• 한국멀티미디어학회논문지
• /
• 제15권4호
• /
• pp.508-515
• /
• 2012

본 논문은 Active Appearance Model(AAM)을 사용하여 주어진 얼굴영상의 포즈추정과 임의 포즈합성 방법을 설명한다. AAM은 다양한 응용분야에 성공적으로 적용되어지고 있는 예제기반 학습모델로 예제들의 변화정도를 학습한다. 그러나 하나의 모델로는 각도 변화가 큰 포즈 변화량을 수용하기 어렵다. 본 논문은 좁은 범위의 각도 변화를 다루는 모델을 포즈별로 생성한다. 주어진 포즈 얼굴을 다룰 수 있는 모델을 이용하여 정확한 포즈추정과 합성이 가능하다. 이때 합성하고자 하는 포즈의 각도가 포즈 추정을 위해 사용된 모델에 학습되어 있지 않은 경우, 미리 학습된 모델간의 선형관계를 통해 문제를 해결한다. Yale B 공개 얼굴 데이터베이스에 대한 실험을 통해 포즈추정 및 합성 정확도를 보이고, 자체 수집한 포즈변화가 큰 얼굴영상에 대한 성공적인 정면 합성 결과를 제시한다.

• 한국항행학회논문지
• /
• 제24권5호
• /
• pp.430-437
• /
• 2020

제안 모델은 얼굴 검출과 랜드마크 및 얼굴 인식 알고리즘을 이용하여 인공신경망으로 학습을 통해 얼굴 예측률과 인식률을 향상하는 모델을 구현하였다. 제안 모델은 특정 인물의 얼굴 영상에서 랜드마킹을 한 후, 기존에 학습된 Caffe 모델을 이용하여 얼굴검출과 임베딩 벡터 128D를 추출하였다. 학습은 기계학습 알고리즘인 SVM (support vector machine)과 DNN (deep neural network)을 구축하여 학습하였다. 얼굴인식은 학습된 모델을 이용하여 학습된 인물 중 다른 얼굴 영상으로 테스트하였다. 실험 결과, SVM 보다는 DNN으로 학습한 결과가 우수한 예측률과 인식률을 보였다. DNN의 중간층을 증가하게 되면 예측률은 높아지나 인식률이 감소하는 현상이 발생하였다. 이것은 인식하고자 하는 대상이 적음으로써 발생하는 과적합으로 판단된다. 제안 모델은 명확한 얼굴 영상을 추가하여 학습한 결과, 높은 예측률과 인식률의 결과를 얻을 수 있음을 확인할 수 있었다. 본 연구는 좀 더 많은 얼굴 영상 데이터를 이용함으로써 보다 효과적인 딥러닝 구축을 통해 보다 향상된 인식률과 예측률을 얻을 수 있을 것이다.

• Journal of International Society for Simulation Surgery
• /
• 제2권1호
• /
• pp.10-12
• /
• 2015

Purpose It has been stated that patient satisfaction is the crucial factor for determining success in plastic surgery. The convergence of medical science and computer vision has made easier to satisfy patients who wants to have plastic surgery. In this paper, we try to apply 3D face modeling in plastic surgical area. Materials and Methods The author introduces a method for accurate 3D face modeling techniques using a statistical model-based 3D face modeling approach in a mirror system. Results We could successfully obtain highly accurate 3D face shape results. Conclusion The method suggested could be used for acquiring 3D face models from 2D face image and the result obtained from this could be effectively used for plastic surgical areas.

• 정보교육학회논문지
• /
• 제26권1호
• /
• pp.75-84
• /
• 2022

현재, 교육은 대면수업과 온라인의 특징을 활용한 온·오프라인 통합 모델인 블렌디드러닝을 이용하는 교수 설계를 통해 진행되고 있다. 코로나 19 이후 교육의 패러다임이 대면 수업에서 비대면 수업으로 변화되면서 교육 현장에서는 변화에 대응하는 교수 방법이 요구되고 있다. 본 논문은 온라인을 활용한 교수 설계모형으로, 비실시간으로 온라인 수업을 진행한 후, 실시간으로 버추얼 클래스룸을 활용하여 온라인 대면 수업을 진행하는 교수 설계 모형을 제안하였다. 그리고 제안한 버추얼 클래스룸을 활용한 온라인 대면 교수 설계 모형을 소프트웨어교육에 적용할 수 있는 교수 전략을 제시하였다. 제안한 교수 설계 모형은 대면 교육 특징을 온라인에서 수용할 수 있는 교수 설계로 교육의 패러다임 변화에 대비할 수 있을 것이다.

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2001년도 봄 학술발표회 논문집
• /
• pp.41-48
• /
• 2001

In this study, two factors are simultaneously considered for assessing tunnel face stability: one is the effective stress acting on the tunnel face calculated by upper bound solution; and the other is the seepage force calculated by numerical analysis under the condition of steady-state groundwater flow. The seepage forces calculated by numerical analysis are compared with the results of a model test. From the results of derivations of the upper bound solution with the consideration of seepage forces acting on the tunnel face, it could be found that the minimum support pressure for the face stability is equal to the sum of effective support pressure and seepage pressure acting on the tunnel face. Also it could be found that the average seepage pressure acting on the tunnel face is proportional to the hydrostatic pressure at the same elevation and the magnitude is about 22% of the hydrostatic pressure for the drainage type tunnel and about 28% for the water-proof type tunnel. The model tests performed with a tunnel model had a similar trend with the seepage pressure calculated by numerical analysis. From the model tests it could be also found that the collapse at the tunnel face occurs suddenly and leads to unlimited displacement.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권12호
• /
• pp.5464-5484
• /
• 2016

Few samples face recognition has become a highly challenging task due to the limitation of available labeled samples. As two popular paradigms in face image representation, sparse component analysis is highly robust while parts-based paradigm is particularly flexible. In this paper, we propose a probabilistic generative model to incorporate the strengths of the two paradigms for face representation. This model finds a common spatial partition for given images and simultaneously learns a sparse component analysis model for each part of the partition. The two procedures are built into a probabilistic generative model. Then we derive the score function (i.e. feature mapping) from the generative score space. A similarity measure is defined over the derived score function for few samples face recognition. This model is driven by data and specifically good at representing face images. The derived generative score function and similarity measure encode information hidden in the data distribution. To validate the effectiveness of the proposed method, we perform few samples face recognition on two face datasets. The results show its advantages.

