본 논문은 칼라 그룹영상에서 특정인 얼굴 인식을 구현하기 위하여 얼굴의 피부색과 얼굴 형태의 Template Matching 적용으로 얼굴 영역을 검출하고, 검출된 얼굴 특징을 분류하고 인식을 수행하는 통계적 방법인 주성분 분석법을 적용하여 실제 얼굴 인식시스템 구현으로 일상적 생활의 적용 가능성과 향후 발전 방안을 고찰 하고자 하였다. 얼굴인식 과정은 먼저 영상 내에서 얼굴 추출이 수행되고 다음으로 추출된 얼굴의 대하여 인식과정이 이루어진다. 얼굴 추출을 위하여 본 논문에서는 얼굴의 특징기반이 되는 피부색를 이용하여 얼굴영역을 추출하는 방법을 적용하였다. 피부색 정보를 효과적으로 추출하기 위해서는 기존의 RGB ...
본 논문은 칼라 그룹영상에서 특정인 얼굴 인식을 구현하기 위하여 얼굴의 피부색과 얼굴 형태의 Template Matching 적용으로 얼굴 영역을 검출하고, 검출된 얼굴 특징을 분류하고 인식을 수행하는 통계적 방법인 주성분 분석법을 적용하여 실제 얼굴 인식시스템 구현으로 일상적 생활의 적용 가능성과 향후 발전 방안을 고찰 하고자 하였다. 얼굴인식 과정은 먼저 영상 내에서 얼굴 추출이 수행되고 다음으로 추출된 얼굴의 대하여 인식과정이 이루어진다. 얼굴 추출을 위하여 본 논문에서는 얼굴의 특징기반이 되는 피부색를 이용하여 얼굴영역을 추출하는 방법을 적용하였다. 피부색 정보를 효과적으로 추출하기 위해서는 기존의 RGB 컴포넌트를 비선형 칼라변환을 통하여 YCbCr 칼라공간에서 2차원 가우시안으로 모델링하고 이모델을 사용하여 효과적으로 피부색 영역을 추출한다. 2단계는 얼굴의 Template Matching 방법을 통해 유사 상관도를 구하여 1차적인 얼굴 영역을 인식하게 된다. 끝으로 기존 얼굴 DB에 수록된 특정인을 찾기 위한 과정으로 2단계에서 검출된 얼굴 영상에 대하여 PCA를 통한 유사도 계산으로 특정인과 가장 유사한 영상을 출력함으로 목표를 달성하게 된다. PCA는 2차원적 얼굴 영상의 각 픽셀에서의 세기 값을 이용하는 것이기 때문에, 얼굴의 위치나 크기 등에 영향을 많이 받는 것을 실험으로 알았다. PCA의 얼굴 인식률 향상 방안을 위해서는 입력되는 얼굴 영상과 DB상의 얼굴 영상의 대하여 일관된 기하학적 특정점(ex: 눈)을 기준으로 임의의 굴곡이 없는 affine 변환[8]의 정규화를 수행하여 비교 얼굴 영상의 2차원적 정렬이 필요하며, 얼굴 특징점 정규화을 통하여 얼굴 인식률 향상을 기대 할 수 있다. 본 논문의 부록에서는 얼굴 영상의 눈 검출 방법과 특정 Jet Point 설정 방법을 제시한다.
