• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 하계종합학술대회 논문집(4)
• /
• pp.33-36
• /
• 2001

We introduce, in this paper, the face recognition method that improves recognition rate and training time in eigen system. To increase recognition rate we use Gabor filter. To reduce the increasing training time owing to use Gabor filtering, we extract new feature vectors that are made with average and standard deviation. In experimental results, we get higher recognition rate and shorter training time in improved system than it in original eigen system.

• 한국멀티미디어학회논문지
• /
• 제7권3호
• /
• pp.308-318
• /
• 2004

손상된 얼굴영상을 인식하는 문제는 자동 얼굴인식 시스템의 상용화에 중요한 논점이 되고 있다. 손상된 영상에서 얼굴을 인식하기 위한 방법은 크게 두 가지로 나누어진다. 첫째는 손상된 정보를 제거하여 인식을 하는 것이고, 둘째는 손상된 정보를 복원한 후에 인식을 하는 것이다. 본 논문에서는 손상된 영상을 코호넨 네트워크에 입력하여 손상된 영역을 추출한 다음에 주성분 분석을 통해 얻은 특징 벡터의 계수 추정을 이용하여 복원하는 방안을 제시한다. 본 논문에서 제안한 방법은 손상되지 않은 영역을 기반으로 하여 손상된 영역의 특징 벡터를 추정하고, 추정된 특징 벡터로써 손상된 영상을 복원하는 방법으로 학습되어지지 않은 영상에서도 복원이 가능하다. 본 연구실에서 얼굴 인식에 많은 영향을 미치는 눈과 입 부위를 인위적으로 손상시킨 영상을 실험하였을 때, 복원된 영상의 인식률은 학습된 영상의 경우에는 코호넨 네트워크를 사용한 방법과는 유사한 결과를 나타내고 대칭성을 이용한 방법에 비해서는 11.8%가 향상되었으며, 학습되지 않은 영상에서의 경우에는 코호넨 네트워크를 이용한 방법과 대칭성을 이용한 방법에 비해 각각 14%, 7% 향상되었다.

• 한국전자통신학회논문지
• /
• 제12권2호
• /
• pp.325-330
• /
• 2017

얼굴인식 기술은 지난 수십 년간 연구되어온 분야로서 보안, 엔터테인먼트, 모바일 서비스 등 다양한 영역에서 활용되고 있다. 얼굴인식 기술이 가진 주된 문제점은 밝기, 조명각도, 영상 회전등의 환경적 변화 요소에 따라 인식률이 현저하게 감소된다는 것이다. 따라서 본 논문에서는 최근 많은 계산량을 처리할 수 있는 컴퓨터 하드웨어와 알고리즘의 발전으로 재조명 받고 있는 CNN을 이용해 조명변화에 강인한 얼굴인식 방법을 제안하였다. 이후 성능검증을 위해 기존의 얼굴인식 알고리즘인 PCA, LBP, DCT와 결과 비교를 진행하였으며, 각각 9.82%, 11.6%, 4.54%의 성능 향상을 보였다. 또한 기존 신경망을 적용한 얼굴인식 연구결과 비교에서도 5.24%의 성능 향상을 기록하여 최종 인식률 99.25%를 달성하는 결과를 보였다.

• 디지털산업정보학회논문지
• /
• 제8권1호
• /
• pp.29-40
• /
• 2012

A challenging research issue that has been one of growing importance to those working in human-computer interaction are to endow a machine with an emotional intelligence. Thus, emotion recognition technology plays an important role in the research area of human-computer interaction, and it allows a more natural and more human-like communication between human and computer. In this paper, we propose the multimodal emotion recognition system using face and speech to improve recognition performance. The distance measurement of the face-based emotion recognition is calculated by 2D-PCA of MCS-LBP image and nearest neighbor classifier, and also the likelihood measurement is obtained by Gaussian mixture model algorithm based on pitch and mel-frequency cepstral coefficient features in speech-based emotion recognition. The individual matching scores obtained from face and speech are combined using a weighted-summation operation, and the fused-score is utilized to classify the human emotion. Through experimental results, the proposed method exhibits improved recognition accuracy of about 11.25% to 19.75% when compared to the most uni-modal approach. From these results, we confirmed that the proposed approach achieved a significant performance improvement and the proposed method was very effective.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제7권7호
• /
• pp.1705-1720
• /
• 2013

