• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권7호
• /
• pp.503-506
• /
• 2013

본 논문에서는 기존의 CS-LBP를 변형한 ECSP 전처리 기법과 조명에 강인한 D2D-PCA 특징을 결합하는 얼굴인식 방법에 대하여 제안한다. 제안하는 얼굴인식 방법의 성능평가는 Yale B 데이터베이스 상에서 기존의 다양한 이진패턴 변환 영상과 얼굴인식에 널리 사용되고 있는 PCA 및 2D-PCA 특징을 이용하여 수행되었다. 실험 결과, 제안하는 얼굴인식 방법은 다른 방법들에 비하여 가장 높은 인식 성능을 보였으며, 이로부터 제안 시스템이 조명 변화에 강인한 얼굴인식 방법임을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제16권7호
• /
• pp.820-828
• /
• 2013

영상에서 임의의 점에 대한 고유한 특징을 계산하는 알고리즘은 파노라마 영상의 제작, 스테레오 영상의 획득, 물체 인식, 이미지 분석 등에 다양하게 사용되는 중요한 요소이다. 일반적으로 어떤 점의 특징은 스칼라 형태가 아닌 벡터형태로 나타나게 되는데, 무수히 많은 특징 점들을 서로 비교하는 작업은 매우 많은 계산량을 요구한다. 본 연구에서는 영상의 특징점 계산에 SURF(speeded up robust features)를 이용하였고, 이미지로부터 추출된 특징을 PCA(principal component analysis)기법을 이용하여 벡터의 차원을 축소하여 연결리스트 자료구조에 정렬한 다음 특징을 비교하는 기법을 제안한다. 제안된 특징의 비교 방법을 적용할 경우 기존 방법의 매칭 정확도는 유지한 상태에서 계산시간을 줄일 수 있는 것을 실험을 통하여 확인하였다.

• 융합정보논문지
• /
• 제12권3호
• /
• pp.252-258
• /
• 2022

본 연구에서는 실제 대학의 소규모 강좌에서 확률과 통계에 대한 수강생들의 이해도를 쉽고 빠르게 분석하기 위한 방법을 제안한다. 95명의 이공계 대학생을 대상으로 확률과 통계에 대한 컴퓨터 기반 검사를 시행하였다. 학생들의 응답을 Robust PCA와 가우시안 혼합 모델을 사용하여 7개의 군집으로 나눈 뒤, 각 군집 별로 주제별 성취도를 분석하였다. 상위권 군집은 통계적 추정을 제외한 다른 주제들에 대해서 대체로 높은 성취도를 보였으며, 저성취 군집들은 서로 다른 주제에 대해서 강약점을 보였다. 제안하는 기법은 기존에 널리 쓰이는 PCA를 사용하여 차원 축소 후 군집 분석을 수행한 것 보다 각 군집들의 특성이 더 분명하게 나타냈다. 이는 각 군집 별 특징에 따른 개별화된 학습 전략을 개발하는 데 활용될 수 있다.

• 한국멀티미디어학회논문지
• /
• 제7권7호
• /
• pp.877-885
• /
• 2004

본 논문은 여러 가지 장면 검출 방식들 중 강인한 특징 변수들의 선별과 신경망을 이용하여 향상된 장면 전환점 검출 기법을 제안한다. 기존의 장면 전환점 검출 방식에서는 인접한 프레임 간에 단일 특징과 고정된 임계값을 주로 사용하였다. 하지만, 비디오 시퀀스 내의 장면 전환점에서는 인접한 프레임 간의 내용(content)인 컬러, 모양, 배경 혹은 질감 등이 동시에 변화한다. 따라서 단일 특징보다는 상호 보완 관계를 갖는 강인한 특징을 이용하여 장면 전환점을 효율적으로 검출한다. 본 논문에서 강인한 특징 변수들을 선택하기 위해, 데이터 마이닝 기법 중 대표적인 CART(classification and regression tree)를 이용하고, 다차원 변수에 따른 임계값을 선정하기 위해 역전파 신경망(backpropagation neural net)을 이용한다. 제안한 방식과 대표적인 특징 추출인 PCA(principal component analysis)기법을 비교하여 특징 변수의 추출 성능을 평가한다. 실험 결과에 따라 제안된 방식이 PCA 기법과 비교하여 우수한 성능이 나타남을 확인한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권3호
• /
• pp.205-208
• /
• 2013

일반적으로 이진패턴 변환은 조명 변화에 강인한 특성을 가지므로, 얼굴인식 및 표정인식 분야에 널리 사용되고 있다. 이에, 본 논문에서는 기존의 LDP(Local Directional Pattern)의 텍스처 성분을 개선한 MLDP(Modified LDP) 변환 영상에 2D-PCA(Two-Dimensional Principal Component Analysis) 알고리즘을 결합한 조명변화에 강인한 얼굴인식 방법에 대하여 제안한다. 기존의 LBP(Local Binary Pattern)나 LDP와 같은 이진패턴 변환들이 히스토그램 특징 추출을 위해 주로 사용되는 것과는 다르게, 본 논문에서 제안하는 방법은 MLDP 영상을 2D-PCA 특징추출을 위해 직접 사용한다는 특성을 갖는다. 제안 방법의 성능평가는 PCA(Principal Component Analysis), 2D-PCA 및 가버변환 영상과 LBP를 결합한 알고리즘을 사용하여, 다양한 조명변화 환경에서 구축된 Yale B 및 CMU-PIE 데이터베이스를 이용하여 수행되었다. 실험 결과, MLDP 영상과 2D-PCA를 사용한 제안 방법이 가장 우수한 인식 성능을 보임을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 추계종합학술대회
• /
• pp.473-476
• /
• 2005

본 논문은 잡음에 강한 다양한 특징 파라메타를 제안한다. 기존의 음성인식에서 사용되는 특징 파라메타 MFCC(Mel Frequency Cepstral Coeeficient)는 좋은 성능을 보인다. 그러나 잡음에 보다 강인한 성능을 위해 기존에 사용되는 파라메타 MFCC의 특징공간을 변형시키는 알고리즘인 PCA(Principal Component Analysis)와 ICA(Independent Component Analysis)를 사용하여 특징 공간을 변형시킨 파라메타와 기존의 파라메타 MFCC의 성능을 비교하였다. 그 결과 ICA에 의해 변형된 특징 파라메타가 PCA로 변형된 파라메타와 MFCC보다 우수한 성능을 보였다.

