• 한국멀티미디어학회논문지
• /
• 제13권6호
• /
• pp.817-824
• /
• 2010

Linear Discriminant Analysis (LDA) has been successfully applied for dimension reduction in face recognition. However, LDA requires the transformation of a face image to a one-dimensional vector and this process can cause the correlation information among neighboring pixels to be disregarded. On the other hand, 2D-LDA uses 2D images directly without a transformation process and it has been shown to be superior to the traditional LDA. Nevertheless, there are some problems in 2D-LDA. First, it is difficult to determine the optimal number of feature vectors in a reduced dimensional space. Second, the size of rectangular windows used in 2D-LDA makes strong impacts on classification accuracies but there is no reliable way to determine an optimal window size. In this paper, we propose a new algorithm to overcome those problems in 2D-LDA. We adopt an ensemble approach which combines several classifiers obtained by utilizing various window sizes. And a practical method to determine the number of feature vectors is also presented. Experimental results demonstrate that the proposed method can overcome the difficulties with choosing an optimal window size and the number of feature vectors.

• 전기학회논문지
• /
• 제64권6호
• /
• pp.900-911
• /
• 2015

In this paper, 3D face recognition model is designed by using Polynomial based RBFNN(Radial Basis Function Neural Network) and PNN(Polynomial Neural Network). Also recognition rate is performed by this model. In existing 2D face recognition model, the degradation of recognition rate may occur in external environments such as face features using a brightness of the video. So 3D face recognition is performed by using 3D scanner for improving disadvantage of 2D face recognition. In the preprocessing part, obtained 3D face images for the variation of each pose are changed as front image by using pose compensation. The depth data of face image shape is extracted by using Multiple point signature. And whole area of face depth information is obtained by using the tip of a nose as a reference point. Parameter optimization is carried out with the aid of both ABC(Artificial Bee Colony) and PSO(Particle Swarm Optimization) for effective training and recognition. Experimental data for face recognition is built up by the face images of students and researchers in IC&CI Lab of Suwon University. By using the images of 3D face extracted in IC&CI Lab. the performance of 3D face recognition is evaluated and compared according to two types of models as well as point signature method based on two kinds of depth data information.

• 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.

• Journal of Information Processing Systems
• /
• 제12권3호
• /
• pp.392-409
• /
• 2016

The aim of this paper is to examine the effectiveness of combining three popular tools used in pattern recognition, which are the Active Appearance Model (AAM), the two-dimensional discrete cosine transform (2D-DCT), and Kernel Fisher Analysis (KFA), for face recognition across age variations. For this purpose, we first used AAM to generate an AAM-based face representation; then, we applied 2D-DCT to get the descriptor of the image; and finally, we used a multiclass KFA for dimension reduction. Classification was made through a K-nearest neighbor classifier, based on Euclidean distance. Our experimental results on face images, which were obtained from the publicly available FG-NET face database, showed that the proposed descriptor worked satisfactorily for both face identification and verification across age progression.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제12권3호
• /
• pp.250-255
• /
• 2012

Face recognition has wide applications in security and surveillance systems as well as in robot vision and machine interfaces. Conventional challenges in face recognition include pose, illumination, and expression, and face recognition at a distance involves additional challenges because long-distance images are often degraded due to poor focusing and motion blurring. This study investigates the effectiveness of applying photon-counting linear discriminant analysis (Pc-LDA) to face recognition in harsh environments. A related technique, Fisher linear discriminant analysis, has been found to be optimal, but it often suffers from the singularity problem because the number of available training images is generally much smaller than the number of pixels. Pc-LDA, on the other hand, realizes the Fisher criterion in high-dimensional space without any dimensionality reduction. Therefore, it provides more invariant solutions to image recognition under distortion and degradation. Two decision rules are employed: one is based on Euclidean distance; the other, on normalized correlation. In the experiments, the asymptotic equivalence of the photon-counting method to the Fisher method is verified with simulated data. Degraded facial images are employed to demonstrate the robustness of the photon-counting classifier in harsh environments. Four types of blurring point spread functions are applied to the test images in order to simulate long-distance acquisition. The results are compared with those of conventional Eigen face and Fisher face methods. The results indicate that Pc-LDA is better than conventional facial recognition techniques.

