Journal of the Institute of Electronics Engineers of Korea CI (전자공학회논문지CI)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Face Recognition using Eigenfaces and Fuzzy Neural Networks

고유 얼굴과 퍼지 신경망을 이용한 얼굴 인식 기법

  • 김재협 (한양대학교 컴퓨터공학과) ;
  • 문영식 (한양대학교 컴퓨터공학과)
  • Published : 2004.05.01
Download PDF
⟨ Previous Next ⟩

Abstract

Detection and recognition of human faces in images can be considered as an important aspect for applications that involve interaction between human and computer. In this paper, we propose a face recognition method using eigenfaces and fuzzy neural networks. The Principal Components Analysis (PCA) is one of the most successful technique that have been used to recognize faces in images. In this technique the eigenvectors (eigenfaces) and eigenvalues of an image is extracted from a covariance matrix which is constructed form image database. Face recognition is Performed by projecting an unknown image into the subspace spanned by the eigenfaces and by comparing its position in the face space with the positions of known indivisuals. Based on this technique, we propose a new algorithm for face recognition consisting of 5 steps including preprocessing, eigenfaces generation, design of fuzzy membership function, training of neural network, and recognition. First, each face image in the face database is preprocessed and eigenfaces are created. Fuzzy membership degrees are assigned to 135 eigenface weights, and these membership degrees are then inputted to a neural network to be trained. After training, the output value of the neural network is intupreted as the degree of face closeness to each face in the training database.

일반적으로 영상에서 얼굴 영상을 검출하고 인식하는 알고리즘은 패턴 인식 연구에 있어서 인간과 컴퓨터의 상호작용의 연구라는 면에서 아주 중요한 문제로 연구되어 왔다. 본 논문에서는 고유얼굴과 퍼지 신경망을 이용한 얼굴인식 기법을 제안한다. PCA(Principal Component Analysis) 방식은 우수한 인식 결과를 보장하는 얼굴인식 기법중의 하나이며, 얼굴 영상을 이용하여 공분산 행렬을 계산하고, 공분산 행렬을 통해 생성된 저차원의 벡터, 즉 고유얼굴(Eigenface)을 이용하여 가중치를 계산하고, 이 가중치를 기준으로 인식을 수행하는 기법이다. 이를 기반으로 하여, 본 논문에서는 전처리 과정, 고유얼굴 과정, 퍼지 소속도 함수 설계 과정, 신경망 학습 과정, 인식과정으로 구성된 5단계의 얼굴 인식 알고리즘을 제안한다. 먼저 각 얼굴 영상들은 전처리과정을 거치며 이 영상들을 이용하여 고유얼굴을 추출한다. 추출된 고유얼굴을 이용한 가숭치 135개에 대하여 비대칭 가우시안 함수를 응용한 퍼지 소속도 함수를 이용하여 퍼지 소속도가 부여되며 이 소속도들이 신경망의 입력으로 사용되어 학습과정을 거친다. 학습과정을 거친 후, 신경망의 출력은 현재의 얼굴 이미지가 데이터베이스의 얼굴 이미지와 유사한 정도를 나타내게 되어 인식을 수행한다. 제안하는 알고리즘으로 가중치의 개수와 퍼지 레벨의 개수에 대하여 기존의 얼굴 데이터 베이스를 이용하여 실험하였으며, 실험 결과 특정 조건하에서 약 95% 이상의 인식 성능을 확인할 수 있었다.