• International Journal of Computer Science & Network Security
• /
• 제22권6호
• /
• pp.319-331
• /
• 2022

The latest global COVID-19 pandemic has made the use of facial masks an important aspect of our lives. People are advised to cover their faces in public spaces to discourage illness from spreading. Using these face masks posed a significant concern about the exactness of the face identification method used to search and unlock telephones at the school/office. Many companies have already built the requisite data in-house to incorporate such a scheme, using face recognition as an authentication. Unfortunately, veiled faces hinder the detection and acknowledgment of these facial identity schemes and seek to invalidate the internal data collection. Biometric systems that use the face as authentication cause problems with detection or recognition (face or persons). In this research, a novel model has been developed to detect and recognize faces and persons for authentication using scale invariant features (SIFT) for the whole segmented face with an efficient local binary texture features (DLBP) in region of eyes in the masked face. The Fuzzy C means is utilized to segment the image. These mixed features are trained significantly in a convolution neural network (CNN) model. The main advantage of this model is that can detect and recognizing faces by assigning weights to the selected features aimed to grant or provoke permissions with high accuracy.

• 한국산업정보학회논문지
• /
• 제13권4호
• /
• pp.56-63
• /
• 2008

얼굴 인식률 향상을 위해서는 전처리 단계에서의 영상 보정이 매우 중요하며, 특히 배경 잡음 제거는 얼굴 인식의 정확도에 중대한 영향을 미친다. 본 논문에서는 얼굴 인식률 향상을 위하여 전처리 단계에서 타원 모델을 이용하여 배경 영역을 제거하는 방법을 제안하였다. 사람의 얼굴 윤곽은 타원의 형태를 나타내기 때문에 얼굴 영상에서 타원 모델을 이용할 경우 얼굴 영역을 용이하게 검출할 수 있다. ETRI, ORL, 및 XM2VTS 얼굴 데이터베이스에 대한 실험 분석을 통하여 제안된 방법이 얼굴 인식 성능을 뚜렷하게 개선시켰음을 알 수 있었다.

• International journal of advanced smart convergence
• /
• 제11권3호
• /
• pp.64-71
• /
• 2022

Various types of attendance management systems are being introduced in a remote working environment and research on using face recognition is in progress. To ensure accurate worker's attendance, a face recognition-based attendance management system must analyze every frame of video, but face recognition is a heavy task, the number of the task should be minimized without affecting accuracy. In this paper, we proposed a search model using time interval variation to minimize the number of face recognition task of recorded videos for attendance management system. The proposed model performs face recognition by changing the interval of the frame identification time when there is no change in the attendance status for a certain period. When a change in the face recognition status occurs, it moves in the reverse direction and performs frame checks to more accurate attendance time checking. The implementation of proposed model performed at least 4.5 times faster than all frame identification and showed at least 97% accuracy.

• 한국콘텐츠학회논문지
• /
• 제8권1호
• /
• pp.212-227
• /
• 2008

3D 얼굴 모델링은 33공간에서 얼굴을 자유롭게 회전 시켜 다양한 얼굴 자세를 표현하고 조명 효과도 적절하게 모델링 할 수 있으므로, 얼굴 자세, 조명, 표정 등의 표현에 있어서 2D 얼굴 모델링에 비해 보다 정교하며 사실감이 뛰어나 얼굴 인식, 게임, 아바타 등에서 많은 요구가 존재한다. 본 논문에서는 3D 변형 가능 형상 모델에 기반을 둔 3D 얼굴 모델링 방법을 제안한다. 제안된 3D 얼굴 모델링 방법은 먼저 3D 스캐너를 통하여 획득한 3D 얼굴 스캔 데이터를 이용하여 3D 얼굴 변형 가능 형상 모델을 구축한다. 다음, 3D 얼굴 모델링을 하고자 하는 얼굴의 2D 이미지 시퀀스로부터, 해당 얼굴의 특징점들을 검출하고 이들을 매칭하여, 매칭된 특징점들로부터 인수분해 기반 SfM 기법을 이용하여 해당 특징점의 3D 버텍스 좌표 값을 구한다. 이후, 구한 3D 버텍스들을 3D 변형 가능 형상 모델에 정합하여 해당 얼굴의 3D 형상 모델을 얻는다. 또한, 2D 얼굴 이미지 시퀀스들로부터 뷰 독립적인 2D 원통 좌표 텍스쳐 맵을 구하고 이를 이용하여 3D 형상 모델을 렌더링 함으로써, 최종적으로 3B 얼굴 모델을 완성한다. 제안된 3D 얼굴 모델링 방법에 의한 3D 얼굴 모델 생성 과정을 통해서, 본 논문에서 제안한 3D 얼굴 모델링 방법이 기존의 얼굴 모델링 방법들에 비해 상대적으로 빠르고 비교적 정교하게 수행됨을 볼 수 있었다.