• 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.

• 전자통신동향분석
• /
• 제33권4호
• /
• pp.43-53
• /
• 2018

As face recognition (FR) has been well studied over the past decades, FR technology has been applied to many real-world applications such as surveillance and biometric systems. However, in the real-world scenarios, FR performances have been known to be significantly degraded owing to variations in face images, such as the pose, illumination, and low-resolution. Recently, visual intelligence technology has been rapidly growing owing to advances in deep learning, which has also improved the FR performance. Furthermore, the FR performance based on deep learning has been reported to surpass the performance level of human perception. In this article, we discuss deep-learning based high-performance FR technologies in terms of representative deep-learning based FR architectures and recent FR algorithms robust to face image variations (i.e., pose-robust FR, illumination-robust FR, and video FR). In addition, we investigate big face image datasets widely adopted for performance evaluations of the most recent deep-learning based FR algorithms.

• 한국콘텐츠학회논문지
• /
• 제8권1호
• /
• pp.236-245
• /
• 2008

다양한 조명 환경 하에서, 얼굴인식이 잘 동작하도록 하는 것은 매우 어려운 일이며 성공적인 상업화를 위해서는 반드시 성취되어야 하는 작업이다. 본 논문에서는 얼굴 인식을 위한 효율적인 조명 전처리 방법을 제안한다. Anisotropic smoothing 기반 조명 전처리 방법은 조명 전처리 방법 가운데 효과적인 방법으로 잘 알려져 있으나, 원 이미지의 명도 대비를 감소시키며 에지 성분의 약화를 초래한다. 본 논문의 제안 방법은 기존 anisotropic smoothing 방법을 개선하여, 조명의 영향을 줄이면서 명도 대비를 증가시키고 에지 정보를 강화한다. 이러한 개선의 결과로, 본 논문의 제안 방법에 의해 조명 전처리된 같은 사람의 얼굴 이미지들은 보다 차별적인 특징 벡터(가버 특징 벡터)를 갖게 된다. 본 논문에서 제안한 조명 전처리 방법의 효율성은 가버젯 유사도를 이용한 얼굴 인식의 실험을 통하여 입증되었다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1999년도 추계종합학술대회 논문집
• /
• pp.460-463
• /
• 1999

We present an efficient face recognition method that is robust to illumination changes. We named the proposed method as SKKUfaces. We first compute eigenfaces from training images and then apply fisher discriminant analysis using the obtained eigenfaces that exclude eigenfaces correponding to first few largest eigenvalues. This way, SKKUfaces can achieve the maximum class separability without considering eigenfaces that are responsible for illumination changes, facial expressions and eyewear. In addition, we have developed a method that efficiently computes beween-scatter and within-scatter matrices in terms of memory space and computation time. We have tested the performance of SKKUfaces on the YALE and the SKKU face databases. Initial Experimental results show that SKKUfaces performs greatly better over Fisherfaces on the input images of large variations in lighting and eyewear.

• 전기학회논문지
• /
• 제64권7호
• /
• pp.1104-1113
• /
• 2015

In this paper, we propose Two-Dimensional Robust Face Recognition System Realized with the Aid of Facial Symmetry with Illumination Variation. Preprocessing process is carried out to obtain mirror image which means new image rearranged by using difference between light and shade of right and left face based on a vertical axis of original face image. After image preprocessing, high dimensional image data is transformed to low-dimensional feature data through 2-directional and 2-dimensional Principal Component Analysis (2D)2PCA, which is one of dimensional reduction techniques. Polynomial-based Radial Basis Function Neural Network pattern classifier is used for face recognition. While FCM clustering is applied in the hidden layer, connection weights are defined as a linear polynomial function. In addition, the coefficients of linear function are learned through Weighted Least Square Estimation(WLSE). The Structural as well as parametric factors of the proposed classifier are optimized by using Particle Swarm Optimization(PSO). In the experiment, Yale B data is employed in order to confirm the advantage of the proposed methodology designed in the diverse illumination variation

• 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.

• 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.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 Ⅳ
• /
• pp.2020-2023
• /
• 2003

In this paper, our proposed system uses the regional Gabor wavelet and Neural Network to implement face recognition similar to human face recognition system, because the Gator wavelet expresses visual recognition system of human mathematically and the regional Neural Network is robust to white noise and partial illumination. This system consists of two stages of building database and recognizing face. One is composed by using the supervised learning of Neural Network. At this time, the Neural Network is applied to the upper and the lower part of face images respectively. The Backpropagation algorithm is used to learn Neural Network. Another consists of calibration of slope of face image, measurement of illumination variant using deviation with average face image and similarity comparison using Euclidean distance measure.

• 전자공학회논문지CI
• /
• 제45권3호
• /
• pp.123-134
• /
• 2008

본 논문은 조명 변화에 강인한 실시간 얼굴인식 시스템을 제안한다. 이를 위하여 제안한 알고리즘에서는 다양한 조명 조건에서도 강인한 얼굴 영상의 지역적 구조 특징을 추출하고, 추출된 특징을 이용하여 외형기반 얼굴인식 방법을 수행하였다. 또한 실시간 얼굴인식 시스템의 경우 연속적으로 영상을 획득하는 동안 발생하는 블러링 된 영상, 측면영상 등 얼굴 인식에 적합하지 않은 영상에 대한 인식 결과를 출력하게 된다. 따라서 이러한 잘못된 인식 결과들을 제거하고, 프레임 사이의 연속된 인식 결과를 고려하여 인식결과를 출력함으로써 결과의 안정성을 확보할 수 있는 방법을 함께 제안한다. 실험 결과에서는 제안한 알고리즘의 조명변화에 대한 성능을 평가하기 위해 Yale database를 사용하여 기존 외형기반 알고리즘과 비교하였다. 그 결과 다양한 조명 조건에서의 인식률이 기존 방법보다 20% 정도 향상 되었다. 또한 연속적으로 영상을 취득하는 시스템에서 제안한 방법의 얼굴 인식 성능을 평가한 결과 매 프레임 결과를 출력하는 방법에 비해 안정적인 성능을 보였다.

• Journal of Information Processing Systems
• /
• 제16권1호
• /
• pp.6-29
• /
• 2020

Biometrics identification using multiple modalities has attracted the attention of many researchers as it produces more robust and trustworthy results than single modality biometrics. In this paper, we present a novel multimodal recognition system that trains a deep learning network to automatically learn features after extracting multiple biometric modalities from a single data source, i.e., facial video clips. Utilizing different modalities, i.e., left ear, left profile face, frontal face, right profile face, and right ear, present in the facial video clips, we train supervised denoising auto-encoders to automatically extract robust and non-redundant features. The automatically learned features are then used to train modality specific sparse classifiers to perform the multimodal recognition. Moreover, the proposed technique has proven robust when some of the above modalities were missing during the testing. The proposed system has three main components that are responsible for detection, which consists of modality specific detectors to automatically detect images of different modalities present in facial video clips; feature selection, which uses supervised denoising sparse auto-encoders network to capture discriminative representations that are robust to the illumination and pose variations; and classification, which consists of a set of modality specific sparse representation classifiers for unimodal recognition, followed by score level fusion of the recognition results of the available modalities. Experiments conducted on the constrained facial video dataset (WVU) and the unconstrained facial video dataset (HONDA/UCSD), resulted in a 99.17% and 97.14% Rank-1 recognition rates, respectively. The multimodal recognition accuracy demonstrates the superiority and robustness of the proposed approach irrespective of the illumination, non-planar movement, and pose variations present in the video clips even in the situation of missing modalities.