본 논문은 칼라 그룹영상에서 특정인 얼굴 인식을 구현하기 위하여 얼굴의 피부색과 얼굴 형태의 Template Matching 적용으로 얼굴 영역을 검출하고, 검출된 얼굴 특징을 분류하고 인식을 수행하는 통계적 방법인 주성분 분석법을 적용하여 실제 얼굴 인식시스템 구현으로 일상적 생활의 적용 가능성과 향후 발전 방안을 고찰 하고자 하였다. 얼굴인식 과정은 먼저 영상 내에서 얼굴 추출이 수행되고 다음으로 추출된 얼굴의 대하여 인식과정이 이루어진다. 얼굴 추출을 위하여 본 논문에서는 얼굴의 특징기반이 되는 피부색를 이용하여 얼굴영역을 추출하는 방법을 적용하였다. 피부색 정보를 효과적으로 추출하기 위해서는 기존의 RGB 컴포넌트를 비선형 칼라변환을 통하여 YCbCr 칼라공간에서 2차원 가우시안으로 모델링하고 이모델을 사용하여 효과적으로 피부색 영역을 추출한다. 2단계는 얼굴의 Template Matching 방법을 통해 유사 상관도를 구하여 1차적인 얼굴 영역을 인식하게 된다. 끝으로 기존 얼굴 DB에 수록된 특정인을 찾기 위한 과정으로 2단계에서 검출된 얼굴 영상에 대하여 PCA를 통한 유사도 계산으로 특정인과 가장 유사한 영상을 출력함으로 목표를 달성하게 된다. PCA는 2차원적 얼굴 영상의 각 픽셀에서의 세기 값을 이용하는 것이기 때문에, 얼굴의 위치나 크기 등에 영향을 많이 받는 것을 실험으로 알았다. PCA의 얼굴 인식률 향상 방안을 위해서는 입력되는 얼굴 영상과 DB상의 얼굴 영상의 대하여 일관된 기하학적 특정점(ex: 눈)을 기준으로 임의의 굴곡이 없는 affine 변환[8]의 정규화를 수행하여 비교 얼굴 영상의 2차원적 정렬이 필요하며, 얼굴 특징점 정규화을 통하여 얼굴 인식률 향상을 기대 할 수 있다. 본 논문의 부록에서는 얼굴 영상의 눈 검출 방법과 특정 Jet Point 설정 방법을 제시한다.
This study applied the method of principle component analysis which is a statistical tool to draw out the face area and classify and recognize the characteristics of the detected face by applying the Template Matching of the color and the shape of the face to realize the recognition of a certain fac...
This study applied the method of principle component analysis which is a statistical tool to draw out the face area and classify and recognize the characteristics of the detected face by applying the Template Matching of the color and the shape of the face to realize the recognition of a certain face in the group image, by realizing the recognition of the actual face and examine the possibility of the application on everyday life and the methods for future development. The process of the recognition of the face is; the face is first taken out of the image and then the recognition process is done for the detected face. For the detection of the face, in this study, the area of the face was taken out using the color of the skin that is the basis of the characteristics of the face. For effective detection of the information on the skin color, the existing RGB components are modeled in 2-dimensional GAUSSIAN in the YCbCr color space through the non-linear color transformation, and then the area of the skin color is effectively detected using this model. At the 2nd phase, the primary face area is recognized by obtaining the similarity correlation through the Template Matching method of the face. Finally, in the process to find out a certain person contained ion the existing face DB, the similarity calculation through PCA is used for the face image detected in the 2nd phase to print out the most similar image to a certain person and achieve the goal. It was found out in the experiment that PCA is much influenced by the location or size of the face as it uses the value of the strength of the 2-dimensional face in the pixel. To improve the face recognition ratio of the PCA, the 2-dimensional arrangement of the compared face image is necessary by the random normalization of the straight affine transformation[8] with the criteria of a certain consistent geometric point (ex: the eye) for the input face image and the face image in the DB. The improvement in the ration of face recognition is expected through the normalization of the special point in the face. The method to detect an eye in the face image and the method to detect a certain Jet Point are proposed in the appendix of this thesis.
This study applied the method of principle component analysis which is a statistical tool to draw out the face area and classify and recognize the characteristics of the detected face by applying the Template Matching of the color and the shape of the face to realize the recognition of a certain face in the group image, by realizing the recognition of the actual face and examine the possibility of the application on everyday life and the methods for future development. The process of the recognition of the face is; the face is first taken out of the image and then the recognition process is done for the detected face. For the detection of the face, in this study, the area of the face was taken out using the color of the skin that is the basis of the characteristics of the face. For effective detection of the information on the skin color, the existing RGB components are modeled in 2-dimensional GAUSSIAN in the YCbCr color space through the non-linear color transformation, and then the area of the skin color is effectively detected using this model. At the 2nd phase, the primary face area is recognized by obtaining the similarity correlation through the Template Matching method of the face. Finally, in the process to find out a certain person contained ion the existing face DB, the similarity calculation through PCA is used for the face image detected in the 2nd phase to print out the most similar image to a certain person and achieve the goal. It was found out in the experiment that PCA is much influenced by the location or size of the face as it uses the value of the strength of the 2-dimensional face in the pixel. To improve the face recognition ratio of the PCA, the 2-dimensional arrangement of the compared face image is necessary by the random normalization of the straight affine transformation[8] with the criteria of a certain consistent geometric point (ex: the eye) for the input face image and the face image in the DB. The improvement in the ration of face recognition is expected through the normalization of the special point in the face. The method to detect an eye in the face image and the method to detect a certain Jet Point are proposed in the appendix of this thesis.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.