• 대한전자공학회논문지SP
• /
• 제47권1호
• /
• pp.35-43
• /
• 2010

고유얼굴 기반 얼굴 인식 방법과 같은 얼굴 형태 기반 얼굴 인식 방법에 사용되는 1차원 PCA는 고차원의 얼굴 형태 데이터 벡터들의 처리로 인하여 부정확한 얼굴 표현과 과도한 계산량을 초래할 수 있다. 이에 개선 방안의 하나로 2차원 PCA 기반 얼굴 인식 방법이 개발되었다. 그러나 단순한 2차원 PCA 적용으로 얻어진 얼굴 표현 모델에는 얼굴 공통 특성 성분과 개인 식별 특성 성분이 모두 포함된다. 얼굴 공통 특성 성분은 오히려 개인 식별 능력을 방해할 수가 있고 또한 인식 처리 시간의 증가를 초래한다. 본 논문에서는 2차원 PCA 적용으로 얻어진 얼굴 특성 공간에서 얼굴 공통 특성 영향이 분리된 얼굴 고유 식별 특성 부분공간 모델을 개발하고 개발된 모델에 기반한 새로운 강인한 얼굴 인식 방법을 제안한다. 제안한 얼굴 고유식별 특성 부분공간 모델 기반 얼굴 인식 방법은 얼굴 고유 식별 특성에만 주로 의존하기 때문에 기존 1차원 PCA 및 2차원 PCA 기반 얼굴 인식 방법보다 얼굴 인식 성능 및 인식 속도에 대해서 더 우수한 성능을 보인다. 이는 다양한 조명 조건하에 다양한 얼굴 자세를 갖는 얼굴 이미지들로 구성된 Yale A 및 IMM 얼굴 데이터베이스를 이용한 실험을 통해 확인하였다.

• 대한전자공학회논문지SP
• /
• 제40권6호
• /
• pp.149-156
• /
• 2003

본 논문에서는 변형 Otsu 이진화 방법, Hu 모멘트 및 선형 판별 분석(linear discriminant analysis, LDA)를 기반으로 밝기, 명암도, 크기, 회전 위치 변화에 강인한 얼굴 인식 방법을 제안하고자 한다. 제안한 변형 Otsu 이진화를 사용하여 밝기 및 명암도에 불변한 이진 영상들을 만든다. 그런 후 생성된 얼굴 영상의 경계 영상 및 다단계 이진영상으로부터 총 17개의 Hu 모멘트를 계산한 다음 LDA 방법을 적용하여 최종 특징 벡터를 추출한다. 특히 제안하는 얼굴 인식 방법은 Hu 모멘트를 이용함으로써 크기, 회전 및 위치 변화에도 강인한 특성을 갖고 있다. Olivetti research laboratory (ORL) 데이터베이스와 AR 데이터베이스의 총 100명의 얼굴 영상에 대해 기존의 주요 성문 분석(Principal component analysis, PCA) 방법 및 PCA와 LDA를 결합한 얼굴 인식 방법과 비교 실험한 결과, 제안한 얼굴 인식 방법은 대체적으로 기존 방법보다 뛰어난 인식 성능을 보였다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2004년도 추계 종합학술대회 논문집
• /
• pp.348-351
• /
• 2004

본 논문은 Haar 웨이브릿 변환과 2D PCA를 이용한 얼굴 인식 방법에 대하여 제안한다. 기존의 PCA는 1 차원 벡터들로 공분산 행렬을 구하는 반면에 2D PCA는 2 차원 영상을 직접적으로 이용하여 공분산 행렬을 구한 후 그것의 고유값에 따른 고유벡터를 구하여 특징 벡터들을 추출하였다. 제안 방법은 얼굴 데이터를 낮은 차원과 강건한 특징을 가지는 얼굴 영상을 얻기 위해 웨이브릿 변환을 이용하여 LL 대역의 영상 데이터로 2D PCA 방법을 적용하여 얼굴을 인식한다. 실험결과는 원래 크기의 얼굴 영상에 2D PCA를 적용한 인식률보다 웨이브릿 변환의 LL 대역의 얼굴 영상에 2D PCA를 적용한 얼굴 인식률이 더 좋음을 보여준다.

• 정보와 통신
• /
• 제31권11호
• /
• pp.35-45
• /
• 2014

주성분 분석 기법(PCA)는 가장 널리 사용되는 데이터 차원 감소 (dimensionality reduction) 기법으로 알려져 있다. 하지만 데이터에 이상점 (outlier)가 존재하는 환경에서는 성능이 크게 저하된다는 단점을 가지고 있다. Rank-Sparsity(Robust PCA) 기법은 주어진 행렬을 low-rank 행렬과 저밀도(sparse)행렬의 합으로 분해하는 방식으로, 이상점이 많은 환경에서 PCA기법을 효과적으로 대체할 수 있는 알고리즘으로 알려져 있다. 본 고에서는 RPCA 기법을 간략히 소개하고, 그의 적용분야, 및 알고리즘에 관한 연구들을 대해서 알아본다.