Human face gender recognition requires fast image processing with high accuracy. Existing face gender recognition methods used traditional local features and machine learning methods have shortcomings of low accuracy or slow speed. In this paper, a new framework for face gender recognition to reach fast face gender recognition is proposed, which is based on Local Ternary Pattern (LTP) and Extreme Learning Machine (ELM). LTP is a generalization of Local Binary Pattern (LBP) that is in the presence of monotonic illumination variations on a face image, and has high discriminative power for texture classification. It is also more discriminate and less sensitive to noise in uniform regions. On the other hand, ELM is a new learning algorithm for generalizing single hidden layer feed forward networks without tuning parameters. The main advantages of ELM are the less stringent optimization constraints, faster operations, easy implementation, and usually improved generalization performance. The experimental results on public databases show that, in comparisons with existing algorithms, the proposed method has higher precision and better generalization performance at extremely fast learning speed.

• 한국정보전자통신기술학회논문지
• /
• 제9권6호
• /
• pp.546-552
• /
• 2016

We present a quantitative evaluation of an algorithm for model-based face recognition. The algorithm actively learns how individual faces vary through video sequences, providing on-line suppression of confounding factors such as expression, lighting and pose. By actively decoupling sources of image variation, the algorithm provides a framework in which identity evidence can be integrated over a sequence. We demonstrate that face recognition can be considerably improved by the analysis of video sequences. The method presented is widely applicable in many multi-class interpretation problems.

• 한국멀티미디어학회논문지
• /
• 제23권8호
• /
• pp.1019-1029
• /
• 2020

In this paper, we propose a novel knowledge distillation algorithm to create an compressed deep ensemble network coupled with the combined use of local and global features of face images. In order to transfer the capability of high-level recognition performances of the ensemble deep networks to a single deep network, the probability for class prediction, which is the softmax output of the ensemble network, is used as soft target for training a single deep network. By applying the knowledge distillation algorithm, the local feature informations obtained by training the deep ensemble network using facial subregions of the face image as input are transmitted to a single deep network to create a so-called compressed ensemble DCNN. The experimental results demonstrate that our proposed compressed ensemble deep network can maintain the recognition performance of the complex ensemble deep networks and is superior to the recognition performance of a single deep network. In addition, our proposed method can significantly reduce the storage(memory) space and execution time, compared to the conventional ensemble deep networks developed for face recognition.

• International Journal of Computer Science & Network Security
• /
• 제21권8호
• /
• pp.288-296
• /
• 2021

Automated face recognition in a runtime environment is gaining more and more important in the fields of surveillance and urban security. This is a difficult task keeping in mind the constantly volatile image landscape with varying features and attributes. For a system to be beneficial in industrial settings, it is pertinent that its efficiency isn't compromised when running on roads, intersections, and busy streets. However, recognition in such uncontrolled circumstances is a major problem in real-life applications. In this paper, the main problem of face recognition in which full face is not visible (Occlusion). This is a common occurrence as any person can change his features by wearing a scarf, sunglass or by merely growing a mustache or beard. Such types of discrepancies in facial appearance are frequently stumbled upon in an uncontrolled circumstance and possibly will be a reason to the security systems which are based upon face recognition. These types of variations are very common in a real-life environment. It has been analyzed that it has been studied less in literature but now researchers have a major focus on this type of variation. Existing state-of-the-art techniques suffer from several limitations. Most significant amongst them are low level of usability and poor response time in case of any calamity. In this paper, an improved face recognition system is developed to solve the problem of occlusion known as FRS-OCC. To build the FRS-OCC system, the color and texture features are used and then an incremental learning algorithm (Learn++) to select more informative features. Afterward, the trained stack-based autoencoder (SAE) deep learning algorithm is used to recognize a human face. Overall, the FRS-OCC system is used to introduce such algorithms which enhance the response time to guarantee a benchmark quality of service in any situation. To test and evaluate the performance of the proposed FRS-OCC system, the AR face dataset is utilized. On average, the FRS-OCC system is outperformed and achieved SE of 98.82%, SP of 98.49%, AC of 98.76% and AUC of 0.9995 compared to other state-of-the-art methods. The obtained results indicate that the FRS-OCC system can be used in any surveillance application.

