The Journal of the Korea Contents Association (한국콘텐츠학회논문지)

The Korea Contents Association (한국콘텐츠학회)
권호 표지
DOI QR코드

DOI QR Code

Fully Automatic Facial Recognition Algorithm By Using Gabor Feature Based Face Graph

가버 피쳐기반 얼굴 그래프를 이용한 완전 자동 안면 인식 알고리즘

  • Received : 2010.12.28
  • Accepted : 2011.02.15
  • Published : 2011.02.28
Download PDF
⟨ Previous Next ⟩

Abstract

The facial recognition algorithms using Gabor wavelet based face graph produce very good performance while they have some weakness such as a large amount of computation and an irregular result depend on initial location. We proposed a fully automatic facial recognition algorithm using a Gabor feature based geometric deformable face graph matching. The initial location and size of a face graph can be selected using Adaboost detection results for speed-up. To find the best face graph with the face model graph by updating the size and location of the graph, the geometric transformable parameters are defined. The best parameters for an optimal face graph are derived using an optimization technique. The simulation results show that the proposed algorithm can produce very good performance with recognition rate 96.7% and recognition speed 0.26 sec for FERET database.

가버 웨이브릿을 이용한 얼굴 그래프기반 안면 인식 알고리즘들은 우수한 인식 성능을 갖고 있지만 계산양이 많고 초기 그래프 위치에 따라 성능이 달라지는 등의 문제점들이 있다. 본 연구에서는 이를 개선하여 가버 피쳐기반 기하학적 가변형 얼굴 그래프 매칭방식을 이용한 완전 자동 안면 인식 알고리즘을 제안하였다. Adaboost를 이용해서 얼굴을 검출하고 얼굴 그래프의 초기 정합 위치와 크기를 결정하였다. 얼굴 그래프를 기하학적으로 가변시켜 가면서 얼굴 모델 그래프와 유사도가 가장 높은 얼굴 그래프를 고속으로 찾기 위해 매개변수들을 정의하고 최적화 알고리즘을 이용하여 최적 얼굴 그래프를 추출하였다. 제안한 알고리즘을 FERET 데이터베이스의 인식에 적용해 본 결과 96.7%의 인식률로서 기존 연구들에 비해 우수한 결과를 얻을 수 있었고 평균 0.26초의 인식 속도로서 실시간 적용이 가능함을 확인하였다.

Keywords

References

  1. P. J. Phillips, H. Moon, P. J. Rauss, and S. A. Rizvi, "The FERET Evaluation Methodology for Face Recognition Algorithms," IEEE Trans. on PAMI. Vol.22, pp.1090-1104, 2000. https://doi.org/10.1109/34.879790
  2. P. Viola and M. Jones, "Robust Real-Time Face Detection," International Journal of Computer Vision, Vol.57, No.2, pp.137-154, 2004. https://doi.org/10.1023/B:VISI.0000013087.49260.fb
  3. W. Lee, J. Kim, and B. Lee, "Real-Time Face Detection and Tracking Using the Adaboost Algorithm," Journal of Korea Multimedia Society, Vol.9, No.10, pp.1266-1275, 2006(10).
  4. 조광신, 박수경, 심동규, 이수연, “조명변화에 강인한 MCT와 프레임 연관성 기반 실시간 얼굴인식시스템”, 전자공학회 논문지, 제45권 C1편, 제3호, pp.123-134, 2008(5).
  5. Matthew Turk and Alex Pentland, “Eigenfaces for Recognition," Journal of Cognitive Neuroscience, Vol.3, No.1, 1991. https://doi.org/10.1162/jocn.1991.3.1.71
  6. L. Wiskott, J. Fellous, N. Kruger, and C. Malsburg, "Face Recognition by Elastic Bunch Graph Matching," Intelligent Biometric Techniques in Fingerprint and Face Recognition, CRC Press, ISBN 0-8493-2055-0, Chapter 11, pp.355-396, 1999.
  7. J. Kennedy and R. Eberhart, "Particle Swarm Optimization," Proceedings of IEEE International Conference on Neural Networks, Piscataway, NJ. pp.1942-1948, 1995.
  8. R. Ramadan and R. Abdel-kader, "Face Recognition Using Particle Swarm Optimization-Based Selected Features," International Journal of Signal Processing, Image Processing and Pattern Recognition, Vol.2, No.2, pp.51-65, 2009(6).
  9. R. Senaratne, S. Halgamuge, and A. Hsu, "Face Recognition by Extending Elastic Bunch Graph Matching with Particle Swarm Optimization," Journal of Multimedia, Vol.4, No.4, pp.204-214, 2009(8). https://doi.org/10.4304/jmm.4.4.204-214