초록
얼굴인식과 같은 고차원 영상의 패턴분류 문제에서는 특징추출과정이 필수적이라 할 수 있다. 특징추출방법 중 부분공간기법은 데이터의 표현이 우수할 뿐만 아니라 차원 감소 면에서도 효율적이라 보고되고 있으며, 그 대표적인 방법으로 주성분분석, 선형판별분석 등이 널리 알려져 있다. 하지만, 이들 방법은 전역적 변환 방법으로써 포즈, 조명 등의 변화에 민감하여, 그 변화량이 크면 전역적 변환으로 인한 얼굴정보가 전체적으로 손실될 가능성이 크다. 따라서, 이러한 변화들에 대해 잘 대처하기 위해서는 얼굴영상에서 변화들을 상쇄시키는 정규화 작업을 수행해야만 한다. 정규화를 추구하는 이유는 일반적인 얼굴과 가깝게, 다시말해 평균 얼굴과 가깝게 하기 위함이고, 이러한 정규화를 위해서는 부분적 변환 방법이 이상적이라 할 수 있다. 이 방법은 변환으로 인한 얼굴 정보가 부분적 손실만을 유발하기 때문에 전역적 변환 방법에 비해 적합하다고 할 수 있다. 본 논문에서는 지역적 부분공간기법 중 지역특징분석을 SVM커널에 적용하여, 기존 SVM다항식커널에 지역적 정보를 포함시킴으로써, 보다 강력하고 새로운 SVM커널을 디자인하였다.
The purpose of this study is to design and implement a kernel for the support vector machine(SVM) to improve the performance of face recognition. Local feature analysis(LFA) has been well known for its good performance. SVM kernel plays a limited role of mapping low dimensional face features to high dimensional feature space but the proposed kernel using LFA is designed for face recognition purpose. Because of the novel method that local face information is extracted from training set and combined into the kernel, this method is expected to apply to various object recognition/detection tasks. The experimental results shows its improved performance.