$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

초록

얼굴인식은 이미지의 많은 변동(표정, 조명, 얼굴의 방향 등)으로 인해 한 가지 인식 방법으로는 높은 인식률을 얻기 어렵다. 이러한 어려움을 해결하기 위해, 여러 가지 정보를 융합시키는 데이터 퓨전 방법이 연구되었다. 기존의 데이터 퓨전 방법은 보조적인 생체 정보(지문, 음성 등)를 융합하여 얼굴인식기를 보조하는 방식을 취하였다. 이 논문에서는 보조적인, 생체 정보를 사용하지 않고, 기존의 얼굴인식방법을 통해 얻어지는 상호보완적인 정보를 융합하여 사용하였다. 개별적인 얼굴인식기의 정보를 융합하기 위해, 전체적으로는 Dempster-Shafer의 퓨전이론에 근거하면서, 핵심이 되는 질량함수를 새로운 방식으로 재정의학 퓨전모델을 제안하였다. 제안된 퓨전모델을 사용하여 개별적인 얼굴인식기의 정보를 융합한 결과, 보조적인 생체정보 없이, 개별적인 얼굴인식기보다 나은 인식률을 얻을 수 있었다.

Abstract

Because face Images have many variations(expression, illumination, orientation of face, etc), there has been no popular method which has high recognition rate. To solve this difficulty, data fusion that fuses various information has been studied. But previous research for data fusion fused additional biological informationUingerplint, voice, del with face image. In this paper, cooperative results from several face image recognition modules are fused without using additional biological information. To fuse results from individual face image recognition modules, we use re-defined mass function based on Dempster-Shafer s fusion theory.Experimental results from fusing several face recognition modules are presented, to show that proposed fusion model has better performance than single face recognition module without using additional biological information.

참고문헌 (20)

  1. 데이터 퓨전을 이용한 얼굴영상 인식 및 인증에 관한 연구 , 박성원 , 서울대학교 석사학위논문 / v.,pp., 2001
  2. Human and machine recognition of faces : A survey , R. Chellappa;C. Willson;S. Sitohey , Proceedings of IEEE / v.83,pp., 1995
  3. Face recognition/detection by probabilistic decision-based nerual network , S. H. Lin;S. Y. Kung , IEEE trans. Nerual Network / v.8,pp.114-140, 1997
  4. A tutorial on hidden Markov models and selected applications in speech recognition , L. R. Rabiner , Proceedings of the IEEE / v.77,pp.257-286, 1989
  5. A tutorial on multisensor integration and fusion , R. C. Luo;M. G. Kay , IECON '90., 16th Annual Conference of IEEE / v.1,pp.707-722, 1990
  6. An introduction to multisensor data fusion , D. L. Hall;J. Llinas , Proceedings of the IEEE / v.85,pp.6-23, 1997
  7. Face recognition using eigenfaces , M. Turk;A. Pentland , Proceedings of International Conference on Pattern Recognition / v.,pp.586-591, 1991
  8. Extending the feature vector for automatic face recognition , X. Jia;M. S. Nixon , IEEE trans. Pattern Analysis and Machine Intelligence / v.17,pp.1167-1176, 1995
  9. Neural Networks for learning human facial feature from labeled graph models , A. R. Mirhosseini;H. Yan , Intelligent Information Systems, Australian and New Zealand Conference on / v.,pp.170-173, 1996
  10. Audio-visual person recognition:an evaluation of data fusion strategies , C. C. Chibelushi;F. Deravi;J. S. Mason , 1997 European Conference on Security and Detection / v.,pp., 1997
  11. Audio-visual sensor fusion system for intelligent sound sensing , K. Takahashi;H. Yamasaki , Multisensor Fusion and Integration for Intelligent Systems, 1994. IEEE international Conference on MFI '94. / v.,pp.493-500, 1994
  12. J. W. Guan;D. A. Bell , Evidence Theory and its application / v.1,pp., 1991
  13. HMM-based architecture for face identification , F. Samaria;S. Young , Image and Vision Computing / v.12,pp.537-543, 1994
  14. Hidden Markov Model for face recognition , A. V. Nefian;M. H. Hayes , ICASSP 98 / v.5,pp.2721-2724, 1998
  15. An analytic-to-holistic approach for face recognition based on a single frontal view , K.-M. Lam;H. Yan , IEEE trans. Pattern Analysis and Machine Intellegence / v.20,pp.673-686, 1998
  16. Locating and Extracting the eye in human face images , K. M. Lam;H. Yan , Pattern Recognition / v.29,pp.771-779, 1996
  17. G. G. Shafer , Mathematical Theory of Evidence / v.,pp., 1976
  18. Adaptive deformable model for mouth boundary detection , A. R. Mrihosseini;H. Yan;K. M. Lam , Optical Eng. / v.37,pp.869-875, 1998
  19. Face Recognition:A Convolutional Neural Network Approach , C. L. Giles;A. C. Tsoi;A. D. Back , IEEE Trans. Nerual Network / v.8,pp.98-113, 1997
  20. Feature-level data fusion for bimodal person recognition , C. C. Chibelushi;J. S. D. Mason;F. Deravi , 1997 Sixth International Conference on Image Processing and Its Application / v.1,pp.339-403, 1997

이 논문을 인용한 문헌 (1)

  1. 2001. "2D Face Image Recognition and Authentication Based on Data Fusion" 퍼지 및 지능시스템학회 논문지 = Journal of fuzzy logic and intelligent systems, 11(4): 302~306 

DOI 인용 스타일