본 논문은 여러 다른 종류의 스펙트럼과 거리에서의 얼굴 인식에서, 얼굴의 각 구성요서들(눈, 코, 입)이 미치는 영향에 대해서 분석하는 방법을 제안한다. 근거리 가시광선 스펙트럼에서의 얼굴을 인식하는데 있어서 눈 영역의 중요성은 잘 알려져 있다. 그러나 장거리 혹은 적외선 스펙트럼에서 얼굴의 각 요소들이 얼굴 인식에 얼마나 영향을 미치는지는 잘 알려져 있지 않다. 특히 장거리나 적외선 스펙트럼 환경에서 얼굴의 각 구성요소들은 근거리 가시광선 스펙트럼 환경과 다르게 보이는데, 이는 카메라 좀과 다른 이미지 장치 사용 시 일어난 왜곡 현상과 다른 광원의 사용에 따라 발생하는 빛의 ...
본 논문은 여러 다른 종류의 스펙트럼과 거리에서의 얼굴 인식에서, 얼굴의 각 구성요서들(눈, 코, 입)이 미치는 영향에 대해서 분석하는 방법을 제안한다. 근거리 가시광선 스펙트럼에서의 얼굴을 인식하는데 있어서 눈 영역의 중요성은 잘 알려져 있다. 그러나 장거리 혹은 적외선 스펙트럼에서 얼굴의 각 요소들이 얼굴 인식에 얼마나 영향을 미치는지는 잘 알려져 있지 않다. 특히 장거리나 적외선 스펙트럼 환경에서 얼굴의 각 구성요소들은 근거리 가시광선 스펙트럼 환경과 다르게 보이는데, 이는 카메라 좀과 다른 이미지 장치 사용 시 일어난 왜곡 현상과 다른 광원의 사용에 따라 발생하는 빛의 회절 때문이다. 따라서 다양한 거리와 스펙트럼에서의 각 얼굴 구성요소의 얼굴인식에 대한 부분적 기여도 분석을 통해 더 나은 얼굴인식 방법이 개발 될 수 있을 것이라 예상된다. 이러한 분석을 위해, 50명을 대상으로 데이터베이스를 수집하였고 각각 1m 와 60m에서의 가시광선 스펙트럼 이미지와 적외선 스펙트럼 이미지를 포함하고 있다. 먼저 조명의 변화를 줄이기 위해 Difference of Gaussian(DoG)를 사용하였고, 특징 추출 방법으로 Scale Invariant Feature Transformation(SIFT)와 Multiscale Local Binary Pattern(MLBP)를 사용하였다. 매칭 방법으로 최소 근접 이웃 분류기를 사용하였다. 그리고 얼굴의 각 구성 요소의 인식률을 얼굴 인식의 기여요소로 사용하였으며, 부분 기반 인식 방법과 전체 얼굴 인식을 결합하여 그들의 보완성을 분석하였다.
본 논문은 여러 다른 종류의 스펙트럼과 거리에서의 얼굴 인식에서, 얼굴의 각 구성요서들(눈, 코, 입)이 미치는 영향에 대해서 분석하는 방법을 제안한다. 근거리 가시광선 스펙트럼에서의 얼굴을 인식하는데 있어서 눈 영역의 중요성은 잘 알려져 있다. 그러나 장거리 혹은 적외선 스펙트럼에서 얼굴의 각 요소들이 얼굴 인식에 얼마나 영향을 미치는지는 잘 알려져 있지 않다. 특히 장거리나 적외선 스펙트럼 환경에서 얼굴의 각 구성요소들은 근거리 가시광선 스펙트럼 환경과 다르게 보이는데, 이는 카메라 좀과 다른 이미지 장치 사용 시 일어난 왜곡 현상과 다른 광원의 사용에 따라 발생하는 빛의 회절 때문이다. 따라서 다양한 거리와 스펙트럼에서의 각 얼굴 구성요소의 얼굴인식에 대한 부분적 기여도 분석을 통해 더 나은 얼굴인식 방법이 개발 될 수 있을 것이라 예상된다. 이러한 분석을 위해, 50명을 대상으로 데이터베이스를 수집하였고 각각 1m 와 60m에서의 가시광선 스펙트럼 이미지와 적외선 스펙트럼 이미지를 포함하고 있다. 먼저 조명의 변화를 줄이기 위해 Difference of Gaussian(DoG)를 사용하였고, 특징 추출 방법으로 Scale Invariant Feature Transformation(SIFT)와 Multiscale Local Binary Pattern(MLBP)를 사용하였다. 매칭 방법으로 최소 근접 이웃 분류기를 사용하였다. 그리고 얼굴의 각 구성 요소의 인식률을 얼굴 인식의 기여요소로 사용하였으며, 부분 기반 인식 방법과 전체 얼굴 인식을 결합하여 그들의 보완성을 분석하였다.