• 한국지능시스템학회논문지
• /
• 제25권5호
• /
• pp.437-443
• /
• 2015

이 논문에서는 가시광선 얼굴영상과 그로부터 예측한 열 적외선 텍스처의 데이터 융합에 의한 얼굴인식 방법에 관하여 연구하였다. 제안하는 얼굴인식 기법은 가시광선 얼굴영상과 열 적외선 텍스처를 PCA에 의하여 낮은 차원의 특징공간에서 특징벡터로 변환한 다음, 다층 신경회로망을 사용하여 가시광선 영상 특징으로부터 얼굴의 열적외선 특징을 예측하여 열 적외선 텍스처를 생성하였다. 학습과정에서는 주어진 개체로부터 획득한 한 쌍의 가시광선 및 열 적외선 영상에 대해서 PCA를 이용하여 낮은 차원의 특징공간으로 변환한 다음, 가시광선 영상특징으로부터 열 분포 특징으로 매핑시키는 비선형 함수에 해당하는 신경회로망의 내부 파라미터를 결정한다. 학습된 신경회로망은 입력 가시광선 얼굴 특징으로부터 열 에너지 분포 특성의 PCA계수를 예측하고, 이로부터 열 적외선 텍스처를 생성한다. 대표적인 두 가지 얼굴인식 알고리즘 Eigenfaces와 Fisherfaces을 사용하여 NIST/Equinox 데이터베이스에 대하여 얼굴인식에 관한 실험을 수행하였다. 예측한 열 적외선 텍스처와 가시광선 얼굴영상의 데이터 융합결과는 가시광선 얼굴영상만을 사용한 경우에 비해서 얼굴인식의 성능이 개선되었음을 수신자 조작특성 (ROC) 및 첫 번째 매칭성능에 의하여 검증하였다.

• 한국시뮬레이션학회논문지
• /
• 제18권1호
• /
• pp.17-25
• /
• 2009

본 논문에서는 퍼지기반 Segment-Boost 방법을 소개하고, 이를 이용한 효과적인 얼굴인식 방법을 제안한다. 퍼지기반 Segment-Boost는 기존의 Segment-Boost가 갖고 있던 문제점과 성능의 한계요소들을 제거함으로써, 향상된 학습 성능뿐만 아니라 학습 성능의 안정성과 신뢰성을 보장하여 준다. 퍼지기반 Segment-Boost는 퍼지이론을 이용함으로써 서브벡터 선택개수를 최적화하고, 이를 통해 최상의 학습 성능이 유도될 수 있도록 설계되었다. 또한, 퍼지기반 Segment-Boost 내에서의 퍼지추론을 위해 본 논문에서 설계한 퍼지 제어기는 퍼지기반 Segment-Boost의 학습 성능을 측정하고, 최적화된 서브벡터 선택개수를 추론함으로써 서브벡터 선택개수를 제어한다. 시뮬레이션 결과, 본 논문에서 설계한 퍼지 제어기는 실제 최적의 서브벡터 선택개수에 매우 근접한 값을 추론하였다. 그 결과, 퍼지기반 Segment-Boost는 비교 실험한 boosting 방법보다 높은 얼굴인식률을 보여줌과 동시에 기존 Segment-Boost 만큼의 빠른 특징선택 속도를 유지하였고, 이러한 실험결과를 통해 퍼지기반 Segment-Boost의 학습 성능과 이를 이용한 특징선택 및 얼굴인식 방법에 있어서의 성능향상 및 안정성이 입증되었다.