지 않고 여러 개의 부분 영역에 걸쳐 발생할 수 있기 때문에, 지역 정보들의 특성을 활용하는 데에 효과적이지 못하다. 본 논문에서는 각각의 부분 영역에 대해 다중 해상도로 분할하여 여러 종류의 크기에 해당하는 부영역의 히스토그램을 사용함으로써, 인식 과정에서 지역 정보의 손실을 최소화하고자 하였다. YaleB, AR, CAS-PEAL-R1 데이터베이스에 대해 인식 실험을 수행한 결과, 제안한 방법이 여러 종류의 변이가 있는 경우에 인식 성능을 향상시키는 것을 확인 할 수 있었다.

• Journal of Multimedia Information System
• /
• 제2권1호
• /
• pp.171-178
• /
• 2015

This article describes 3 dimensional (3D) face recognition system using histogram of oriented gradients (HOG) based on face curvature. The surface curvatures in the face contain the most important personal feature information. In this paper, 3D face images are recognized by the face components: cheek, eyes, mouth, and nose. For the proposed approach, the first step uses the face curvatures which present the facial features for 3D face images, after normalization using the singular value decomposition (SVD). Fisherface method is then applied to each component curvature face. The reason for adapting the Fisherface method maintains the surface attribute for the face curvature, even though it can generate reduced image dimension. And histogram of oriented gradients (HOG) descriptor is one of the state-of-art methods which have been shown to significantly outperform the existing feature set for several objects detection and recognition. In the last step, the linear discriminant analysis is explained for each component. The experimental results showed that the proposed approach leads to higher detection accuracy rate than other methods.

• Journal of Electrical Engineering and Technology
• /
• 제12권1호
• /
• pp.402-410
• /
• 2017

For many years, researchers in face description area have been representing and recognizing faces based on different methods that include subspace discriminant analysis, statistical learning and non-statistics based approach etc. But still automatic face recognition remains an interesting but challenging problem. This paper presents a novel and efficient face image representation method based on Optimized Local Ternary Pattern (OLTP) texture features. The face image is divided into several regions from which the OLTP texture feature distributions are extracted and concatenated into a feature vector that can act as face descriptor. The recognition is performed using nearest neighbor classification method with Chi-square distance as a similarity measure. Extensive experimental results on Yale B, ORL and AR face databases show that OLTP consistently performs much better than other well recognized texture models for face recognition.

• 정보과학회 논문지
• /
• 제41권9호
• /
• pp.666-673
• /
• 2014

본 논문에서는 비제약적 얼굴 데이터 베이스를 위한 확장성 있는 얼굴 인식 방법을 연구하고, 간단한 실험 결과를 소개한다. 기존의 얼굴 인식 연구들은 주로 조명, 얼굴 각도, 표정, 배경 등 제약이 있는 환경에서의 정확도 향상에 초점을 맞추고 있어서 비제약적 얼굴 데이터 베이스에 사용하기에 적합하지 않다. 제안하는 얼굴인식 방법은 비제약적 얼굴 인식을 위한 특징 추출 알고리즘으로, 먼저 지역적 특징이 존재하는 눈, 코, 입과 같이 얼굴의 중요한 특징을 나타내는 영역을 분리한다. 각 얼굴 주요 위치는 고차원의 다중 스케일 국부 이진패턴 히스토그램(Multi-scale LBP histogram) 특징 벡터로 기술된다. 단일 얼굴 주요 위치에 해당하는 다중 스케일 국부 이진패턴 히스토그램 특징 벡터는 주성분 분석법(PCA: Principal Component Analysis)과 선형 판별 분석법(LDA: Linear Discriminant Analysis)의 차원 축소 과정을 통해 저차원 얼굴 특징 벡터를 생성한다. 저차원 얼굴 특징 벡터는 랭크 획득과 Precision at k(p@k) 성능 평가 방법을 이용하여 제안한 알고리즘의 얼굴 인식 성능을 검증한다. 본 연구는 FERET, LFW 및 PubFig83 데이터 베이스를 이용하여 얼굴 인식 실험을 수행하였으며, 제안한 알고리즘을 이용한 얼굴 인식 방법이 기존의 방법보다 향상된 인식성능을 보였다.