This thesis proposes a framework for analyzing the effect of each facial component (two eyes, nose, and mouth) on face recognition in heterogeneous spectrum and at a distance. It is well known that the eye region is the most important factor in recognizing a face in visible spectrum at close proximi...
This thesis proposes a framework for analyzing the effect of each facial component (two eyes, nose, and mouth) on face recognition in heterogeneous spectrum and at a distance. It is well known that the eye region is the most important factor in recognizing a face in visible spectrum at close proximity. However, it is not well known about how much each facial component contribute to the face recognition in Near-infrared (NIR) spectrum or at a distance, where each facial component shows substantially different appearance compared to that in visible spectrum at close distance. This is due to the distortion involved in zooming camera lens, different capture device (sensor) and diffraction patterns from different light sources. Analyzing the fractional contribution of each facial component to face recognition in NIR at varying distances, a better face recognition method can be developed under such conditions. We use 50 face images collected from 50 different subjects under both visible and NIR spectrums at distances of 1m and 60m. We use Difference of Gaussian (DoG) to reduce illumination variation, Scale Invariant Feature Transformation (SIFT) and Multiscale Local Binary Pattern (MLBP) descriptors for feature extraction, and a nearest neighbor classifier as a matcher. We use the recognition rate of each facial component as the contribution factor to the face recognition. We also combine the component based recognition method with whole face recognition to analyze their complementing nature.
This thesis proposes a framework for analyzing the effect of each facial component (two eyes, nose, and mouth) on face recognition in heterogeneous spectrum and at a distance. It is well known that the eye region is the most important factor in recognizing a face in visible spectrum at close proximity. However, it is not well known about how much each facial component contribute to the face recognition in Near-infrared (NIR) spectrum or at a distance, where each facial component shows substantially different appearance compared to that in visible spectrum at close distance. This is due to the distortion involved in zooming camera lens, different capture device (sensor) and diffraction patterns from different light sources. Analyzing the fractional contribution of each facial component to face recognition in NIR at varying distances, a better face recognition method can be developed under such conditions. We use 50 face images collected from 50 different subjects under both visible and NIR spectrums at distances of 1m and 60m. We use Difference of Gaussian (DoG) to reduce illumination variation, Scale Invariant Feature Transformation (SIFT) and Multiscale Local Binary Pattern (MLBP) descriptors for feature extraction, and a nearest neighbor classifier as a matcher. We use the recognition rate of each facial component as the contribution factor to the face recognition. We also combine the component based recognition method with whole face recognition to analyze their complementing nature.
주제어
#Facial components SIFT MLBP Near-infrared face recognition at a distance
학위논문 정보
저자
강동오
학위수여기관
Graduate School, Korea University
학위구분
국내석사
학과
컴퓨터·電波通信工學科
지도교수
이성환
발행연도
2012
총페이지
vi, 35장
키워드
Facial components SIFT MLBP Near-infrared face recognition at a distance
※ AI-Helper는 부적절한 답변을 할 수 있습니다.