• Journal of International Society for Simulation Surgery
• /
• 제2권2호
• /
• pp.64-66
• /
• 2015

Purpose : In this paper we proposed cascade feature filter and projection method for rapid human face recognition for the large-scale high-dimensional face database. Materials and Methods : The relevant features are selected from the large feature set using Fast Correlation-Based Filter method. After feature selection, project them into discriminant using Principal Component Analysis or Linear Discriminant Analysis. Their cascade method reduces the time-complexity without significant degradation of the performance. Results : In our experiments, the ORL database and the extended Yale face database b were used for evaluation. On the ORL database, the processing time was approximately 30-times faster than typical approach with recognition rate 94.22% and on the extended Yale face database b, the processing time was approximately 300-times faster than typical approach with recognition rate 98.74 %. Conclusion : The recognition rate and time-complexity of the proposed method is suitable for real-time face recognition system on the large-scale high-dimensional face database.

• 전자공학회논문지CI
• /
• 제49권2호
• /
• pp.61-74
• /
• 2012

본 논문에서는 MCS-LBP 이진패턴 영상과 2D-PCA 알고리즘을 이용한 조명 변화에 강인한 얼굴인식 시스템에 대하여 제안한다. 이진패턴 변환은 기존의 얼굴인식 및 표정인식 분야에 사용되는 기법으로, 일반적으로 조명 변화에 강인한 특성을 갖는다. 이에 본 논문에서는 기존의 LBP보다 조명 변화에 더 강인한 MCS-LBP를 제안하고, 더불어 2D-PCA 알고리즘과 결합하는 얼굴인식 시스템을 제안한다. 제안하는 얼굴인식 방법의 성능평가는 기존의 다양한 이진패턴 변환 영상과 얼굴인식에 널리 사용되고 있는 PCA, LDA, 2D-PCA 및 가버영상의 ULBP 히스토그램 특징을 사용하여 수행하였다. 다양한 조명변화 환경에서 구축된 YaleB, extended YaleB, CMU-PIE 등의 공인 얼굴 데이터베이스를 이용하여 실험한 결과, 제안하는 MCS-LBP영상과 2D-PCA 특징을 사용한 방법이 가장 우수한 인식 성능을 보였다.

• 전자공학회논문지
• /
• 제52권10호
• /
• pp.129-136
• /
• 2015

본 논문에서는 조명 변이에 강인하게 동작 할 수 있는 하이브리드 얼굴 인식 방법을 제안한다. 이를 위해, 서로 다른 특성을 가진 조명 불변 특징 추출 방법으로부터 판별력 있는 특징들을 추출한다. 개별 방법들의 장점들을 효과적으로 활용하기 위해, 판별 거리 척도를 이용하여 각 특징들의 분별력을 측정하여 분별력이 높은 특징들로만 복합 특징을 구성하여 얼굴 인식에 사용한다. Multi-PIE, Yale B, AR, yale database들에 대한 실험 결과, 제안한 방법은 모든 database에 대해 개별 조명 불변 특징 방법들보다 우수한 인식 성능을 보여 주었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권11호
• /
• pp.5474-5490
• /
• 2017

Although two-dimensional principal component analysis (2DPCA) has been shown to be successful in face recognition system, it is still very sensitive to illumination variations. To reduce the effect of these variations, texture-based techniques are used due to their robustness to these variations. In this paper, we explore several texture-based techniques and determine the most appropriate one to be used with 2DPCA-based techniques for face recognition. We also propose a new distance metric computation in 2DPCA called Row Assembled Matrix Distance (RowAMD). Experiments on Yale Face Database, Extended Yale Face Database B, AR Database and LFW Database reveal that the proposed RowAMD distance computation method outperforms other conventional distance metrics when Local Line Binary Pattern (LLBP) and Multi-scale Block Local Binary Pattern (MB-LBP) are used for face authentication and face identification, respectively. In addition to this, the results also demonstrate the robustness of the proposed RowAMD with several texture-based techniques.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.101-102
• /
• 2008

얼굴인식 분야에서 PCA(Principal Component Analysis) 기반 알고리즘은 비교적 간단한 구조와 높은 인식률로 인해 많이 사용되고 있지만 조명이나 얼굴 포즈 변화에 민감하다는 단점이 있다[1]. 이런 단점을 해결하기 위한 노력으로 PCA를 다른 얼굴인식 알고리즘과 결합함으로서 조명과 포즈 변화에 강인한 얼굴인식을 위만 연구가 현재 활발히 진행되고 있다. 본 논문은 PCA기반 얼굴인식에서 조명이 다양하게 변할 때 이에 따른 인식률의 변화와, 인식이 실패했을 경우에 인식 대상이 유사도 상위후보군에 들어가는지를 조사함으로서 PCA기반 알고리즘의 신뢰도를 확인하고자 한다. 이를 위해 Yale Face Database H와 Extended Yale Face Database B를 이용하여 실험한 결과 약 93%의 인식 성공률을 확인했으며, 7%의 인식 실패한 영상의 경우 그 인식하고자 했던 얼굴이 유사도를 기준으로 정렬된 학습 영상에서 상위 후보군에 속한다는 실험 결과를 얻음으로서 PCA기반 얼굴 인식 알고리즘의 신뢰성을 확인할 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제15권4호
• /
• pp.508-515
• /
• 2012

본 논문은 Active Appearance Model(AAM)을 사용하여 주어진 얼굴영상의 포즈추정과 임의 포즈합성 방법을 설명한다. AAM은 다양한 응용분야에 성공적으로 적용되어지고 있는 예제기반 학습모델로 예제들의 변화정도를 학습한다. 그러나 하나의 모델로는 각도 변화가 큰 포즈 변화량을 수용하기 어렵다. 본 논문은 좁은 범위의 각도 변화를 다루는 모델을 포즈별로 생성한다. 주어진 포즈 얼굴을 다룰 수 있는 모델을 이용하여 정확한 포즈추정과 합성이 가능하다. 이때 합성하고자 하는 포즈의 각도가 포즈 추정을 위해 사용된 모델에 학습되어 있지 않은 경우, 미리 학습된 모델간의 선형관계를 통해 문제를 해결한다. Yale B 공개 얼굴 데이터베이스에 대한 실험을 통해 포즈추정 및 합성 정확도를 보이고, 자체 수집한 포즈변화가 큰 얼굴영상에 대한 성공적인 정면 합성 결과를 제시한다.

