An Improved Face Recognition Method Using SIFT-Grid

SIFT-Grid를 사용한 향상된 얼굴 인식 방법

The aim of this paper is the improvement of identification performance and the reduction of computational quantities in the face recognition system based on SIFT-Grid. Firstly, we propose a composition method of integrated template by removing similar SIFT keypoints and blending different keypoints in variety training images of one face class. The integrated template is made up of computation of similarity matrix and threshold-based histogram from keypoints in a same sub-region which divided by applying SIFT-Grid of training images. Secondly, we propose a computation method of similarity for identify of test image from composed integrated templates efficiently. The computation of similarity is performed that a test image to compare one-on-one with the integrated template of each face class. Then, a similarity score and a threshold-voting score calculates according to each sub-region. In the experimental results of face recognition tasks, the proposed methods is founded to be more accurate than both two other methods based on SIFT-Grid, also the computational quantities are reduce.

본 논문은 SIFT-Grid 기반의 얼굴 인식 시스템에서 식별 능력의 향상과 계산량 감소를 목적으로 한다. 첫번째는 한 얼굴 클래스의 다양한 훈련 이미지로부터 비슷한 SIFT 특징점들은 제거하고, 상이한 특징점들은 병합하는 통합템플릿의 구성 방법을 제안한다. 통합템플릿은 SIFT-Grid를 통해 나누어진 훈련 이미지들의 동일 부분영역 내의 특징점들에 대한 유사도 행렬의 계산과 임계치 기반의 히스토그램의 계산을 통해 구성하였다. 두 번째는 구성된 통합템플릿들로부터 테스트 이미지의 효과적인 식별을 위한 유사도 계산 방법을 제안한다. 유사도의 계산은 테스트 이미지와 각 클래스의 통합템플릿간의 일대일 비교로 수행된다. 이때 동일 부분영역 별로 유사도 점수와 임계치 기반의 보팅 점수가 계산된다. 얼굴 인식 작업에 대한 실험 결과 제안된 방법이 SIFT-Grid 기반의 다른 두 방법보다 정확한 것으로 확인 되었고, 또한 계산량도 감소하였다.