The Journal of the Korea institute of electronic communication sciences (한국전자통신학회논문지)

Korea Institute of Electronic Communication Science (한국전자통신학회)
권호 표지
DOI QR코드

DOI QR Code

Development of a Face Detection and Recognition System Using a RaspberryPi

라즈베리파이를 이용한 얼굴검출 및 인식 시스템 개발

  • 김강철 (전남대학교 전기전자통신컴퓨터공학부) ;
  • Received : 2017.09.02
  • Accepted : 2017.10.18
  • Published : 2017.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

IoT is a new emerging technology to lead the $4^{th}$ industry renovation and has been widely used in industry and home to increase the quality of human being. In this paper, IoT based face detection and recognition system for a smart elevator is developed. Haar cascade classifier is used in a face detection system and a proposed PCA algorithm written in Python in the face recognition system is implemented to reduce the execution time and calculates the eigenfaces. SVM or Euclidean metric is used to recognize the faces detected in the face detection system. The proposed system runs on RaspberryPi 3. 200 sample images in ORL face database are used for training and 200 samples for testing. The simulation results show that the recognition rate is over 93% for PP+EU and over 96% for PP+SVM. The execution times of the proposed PCA and the conventional PCA are 0.11sec and 1.1sec respectively, so the proposed PCA is much faster than the conventional one. The proposed system can be suitable for an elevator monitoring system, real time home security system, etc.

사물인터넷이 4차 산업혁명을 주도할 새로운 기술로 각광받고 있으며, 이미 많은 기술과 제품들이 발표되어 인간의 삶의 질을 높이는 데 많은 기여를 하고 있다. 본 논문에서는 건물의 엘리베이터 등에서 얼굴 검출 및 얼굴 인식에 사용할 수 있는 시스템을 개발한다. 얼굴 검출 시스템은 하르 직렬 분류기를 사용하며, 얼굴 인식 시스템에는 수행 시간을 줄이기 위하여 본 논문에서 파이썬 언어로 구현된 주성분 분석(PCA)이 얼굴 인식을 위한 고유 얼굴(eigenface) 계산에 사용된다. 데이터베이스에 저장된 얼굴과 얼굴 검출 시스템의 결과로부터 얼굴을 인식하기 위하여 SVM 또는 유크리디안 측정이 사용된다. 제안된 시스템은 OpenCV를 사용하여 라즈베리파이 3에 구현된다. 본 논문에서 구현된 주성분 프로그램의 성능을 구하기 위하여 기존의 주성분 프로그램과 비교하여 얼굴 인식율과 수행시간을 비교하였다. 성능 평가를 위하여 ORL 얼굴 데이터베이스에서 40명의 얼굴에 대하여 각각 10 개의 이미지를 이용하여 학습에 200, 테스트에 200개의 이미지를 사용하였다. 본 논문에서 제안된 PCA와 유클리디안 측정을 이용한 경우 약 93%, SVM의 경우 약 96% 이상의 얼굴 인식률을 얻었다. 그러나 수행시간은 본 논문에서 구현된 PCA를 사용할 경우 약 0.11초, 기존 PCA의 경우 약 1.1초로 약 1/10로 수행 시간을 줄일 수 있었다. 그러므로 본 논문에서 개발된 시스템은 실시간 결과가 필요한 보안 시스템, 엘리베이터 모니터링 시스템 등에 적용할 수 있을 것으로 기대된다.

Keywords

References

  1. S. Ray, A. Raychowdhury, and Y. Jin, "The Changing Computing Paradigm With Internet of Things: A Tutorial Introduction," IEEE Design Test, vol. 33, issue 2, 2016, pp. 76-96. https://doi.org/10.1109/MDAT.2016.2526612
  2. A. Al-Fuqaha, M. Guizani, M. Mohamadi, M. Aledhari, and M. Ayyash, "Internet of Things: A Survey on Enabling Technologies, Protocols, and Applications," IEEE Communication Surveys & Tutors, vol. 17, no. 4, 2015, pp. 2347-2376. https://doi.org/10.1109/COMST.2015.2444095
  3. M. Palattella, M. Dohler, A. Grieco, G. Rizzo, J. Torsner, T. Engel, and L. Ladid, "Internet of Things in the 5G Era: Enablers, Architecture, and Business Models," IEEE J. on Selected Areas In Communications, vol. 34, no. 3, Mar. 2016, pp. 510-527. https://doi.org/10.1109/JSAC.2016.2525418
  4. K. Kim, D. Wang, S. Han, "Home Security System Based on IoT", J. of the Korea institute of electronic communication sciences, vol. 12, no. 1, Feb. 2017, pp.147-154. https://doi.org/10.13067/JKIECS.2017.12.1.147
  5. A. Bahga, V. Madisetti, Internet of things: A Hands-On Approach, San Bernardino, Arshdeep Bahga & Vijay Madsett, 2014.
  6. E. Upton and G. Halfsacree, Raspberry Pi User Guide, West Sussex, Wiley, 2014.
  7. G. Bradski and A.Kaehler, Learning OpenCV: Computer Vision with the OpenCV Library, Sebastopol, O'Reilly Media, 2008.
  8. J. Zhu, J. Chong, K. Kim, "The Recognition and Distance Estimation of a Golf Ball using a WebCam", J. of the Korea institute of electronic communication sciences, vol. 8, no. 12, Dec. 2013, pp.147-154.
  9. I. Oh, Computer Vision, Seoul, HANBIT Academy, 2014.
  10. R. C. Gonzalez, Digital image processing, NewJersey, Pearson. 2010.
  11. L. I. Smith, A tutoral on principal component analysis, New York, Cornell University, 2002.
  12. P. Viola and M. J. Jones, "Robust real-time face detection," Int. J. of Computer Vision, vol. 57, no. 2, 2004, pp. 137-154. https://doi.org/10.1023/B:VISI.0000013087.49260.fb
  13. K. Subramanian, "Face recognition using eigenface and support vector machine," Int. J. of Innovative Research in Computer and Communication Engineering, vol. 2, issue 7, 2014, pp. 4974-4980.
  14. F. Purnomo, D. Suhartono, M. Shodig, "Face Recognition using Gabor Wavelet and Non-Negative Matrix Factorization", SAI Intelligent Systems Conf., London, Nov. 2015, pp.788-792.