Keywords

References

  1. Y. KayaK and K. Kobayashi, 'A Basic Study on Human Face Recognition,' in Frontiers of Pattern Recognition, 1972, p. 265
  2. R .Brunelli and T. Poggio, 'Face Recognition: Feature versus Templates,' IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 15, no. 10, October 1993 https://doi.org/10.1109/34.254061
  3. M. Turk and A. Pentland, 'Eigenfaces for Recognition,' J. cognitive neuroscience, vol. 3, no. 1, pp. 71-86, 1991 https://doi.org/10.1162/jocn.1991.3.1.71
  4. P.N. Belhumeour, J.P. Hespanha, and K.J. Kriegman, 'Eigenfaces vs. Fisherfaces: Recognition Using Class Specific Linear Projection,' IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 19, no. 7, pp. 711-720, 1997 https://doi.org/10.1109/34.598228
  5. A.M. Martinez and A.C. Kak, 'PCA versus LDA,' IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 23, no. 2, Feb. 2001 https://doi.org/10.1109/34.908974
  6. S. Lawrence, C.L. Giles, A.C. Tsoi, A.D. Back, 'Face Recognition: A Conventional Neural Network Approach,' IEEE Trans. on Neural Networks, Special Issue on Neural Networks and Pattern Recognition, vol. 8, no. 1, pp. 98-113, 1997 https://doi.org/10.1109/72.554195
  7. P.J. Phillips, H. Moon, S.A. Rizrvi, and P.J. Rauss,'The FERET Evaluation Methodology for Face Recognition Algorithms,' IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 22, no. 10, Oct. 2000 https://doi.org/10.1109/34.879790
  8. T.E. Campos, R.S. Feris, and R.M.C. Junior, 'Eigenfaces versus ElgenEyes: First Steps Toward Performance Assessment of Representation for Face Recognition,' Lecture Notes in Artificial Intelligence, vol. 1793, pp. 197-206, April 2000 https://doi.org/10.1007/10720076_18
  9. A. Pentland, T. Starner, N. Etcoff, N. Massoiu, O. Oliyide, and M. Turk, 'Experiments with Eigenfaces,' Proc. Looking at People Workshop Int'l Joint Conf. Artificial Intelligence, Aug. 1993
  10. P.J. Phillips, 'Support Vector Machine Applied to Face Recognition,' Advances in Neural Informationo Processing Systems 11, eds. M.J. Kearns, S.A. Solla and D.A. Cohn, MIT Press, 1999
  11. W.H. Press, S.A. Teukolsky, W.T. Vetterling, B.P. Flannery, 'Numerical Recipes in C,' Cambridge University Press
  12. F.C.-H. Rhee, 'Fuzzy Rule Generation and Inference Methods for Pattern Recognition and Computer Vision,' Ph.D. thesis, University of Missouri, May 1993
  13. 이창수, 이정훈, '영상영역 기반 퍼지 신경망을 이용한 얼굴 검출,' 퍼지 및 지능시스템학회 논문지, vol. 1, no. 1, pp. 39-44, 2001
  14. 임영도, 이상부, '퍼지, 신경망, 유전진화,' 인솔미디어, 2002
  15. A.M. martinez and R. Benavente. The AR face Database. http://rvl1.ecn.purdue.edu/v1/ARdatanbase/ARdatabase
  16. A.M. Martines, 'Recognition of Partially Occluded and/or Imprecisely Localized Faces Using a Probabilistic Approach,' Proc. Computer Vision and Pattern Recognition, vol. 1, pp. 712-717, June 2000 https://doi.org/10.1109/CVPR.2000.855890
  17. O. Deniz, M. Castrillon, and M. hemandez, 'Face Rcognition Using Independent Component Analysis and Support Vector Machines,' AVB PA, pp. 59-64, 2001
  18. L. Wiskott, J. Fellous, N. Kruger, and C. Malsburg, 'Face Recognition by Elastic Bunch Graph Matching,' IEEE Trans. Pattrern Analysis and Machine Intelligence, vol. 19, no. 7, pp. 775-779, July 1997 https://doi.org/10.1109/34.598235
  19. A.V. Nefian and M.H, 'Hayes Face Detection and Recognition sing Hidden Markov Models,' Int. Conf. on Image Processing, vol. 1, pages 141-145, October 1998 https://doi.org/10.1109/ICIP.1998.723445