• Journal of the Korean Institute of Intelligent Systems
• /
• v.13 no.3
• /
• pp.371-376
• /
• 2003

In this paper, we proposes a method for recognizing the facial expressions using ICA(Independent Component Analysis)-factorial representation method. Facial expression recognition consists of two stages. First, a method of Feature extraction transforms the high dimensional face space into a low dimensional feature space using PCA(Principal Component Analysis). And then, the feature vectors are extracted by using ICA-factorial representation method. The second recognition stage is performed by using the Euclidean distance measure based KNN(K-Nearest Neighbor) algorithm. We constructed the facial expression database for six basic expressions(happiness, sadness, angry, surprise, fear, dislike) and obtained a better performance than previous works.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.329-332
• /
• 2002

본 논문에서는 효과적인 정보를 표현하는 ICA(Independent Component Analysis)-Factorial 표현 방법을 이용하여 얼굴감정인식을 수행한다. 얼굴감정인식은 두 단계인 특징추출과 인식단계에 의해 이루어진다. 먼저 특징추출방법은 PCA(Principal Component Analysis)을 이용하여 얼굴영상의 고차원 공간을 저차원 특징공간으로 변환한 후 ICA-factorial 표현방법을 통해 좀 더 효과적으로 특징벡터를 추출한다. 인식단계는 최소거리 분류방법인 유클리디안 거리를 이용하여 얼굴감정을 인식한다. 이 방법의 유용성을 설명하기 위해 6개의 기본감정(행복, 슬픔, 화남, 놀람, 공포, 혐오)에 대해 얼굴데이터베이스를 구축하고, 기존의 방법인 Eigenfaces, Fishefaces와 비교하여 좋은 인식성능을 보이고자 한다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.10B
• /
• pp.1444-1452
• /
• 2001

얼굴인식에서 정보 이론적 접근방법은 얼굴 영상을 기저 영상의 합으로 분해하는 것을 기초로 한다. 가장 많이 쓰이고 있는 방법은 Principal Component Analysis (PCA)를 기반으로 하는 eigenface 방법이다. PCA를 기반으로 하는 방법은 데이터의 2차 통계적 구조만을 고려하므로 화소 사이의 고차 통계적 의존성은 고려되지 않는다. Factorial code 표현법은 효과적인 정보 표현의 좋은 방법으로 알려져 있고 이것은 Independent Component Analysis (ICA)와 밀접한 관련이 있다. Factorial code 표현법은 eigenface 방법과 비교할 때 중요한 정보가 포함되어 있는 데이터의 고차 통계적 구조도 고려되어 더욱 효과적인 정보 표현을 기대할 수 있다. 이 논문에서는 PCA를 이용하여 찾아낸 저차원 특징 공간에서 Factorial code 표현법을 이용하여 얼굴인식을 위한 통계적 특징점을 찾아낸다. 얼굴 인식에 있어서 Factorial code 표현법이 eigenface 방법보다 성능이 우수함을 모의실험을 통하여 입증한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.577-579
• /
• 2000

얼굴인식에서 정보 이론적 접근방법은 얼굴 영상을 작은 기저 영상의 집합으로 분해하는 것을 기초로 한다. 가장 많이 쓰이고 있는 방법은 PCA를 기반으로 하는 eigenface 방법이다. PCA를 기반으로 하는 방법은 데이터의 2차 통계적 구조만을 고려하므로 화소 사이의 고차 통계적 의존성은 고려되지 않는다. Factorial code 표현법은 효과적인 정보 표현의 좋은 방법으로 알려져 있고 이것은 ICA와 밀접한 관련이 있다. Factorial code 표현법은 eigenface 방법과 비교할 때 중요한 정보가 포함되어 있는 데이터의 고차 통계적 구조도 고려되어 더욱 효과적인 정보 표현을 기대할 수 있다. 이 논문에서는 PCA를 이용하여 차원을 줄이고 찾아낸 특징 공간에 Factorial code 표현법을 적용했다. 그리고 얼굴 인식에 있어서 Factorial code 표현법이 eigenface 방법보다 성능이 우수함을 보였다. 제안한 방법의 우수한 성능을 모의실험을 통하여 입증했다.

• The Transactions of The Korean Institute of Electrical Engineers
• /
• v.57 no.8
• /
• pp.1454-1463
• /
• 2008

Blind source separation by independent component analysis (ICA) has applied in signal processing, telecommunication, and image processing to recover unknown original source signals from mutually independent observation signals. Neural networks are learned to estimate the original signals by unsupervised learning algorithm. Because the outputs of the neural networks which yield original source signals are mutually independent, then mutual information is zero. This is equivalent to minimizing the Kullback-Leibler convergence between probability density function and the corresponding factorial distribution of the output in neural networks. In this paper, we present a learning algorithm using information theory and higher order statistics to solve problem of blind source separation. For computer simulation two deterministic signals and a Gaussian noise are used as original source signals. We also test the proposed algorithm by applying it to several discrete images.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.11a
• /
• pp.709-712
• /
• 2005

본 논문에서는 독립성분분석에 기반한 인수부호를 이용한 물체영상의 특징추출을 제안하였다. 효과적인 독립성분분석을 구현을 위해 입출력 사이의 상호정보를 최대화하는 자율학습의 알고리즘을 이용하였으며, 통계적으로 독립인 계수로 구성된 인수부호를 효과적으로 추출하기 위해 독립성분분석의 이용하였다. 제안된 기법을 Imageafter사에서 제공하는 $352{\times}264$ 픽셀의 18개 물체영상을 대상으로 실험한 결과, 빠르면서도 정확한 복원성능과 PCA보다도 개선된 특징 추출성능이 있음을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.797-800
• /
• 2005

본 논문에서는 고정점 알고리즘의 독립성분분석을 이용하여 얼굴영상의 인수부호를 찾아 얼굴을 인식하는 기법을 제안하였다. 여기서 고정점 알고리즘은 뉴우턴법에 기초한 것으로 빠른 특징추출을 위함이고, 독립성분분석의 이용은 통계적으로 독립인 계수로 구성된 인수부호를 효과적으로 추출하기 위함이다. 제안된 기법을 Yale 얼굴영상 데이터베이스로부터 선택된 20개의 $324{\ast}243$ 픽셀의 영상을 대상으로 시뮬레이션한 결과, 기저영상의 개수에 따른 압축성능과 L1- 및 L2-norm의 거리척도에 따른 분류에서 우수한 인식성능이 있음을 확인할 수 있었다.