• 정보과학회 논문지
• /
• 제44권3호
• /
• pp.295-305
• /
• 2017

얼굴 외형은 조명의 영향을 크게 받기 때문에 조명 변화는 얼굴 인식 시스템의 성능을 저하시키는 요인 중 하나이다. 본 논문에서는 non-alpha Weberface(non-alpha WF)와 히스토그램 평활화를 결합하여 조명 변화에 강건한 얼굴 표현 방법을 제안한다. 먼저, 입력 얼굴 영상에 대해 명암 대비 조절 파라미터를 적용하지 않은 non-alpha WF를 생성한다. 이후, non-alpha WF의 히스토그램 분포를 전역적으로 균일하게 하고 명암 대비를 향상시키기 위해 히스토그램 평활화를 수행한다. 제안하는 방법을 통해 전처리된 얼굴 영상으로부터 저차원 판별 특징을 추출하기 위해 $(2D)^2PCA$를 적용한다. Extended Yale B 및 CMU PIE 얼굴 데이터베이스에 대해 실험한 결과, 제안하는 방법으로 각각 93.31%와 97.25%의 평균 인식률을 얻었다. 또한, 제안하는 방법은 기존 WF뿐만 아니라 여러 조명 처리 방법들과 비교하여 향상된 인식 성능을 보였다.

• 한국지능시스템학회논문지
• /
• 제25권1호
• /
• pp.91-96
• /
• 2015

본 연구는 조명변화에 강인한 CT 전처리 기법 기반 개선된 얼굴인식 시스템을 소개한다. 전처리 알고리즘으로 CT알고리즘은 조명이 없는 환경에서도 얼굴의 지역적인 특징만을 추출한다. 얼굴의 지역적인 특징 추출을 가능하게 해준다. 처리된 데이터는 $(2D)^2$ 기반 대표적인 차원축소 알고리즘인 PCA를 사용하여 특징을 추출하였다. 전처리 알고리즘을 통한 특징 데이터는 제안한 방사형 기저함수 신경회로망의 입력으로 사용하였다. 방사형 기저함수 신경회로망의 은닉층은 FCM으로 구성하였고, 연결가중치는 1차 선형식을 사용하였다. 또한 ABC 알고리즘을 이용하여 제안된 분류기의 파라미터, 즉 입력의 수, 퍼지 클러스터링의 퍼지화 계수를 최적화 한다. 본 연구는 제안된 시스템의 성능 평가를 위해 Yale Face database B와 CMU PIE database로 실험하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권10호
• /
• pp.816-824
• /
• 2009

얼굴영상 공간에서 얼굴영상들은 조명이나 포즈에 의해 비선형적 분포를 갖는다. 이들을 선형모델에 기반을 둔 AAM으로 모델링 하는 것은 한계가 있다. 본 논문에서는 얼굴영상에 대한 몇 개의 군집이 주어졌다고 가정하고, 각 군집 별로 지역적인 AAM 모델을 구축하여 정합과정 중에 적합한 모델이 선택되도록 한다. 정합과정에서 발생하는 모델변경에 따른 모델간의 정합 인자 갱신의 문제는 인자 공간에서 모델간의 선형 관계를 미리 학습하여 해결한다. 심각한 정합 실패에 따른 잘못된 모델 선택을 줄이기 위해 점진적으로 모델변경이 이루어지도록 한다. 실험에서는 제안하는 방법을 Yale-B 조명얼굴 영상에 적용하여 모델을 생성하고 기존 방법과 정합 성능을 비교한다. 제안 방법은 심각한 그림자가 발생하는 강도 높은 조명얼굴 영상에서 성공적인 정합 결과를 보여주었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권7호
• /
• pp.2667-2682
• /
• 2015

Due to the wide application of face recognition (FR) in information security, surveillance, access control and others, it has received significantly increased attention from both the academic and industrial communities during the past several decades. However, partial face occlusion is one of the most challenging problems in face recognition issue. In this paper, a novel method based on linear regression-based classification (LRC) algorithm is proposed to address this problem. After all images are downsampled and divided into several blocks, we exploit the evaluator of each block to determine the clear blocks of the test face image by using linear regression technique. Then, the remained uncontaminated blocks are utilized to partial occluded face recognition issue. Furthermore, an improved Distance-based Evidence Fusion approach is proposed to decide in favor of the class with average value of corresponding minimum distance. Since this occlusion removing process uses a simple linear regression approach, the completely computational cost approximately equals to LRC and much lower than sparse representation-based classification (SRC) and extended-SRC (eSRC). Based on the experimental results on both AR face database and extended Yale B face database, it demonstrates the effectiveness of the proposed method on issue of partial occluded face recognition and the performance is satisfactory. Through the comparison with the conventional methods (eigenface+NN, fisherfaces+NN) and the state-of-the-art methods (LRC, SRC and eSRC), the proposed method shows better performance and robustness.