• Journal of International Society for Simulation Surgery
• /
• 제2권2호
• /
• pp.64-66
• /
• 2015

Purpose : In this paper we proposed cascade feature filter and projection method for rapid human face recognition for the large-scale high-dimensional face database. Materials and Methods : The relevant features are selected from the large feature set using Fast Correlation-Based Filter method. After feature selection, project them into discriminant using Principal Component Analysis or Linear Discriminant Analysis. Their cascade method reduces the time-complexity without significant degradation of the performance. Results : In our experiments, the ORL database and the extended Yale face database b were used for evaluation. On the ORL database, the processing time was approximately 30-times faster than typical approach with recognition rate 94.22% and on the extended Yale face database b, the processing time was approximately 300-times faster than typical approach with recognition rate 98.74 %. Conclusion : The recognition rate and time-complexity of the proposed method is suitable for real-time face recognition system on the large-scale high-dimensional face database.

• 전자공학회논문지CI
• /
• 제49권2호
• /
• pp.61-74
• /
• 2012

본 논문에서는 MCS-LBP 이진패턴 영상과 2D-PCA 알고리즘을 이용한 조명 변화에 강인한 얼굴인식 시스템에 대하여 제안한다. 이진패턴 변환은 기존의 얼굴인식 및 표정인식 분야에 사용되는 기법으로, 일반적으로 조명 변화에 강인한 특성을 갖는다. 이에 본 논문에서는 기존의 LBP보다 조명 변화에 더 강인한 MCS-LBP를 제안하고, 더불어 2D-PCA 알고리즘과 결합하는 얼굴인식 시스템을 제안한다. 제안하는 얼굴인식 방법의 성능평가는 기존의 다양한 이진패턴 변환 영상과 얼굴인식에 널리 사용되고 있는 PCA, LDA, 2D-PCA 및 가버영상의 ULBP 히스토그램 특징을 사용하여 수행하였다. 다양한 조명변화 환경에서 구축된 YaleB, extended YaleB, CMU-PIE 등의 공인 얼굴 데이터베이스를 이용하여 실험한 결과, 제안하는 MCS-LBP영상과 2D-PCA 특징을 사용한 방법이 가장 우수한 인식 성능을 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권11호
• /
• pp.5474-5490
• /
• 2017

Although two-dimensional principal component analysis (2DPCA) has been shown to be successful in face recognition system, it is still very sensitive to illumination variations. To reduce the effect of these variations, texture-based techniques are used due to their robustness to these variations. In this paper, we explore several texture-based techniques and determine the most appropriate one to be used with 2DPCA-based techniques for face recognition. We also propose a new distance metric computation in 2DPCA called Row Assembled Matrix Distance (RowAMD). Experiments on Yale Face Database, Extended Yale Face Database B, AR Database and LFW Database reveal that the proposed RowAMD distance computation method outperforms other conventional distance metrics when Local Line Binary Pattern (LLBP) and Multi-scale Block Local Binary Pattern (MB-LBP) are used for face authentication and face identification, respectively. In addition to this, the results also demonstrate the robustness of the proposed RowAMD with several texture-based techniques.

• 전자공학회논문지
• /
• 제52권10호
• /
• pp.129-136
• /
• 2015

본 논문에서는 조명 변이에 강인하게 동작 할 수 있는 하이브리드 얼굴 인식 방법을 제안한다. 이를 위해, 서로 다른 특성을 가진 조명 불변 특징 추출 방법으로부터 판별력 있는 특징들을 추출한다. 개별 방법들의 장점들을 효과적으로 활용하기 위해, 판별 거리 척도를 이용하여 각 특징들의 분별력을 측정하여 분별력이 높은 특징들로만 복합 특징을 구성하여 얼굴 인식에 사용한다. Multi-PIE, Yale B, AR, yale database들에 대한 실험 결과, 제안한 방법은 모든 database에 대해 개별 조명 불변 특징 방법들보다 우수한 인식 성능을 보여 주었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권4호
• /
• pp.1824-1845
• /
• 2016

The GMM is a conventional approach which has been recently applied in many face recognition studies. However, the question about how to deal with illumination changes while ensuring high performance is still a challenge, especially with real-world databases. In this paper, we propose a Visual Observation Confidence (VOC) measure for robust face recognition for illumination changes. Our VOC value is a combined confidence value of three measurements: Flatness Measure (FM), Centrality Measure (CM), and Illumination Normality Measure (IM). While FM measures the discrimination ability of one face, IM represents the degree of illumination impact on that face. In addition, we introduce CM as a centrality measure to help FM to reduce some of the errors from unnecessary areas such as the hair, neck or background. The VOC then accompanies the feature vectors in the EM process to estimate the optimal models by modified-GMM training. In the experiments, we introduce a real-world database, called KoFace, besides applying some public databases such as the Yale and the ORL database. The KoFace database is composed of 106 face subjects under diverse illumination effects including shadows and highlights. The results show that our proposed approach gives a higher Face Recognition Rate (FRR) than the GMM baseline for indoor and outdoor datasets in the real-world KoFace database (94% and 85%, respectively) and in ORL, Yale databases (97% and 100% respectively).

