본 논문은 얼굴인식에 가장 많이 이용되고 있는 SURF(Speeded Up Robust Feature) 알고리즘을 사용해 이미지 매칭을 하였다. 기존에 생기는 얼굴 이외에 배경에서도 특징점 매칭이 되는 점을 개선하고자 하였다. 그래서 얼굴 검출에 많이 사용되고 있는 AdaBoost 알고리즘을 이용하여 얼굴영상과 비 얼굴영상을 구분하고자 하였다. 검출된 얼굴을 이용해서 SURF와 같이 결합함으로써 이미지 매칭을 실행하여 오차를 줄였다. 이미지 매칭을 하면서 여러 조건에 의해서 매칭 되는 특징점의 수가 상대적으로 낮아지는 현상을 확인할 수 있었다. 이를 일정한 조명과 크기, 시점을 바탕으로 촬영된 이미지로 시스템을 구현한다면, 보다 나은 이미지 매칭을 할 수 있다고 생각한다. 이미지 매칭을 통해 음성, 지문 등과 같이 인간의 신체 특징을 이용해서 개인의 정보를 확인할 수 있는 ...
본 논문은 얼굴인식에 가장 많이 이용되고 있는 SURF(Speeded Up Robust Feature) 알고리즘을 사용해 이미지 매칭을 하였다. 기존에 생기는 얼굴 이외에 배경에서도 특징점 매칭이 되는 점을 개선하고자 하였다. 그래서 얼굴 검출에 많이 사용되고 있는 AdaBoost 알고리즘을 이용하여 얼굴영상과 비 얼굴영상을 구분하고자 하였다. 검출된 얼굴을 이용해서 SURF와 같이 결합함으로써 이미지 매칭을 실행하여 오차를 줄였다. 이미지 매칭을 하면서 여러 조건에 의해서 매칭 되는 특징점의 수가 상대적으로 낮아지는 현상을 확인할 수 있었다. 이를 일정한 조명과 크기, 시점을 바탕으로 촬영된 이미지로 시스템을 구현한다면, 보다 나은 이미지 매칭을 할 수 있다고 생각한다. 이미지 매칭을 통해 음성, 지문 등과 같이 인간의 신체 특징을 이용해서 개인의 정보를 확인할 수 있는 생체 인식 등 다양한 분야에서 응용을 기대해 본다.
본 논문은 얼굴인식에 가장 많이 이용되고 있는 SURF(Speeded Up Robust Feature) 알고리즘을 사용해 이미지 매칭을 하였다. 기존에 생기는 얼굴 이외에 배경에서도 특징점 매칭이 되는 점을 개선하고자 하였다. 그래서 얼굴 검출에 많이 사용되고 있는 AdaBoost 알고리즘을 이용하여 얼굴영상과 비 얼굴영상을 구분하고자 하였다. 검출된 얼굴을 이용해서 SURF와 같이 결합함으로써 이미지 매칭을 실행하여 오차를 줄였다. 이미지 매칭을 하면서 여러 조건에 의해서 매칭 되는 특징점의 수가 상대적으로 낮아지는 현상을 확인할 수 있었다. 이를 일정한 조명과 크기, 시점을 바탕으로 촬영된 이미지로 시스템을 구현한다면, 보다 나은 이미지 매칭을 할 수 있다고 생각한다. 이미지 매칭을 통해 음성, 지문 등과 같이 인간의 신체 특징을 이용해서 개인의 정보를 확인할 수 있는 생체 인식 등 다양한 분야에서 응용을 기대해 본다.
In this paper, using SURF (Speeded Up Robust Feature) algorithm, which is most commonly used in face recognition was an image matching. In addition to traditional face caused was to improve the matching keypoints out that in the background. So using algorithm widely used in AdaBoost face detection w...
In this paper, using SURF (Speeded Up Robust Feature) algorithm, which is most commonly used in face recognition was an image matching. In addition to traditional face caused was to improve the matching keypoints out that in the background. So using algorithm widely used in AdaBoost face detection was to distinguish the facial image and the non-face images. Using a detected face reduce the error by executing the image matching by coupling, such as SURF. And an image matching the number of keypoints to be matched by various conditions was confirmed that the developer is lowered relatively. If you implement the constant light and the size, the system as a captured image on the basis of the time, to be able to think a better image matching. It characterized by using a human body, such as a voice, a fingerprint image matching We expect the application in various fields, such as to confirm the individual's biometric information.
In this paper, using SURF (Speeded Up Robust Feature) algorithm, which is most commonly used in face recognition was an image matching. In addition to traditional face caused was to improve the matching keypoints out that in the background. So using algorithm widely used in AdaBoost face detection was to distinguish the facial image and the non-face images. Using a detected face reduce the error by executing the image matching by coupling, such as SURF. And an image matching the number of keypoints to be matched by various conditions was confirmed that the developer is lowered relatively. If you implement the constant light and the size, the system as a captured image on the basis of the time, to be able to think a better image matching. It characterized by using a human body, such as a voice, a fingerprint image matching We expect the application in various fields, such as to confirm the individual's biometric information.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.