• 한국멀티미디어학회논문지
• /
• 제7권2호
• /
• pp.156-163
• /
• 2004

본 논문에서는 적응적 얼굴영역 검출과 얼굴 특징자 평가함수를 사용한 실시간 얼굴인식 알고리즘을 제안하였다. 제안한 알고리즘은 명암도 정보와 타원마스킹 기법뿐만 아니라 인종별 얼굴피부색을 사용하여 정확한 얼굴영역을 적응적으로 검출 가능하다. 또한 제안한 알고리즘은 얼굴 특징자 및 얼굴특징자간 기하학적 평가함수를 사용하여 얼굴 인식 효율을 개선하였다. 제안한 알고리즘은 생체인증 및 보안 시스템 분야에 사용 가능하다. 실험에서는 제안한 방법의 우수성을 입증하기 위해 실 영상을 사용하였으며 실험 결과 기존의 방법보다 얼굴 영역 검출뿐만 아니라 얼굴인식 성능을 개선하였다.

• 한국멀티미디어학회논문지
• /
• 제24권10호
• /
• pp.1380-1390
• /
• 2021

The video face recognition (FR) is one of the most popular researches in the field of computer vision due to a variety of applications. In particular, research using the attention mechanism is being actively conducted. In video face recognition, attention represents where to focus on by using the input value of the whole or a specific region, or which frame to focus on when there are many frames. In this paper, we propose a novel attention based deep learning method. Main novelties of our method are (1) the use of combining two loss functions, namely weighted Softmax loss function and a Triplet loss function and (2) the feasibility of end-to-end learning which includes the feature embedding network and attention weight computation. The feature embedding network has a positive effect on the attention weight computation by using combined loss function and end-to-end learning. To demonstrate the effectiveness of our proposed method, extensive and comparative experiments have been carried out to evaluate our method on IJB-A dataset with their standard evaluation protocols. Our proposed method represented better or comparable recognition rate compared to other state-of-the-art video FR methods.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2003년도 춘계학술발표대회논문집
• /
• pp.484-487
• /
• 2003

본 논문에서는 CCD 카메라로부터 입력된 얼굴영상에서 피부색상 정보를 이용하여 얼굴을 검출하고 얼굴특징자인 눈, 코, 입의 얼굴특징 벡터를 추출한 후, 벡터들로부터 특징 평가함수를 적용하여 개인의 얼굴을 인식하는 알고리즘을 제안하였다. 제안한 논문에서는 입력 영상에서 대하여 얼굴 피부색의 정보와 명암도 정보를 동시에 사용하여 얼굴영역을 검출한 후, 검출한 얼굴 영역에서 특징점인 눈, 코, 입 등을 추출한 다음, 각 특징 점들에 대한 기하학적 위치특성과 상관성을 이용한 얼굴특징 평가함수를 구성하였다. 제안한 알고리즘으로 230 장의 얼굴영상에 대하여 실험에 적용한 결과 얼굴검출 효율과 인식 성능을 개선할 수 있었다.