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.101-102
• /
• 2008

얼굴인식 분야에서 PCA(Principal Component Analysis) 기반 알고리즘은 비교적 간단한 구조와 높은 인식률로 인해 많이 사용되고 있지만 조명이나 얼굴 포즈 변화에 민감하다는 단점이 있다[1]. 이런 단점을 해결하기 위한 노력으로 PCA를 다른 얼굴인식 알고리즘과 결합함으로서 조명과 포즈 변화에 강인한 얼굴인식을 위만 연구가 현재 활발히 진행되고 있다. 본 논문은 PCA기반 얼굴인식에서 조명이 다양하게 변할 때 이에 따른 인식률의 변화와, 인식이 실패했을 경우에 인식 대상이 유사도 상위후보군에 들어가는지를 조사함으로서 PCA기반 알고리즘의 신뢰도를 확인하고자 한다. 이를 위해 Yale Face Database H와 Extended Yale Face Database B를 이용하여 실험한 결과 약 93%의 인식 성공률을 확인했으며, 7%의 인식 실패한 영상의 경우 그 인식하고자 했던 얼굴이 유사도를 기준으로 정렬된 학습 영상에서 상위 후보군에 속한다는 실험 결과를 얻음으로서 PCA기반 얼굴 인식 알고리즘의 신뢰성을 확인할 수 있었다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.197-202
• /
• 2009

Active Appearance Models(AAMs)은 얼굴인식, 얼굴추적, 표정인식 뿐만 아니라 눈동자 추적과 같은 분야에도 적용되어 좋은 성능을 보여 주었다. 보통 AAM 을 생성하기 위해서는 얼굴 영상과 얼굴의 특징을 나타내는 점으로 구성된 매쉬로 이루어 지는 트레이닝 셋이 필요하다. AAM fitting algorithm 은 학습한 얼굴과 유사한 얼굴을 Fitting 할 때에는 뛰어난 성능을 보이지만 조명에 의한 그림자 또는 액세서리에 의한 얼굴의 피부 가림과 같이 전체 얼굴이 잘 나타나지 않는 불완전한 영상의 Fitting 은 입력영상과 템플릿 영상간의 오차가 커지기 때문에 실패할 가능성이 매우 높다. 본 논문에서 우리는 AAMs 에서 사용되는 PCA를 Higher-order Singular Value Decomposition(HOSVD)로 대체하여 이 문제를 보완하는 강화된 AAM 을 제안한다. 제안된 AAM 에는 기존에 사용하던 고유벡터와 함께 HOSVD 를 통해 획득할 수 있는 Eigen-Modes 를 추가하여 사용한다. 또한 우리는 Yale Face Database를 이용한 평가를 통해 제안된 AAM 이 기존 AAM 보다 불완전한 영상에 효과적으로 대응하는 것을 보여준다.

• 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.

• 정보보호학회논문지
• /
• 제16권5호
• /
• pp.119-123
• /
• 2006

본 논문에서는 얼굴인식에 널리 사용되는 고유얼굴(eigenfaces)을 이용한 방법에서 고유얼굴들을 고유치(eigenvalues)의 크기에 따라 사용하는 기존의 방식과는 달리, 개인별로 인식에 사용될 고유얼굴들을 선택하여 인식하는 방법을 제안한다. YALE, ORL(Olivetti Research Laboratory) 데이터베이스에 대하여, 기존의 방법과 제안한 방법에 의한 선택에 따른 고유얼굴들을 사용한 경우를 비교 실험하였다. 실험결과, 개인별로 선택된 고유얼굴들에 의한 특징벡터를 이용한 인식이 더 우수한 성능을 보였다.

• 한국통신학회논문지
• /
• 제35권9C호
• /
• pp.748-755
• /
• 2010

본 논문은 가버 텐서(Gabor tensor)를 이용한 얼굴인식 시스템을 제안하였다. 가버 변환은 얼굴 고유의 특징을 잘 나타내주며 외부적인 영향을 줄일 수 있어 인식률 향상에 기여한다. 이러한 특징을 이용한 3차원의 텐서를 구성하여 얼굴인식을 수행하는 방법을 제안한다. 3차원의 가버 텐서를 입력으로 하여 기존의 1차원이나 2차원 주성분 분석법(PCA)보다 다양한 특징을 이용할 수 있는 다중선형 주성분 분석법(Multilinear PCA)를 수행한 다음 선형 판별법(LDA)을 수행하는 얼굴인식 방법을 제안하였다. 이러한 방법들은 표정이나 조명등의 변화에 강인한 특성을 가진다. 제안한 방법은 매트랩(Matlab)을 이용하여 실험하였다. ORL과 Yale 데이터베이스를 이용한 실험 결과를 기존의 방법들과 비교하였을 경우 제안한 방법이 기본적인 1차원 주성분 분석법보다 최대 9~27% 향상된 우수한 인식성능을 나타냄을 확인할 수 있었다.