• 한국통신학회논문지
• /
• 제30권12C호
• /
• pp.1162-1166
• /
• 2005

본 논문에서는 얼굴 인식을 위한 새로운 저차원 특징 표현 기법을 제안하였다. 선형판별기법(LDA)는 인기있는 특징추출 기법이다. 하지만 고차원 데이터의 경우에 계산적인 복잡도가 높고 샘플의 개수가 적은 경우 역행렬을 구할 수 없는 특이행렬문제에 직면한다. 이러한 문제들을 해결하기 위해 일반적인 선형판별기법과 다르게 우리는 이차원 이미지 공분산 행렬을 구한 다음 직접선형판별기법(dirct LDA)을 적용하였으며 이것을 2D-DLDA라고 부른다. ORL 얼굴데이터베이스를 사용하여 실험한 결과 기존의 직접선형판별기법보다 성능이 우수함을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제6권2호
• /
• pp.230-239
• /
• 2003

본 논문은 3차원 얼굴 영상으로부터 등고선 영역을 추출하여 얼굴의 지역적 특징이 잘 반영되는 투영 벡터를 이용한 얼굴 인식 알고리즘을 제안한다. 얼굴의 외곽 형상은 사람에 따라 비슷한 모양을 나타내므로 구분하는데 어려움이 많다. 그러나 3차원 얼굴 영상은 깊이 정보를 갖고 있으므로, 코로부터 일정 깊이 값에 대한 영역을 추출하면 사람마다 다른 형상이 추출 될 수 있다. 얼굴 내에서 가장 높은 코를 먼저 추출한 후, 이를 기준으로 깊이 값을 취하면, 코를 포함한 얼굴 내의 등고선 영역을 추출하였다. 이 영역 또한 비슷한 형상을 나타낼 수 있으므로, 논문에서는 영상을 투영한 후 투영 벡터의 국부화를 통하여 영상의 지역적 특성이 잘 반영되는 통계적 성질의 투영 벡터 방법을 사용하여 특징 벡터를 추출하였다. 제안된 방법을 이용한 유사도 비교는 입력과 데이터 베이스에 대하여 각각 두개의 깊이 데이터에 대해 유클리드 거리를 사용하였으며, 실험 결과 5위 이내의 인식률이 94.3%로 나타났다.

• 한국산업정보학회논문지
• /
• 제23권2호
• /
• pp.1-9
• /
• 2018

본 논문은 조명변화에 민감하지 않고, 사진에 대한 오인식을 방지하기 위한 얼굴인식 방법을 제안한다. 제안한 방법은 적외선과 깊이 영상을 동시에 이용하며, 적외선 영상으로 조명변화의 민감성을 해결하고, 깊이 영상으로 사진과 같은 2차원 영상에 대한 오인식을 방지한다. 적외선과 깊이 영상을 동시에 이용한 얼굴 검출 방법과 얼굴 인식을 위한 특징 추출 및 매칭 방법을 구현하였으며, 모의실험을 통하여 기존 방법에 비해 얼굴인식의 정확도가 증가함을 보인다.

• 한국지능시스템학회논문지
• /
• 제21권6호
• /
• pp.749-754
• /
• 2011

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.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2004년도 추계 종합학술대회 논문집
• /
• pp.348-351
• /
• 2004

본 논문은 Haar 웨이브릿 변환과 2D PCA를 이용한 얼굴 인식 방법에 대하여 제안한다. 기존의 PCA는 1 차원 벡터들로 공분산 행렬을 구하는 반면에 2D PCA는 2 차원 영상을 직접적으로 이용하여 공분산 행렬을 구한 후 그것의 고유값에 따른 고유벡터를 구하여 특징 벡터들을 추출하였다. 제안 방법은 얼굴 데이터를 낮은 차원과 강건한 특징을 가지는 얼굴 영상을 얻기 위해 웨이브릿 변환을 이용하여 LL 대역의 영상 데이터로 2D PCA 방법을 적용하여 얼굴을 인식한다. 실험결과는 원래 크기의 얼굴 영상에 2D PCA를 적용한 인식률보다 웨이브릿 변환의 LL 대역의 얼굴 영상에 2D PCA를 적용한 얼굴 인식률이 더 좋음을 보여준다.