홍채, 얼굴, 지문, 음성 등을 이용한 생체인식 기술은 보안 및 지능형 자동화를 위한 핵심적인 기술들로 정보화 사회의 밑거름이 되고 있다. 이미 아파트, 회사, 기숙사 등에서 지문을 이용한 출입통제 시스템이, 음성인식을 이용한 ARS 시스템 등이 상용화중이다. 또한 최근 테러사건이 일어났던 미국에서는 공항에 얼굴인식시스템을 설치하여 사용 중에 있다고 한다. 이렇게 활용분야가 다양한 생체인식기술 중에서 가장 주목받는 기술이 비접촉식 방식인 얼굴인식이다. 본 논문에서는 GMM기반 얼굴 인식시스템을 구현하는 것과 평탄도 측정을 이용하여 얼굴인식 성능을 개선에 중점을 두었다. 얼굴의 부분적인 특징들을 통계적으로 모델링하는 ...
홍채, 얼굴, 지문, 음성 등을 이용한 생체인식 기술은 보안 및 지능형 자동화를 위한 핵심적인 기술들로 정보화 사회의 밑거름이 되고 있다. 이미 아파트, 회사, 기숙사 등에서 지문을 이용한 출입통제 시스템이, 음성인식을 이용한 ARS 시스템 등이 상용화중이다. 또한 최근 테러사건이 일어났던 미국에서는 공항에 얼굴인식시스템을 설치하여 사용 중에 있다고 한다. 이렇게 활용분야가 다양한 생체인식기술 중에서 가장 주목받는 기술이 비접촉식 방식인 얼굴인식이다. 본 논문에서는 GMM기반 얼굴 인식시스템을 구현하는 것과 평탄도 측정을 이용하여 얼굴인식 성능을 개선에 중점을 두었다. 얼굴의 부분적인 특징들을 통계적으로 모델링하는 가우시안 혼합모델(GMM)을 EM 알고리즘을 통해 학습화하여 보다 견고한 인식시스템을 구현하였으며, 실시간 얼굴인식의 가능생을 제시하기 위해 평탄도 측정법을 도입하였다. 실험결과 가우시안 성분 혼합 수에 따라 성능의 차이가 컸지만 많은 가우시안성분과 16개의 특징벡터를 이용하여 모델링 할 경우 최고 90%~ 100%의 인식성능을 나타냈다. 하지만 이는 계산량이 많기 때문에 적은 차원의 특징벡터에 평탄도 측정법을 적용하여 이에 대한 부담을 줄였다. 실험 결과 적은 가우시안 성분에서도 인식성능이 9%정도 향상되었다. 또한 조명변화 환경에서도 인식 에러감소률이 완만해지는 등 평탄도 측정법이 국부적 얼굴 특징을 모델링하는 GMM 기반 얼굴 인식 시스템에 적절한 전처리 과정임을 입증하였다. 얼굴 특징백터는 2D DCT 계수를 이용하였으며 실험은 ORL(Olivetti Research Laboratory) 데이터 베이스 기반으로 하였다.
홍채, 얼굴, 지문, 음성 등을 이용한 생체인식 기술은 보안 및 지능형 자동화를 위한 핵심적인 기술들로 정보화 사회의 밑거름이 되고 있다. 이미 아파트, 회사, 기숙사 등에서 지문을 이용한 출입통제 시스템이, 음성인식을 이용한 ARS 시스템 등이 상용화중이다. 또한 최근 테러사건이 일어났던 미국에서는 공항에 얼굴인식시스템을 설치하여 사용 중에 있다고 한다. 이렇게 활용분야가 다양한 생체인식기술 중에서 가장 주목받는 기술이 비접촉식 방식인 얼굴인식이다. 본 논문에서는 GMM기반 얼굴 인식시스템을 구현하는 것과 평탄도 측정을 이용하여 얼굴인식 성능을 개선에 중점을 두었다. 얼굴의 부분적인 특징들을 통계적으로 모델링하는 가우시안 혼합모델(GMM)을 EM 알고리즘을 통해 학습화하여 보다 견고한 인식시스템을 구현하였으며, 실시간 얼굴인식의 가능생을 제시하기 위해 평탄도 측정법을 도입하였다. 실험결과 가우시안 성분 혼합 수에 따라 성능의 차이가 컸지만 많은 가우시안성분과 16개의 특징벡터를 이용하여 모델링 할 경우 최고 90%~ 100%의 인식성능을 나타냈다. 하지만 이는 계산량이 많기 때문에 적은 차원의 특징벡터에 평탄도 측정법을 적용하여 이에 대한 부담을 줄였다. 실험 결과 적은 가우시안 성분에서도 인식성능이 9%정도 향상되었다. 또한 조명변화 환경에서도 인식 에러감소률이 완만해지는 등 평탄도 측정법이 국부적 얼굴 특징을 모델링하는 GMM 기반 얼굴 인식 시스템에 적절한 전처리 과정임을 입증하였다. 얼굴 특징백터는 2D DCT 계수를 이용하였으며 실험은 ORL(Olivetti Research Laboratory) 데이터 베이스 기반으로 하였다.
The biometric using iris, face, speech, finger print is a key technology for the preservation of public peace and intelligent automation. In apartment, building and dormitory the coming and going control system and the Automatic Response System(ARS) using speech recognition is already common used. A...
The biometric using iris, face, speech, finger print is a key technology for the preservation of public peace and intelligent automation. In apartment, building and dormitory the coming and going control system and the Automatic Response System(ARS) using speech recognition is already common used. Among biometric the significant technique is face recognition because it is unnecessary to touch and remember. At USA airport the face recognition system is used after 9. 11 terror. This paper describes The implement of face recognition based Gaussian Mixture Model(GMM) and a method of performance enhancement using Flatness Mesure(FM) for the GMM face recognition systems. Using Flatness Measure we discard the frames having low information like forehead, cheek, background before training and test. As the result, the face recognition rate is 90%~ 100% when using 16 dimension feature vectors. But the calculation burden is very much. For decreasing this burden we applied the Flatness Measure in the lower dimension feature vectors. As the result, the performance increases about 9% in the lower mixtures and calculation burden is decreased. As well, the recognition error rate is decreased under the illumination change surrounding. We prove the Flatness Measure is a fitting preprocessing for the GMM face recognition system which is modeling the local similar features. We use the 2D DCT coefficients for face feature vectors and experiments are carried out on the Olivetti Research Laboratory (ORL) face database.
The biometric using iris, face, speech, finger print is a key technology for the preservation of public peace and intelligent automation. In apartment, building and dormitory the coming and going control system and the Automatic Response System(ARS) using speech recognition is already common used. Among biometric the significant technique is face recognition because it is unnecessary to touch and remember. At USA airport the face recognition system is used after 9. 11 terror. This paper describes The implement of face recognition based Gaussian Mixture Model(GMM) and a method of performance enhancement using Flatness Mesure(FM) for the GMM face recognition systems. Using Flatness Measure we discard the frames having low information like forehead, cheek, background before training and test. As the result, the face recognition rate is 90%~ 100% when using 16 dimension feature vectors. But the calculation burden is very much. For decreasing this burden we applied the Flatness Measure in the lower dimension feature vectors. As the result, the performance increases about 9% in the lower mixtures and calculation burden is decreased. As well, the recognition error rate is decreased under the illumination change surrounding. We prove the Flatness Measure is a fitting preprocessing for the GMM face recognition system which is modeling the local similar features. We use the 2D DCT coefficients for face feature vectors and experiments are carried out on the Olivetti Research Laboratory (ORL) face database.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.