$\require{mediawiki-texvc}$
  • 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

고유 얼굴과 퍼지 신경망을 이용한 얼굴 인식 기법

Face Recognition using Eigenfaces and Fuzzy Neural Networks

초록

일반적으로 영상에서 얼굴 영상을 검출하고 인식하는 알고리즘은 패턴 인식 연구에 있어서 인간과 컴퓨터의 상호작용의 연구라는 면에서 아주 중요한 문제로 연구되어 왔다. 본 논문에서는 고유얼굴과 퍼지 신경망을 이용한 얼굴인식 기법을 제안한다. PCA(Principal Component Analysis) 방식은 우수한 인식 결과를 보장하는 얼굴인식 기법중의 하나이며, 얼굴 영상을 이용하여 공분산 행렬을 계산하고, 공분산 행렬을 통해 생성된 저차원의 벡터, 즉 고유얼굴(Eigenface)을 이용하여 가중치를 계산하고, 이 가중치를 기준으로 인식을 수행하는 기법이다. 이를 기반으로 하여, 본 논문에서는 전처리 과정, 고유얼굴 과정, 퍼지 소속도 함수 설계 과정, 신경망 학습 과정, 인식과정으로 구성된 5단계의 얼굴 인식 알고리즘을 제안한다. 먼저 각 얼굴 영상들은 전처리과정을 거치며 이 영상들을 이용하여 고유얼굴을 추출한다. 추출된 고유얼굴을 이용한 가숭치 135개에 대하여 비대칭 가우시안 함수를 응용한 퍼지 소속도 함수를 이용하여 퍼지 소속도가 부여되며 이 소속도들이 신경망의 입력으로 사용되어 학습과정을 거친다. 학습과정을 거친 후, 신경망의 출력은 현재의 얼굴 이미지가 데이터베이스의 얼굴 이미지와 유사한 정도를 나타내게 되어 인식을 수행한다. 제안하는 알고리즘으로 가중치의 개수와 퍼지 레벨의 개수에 대하여 기존의 얼굴 데이터 베이스를 이용하여 실험하였으며, 실험 결과 특정 조건하에서 약 95% 이상의 인식 성능을 확인할 수 있었다.

Abstract

Detection and recognition of human faces in images can be considered as an important aspect for applications that involve interaction between human and computer. In this paper, we propose a face recognition method using eigenfaces and fuzzy neural networks. The Principal Components Analysis (PCA) is one of the most successful technique that have been used to recognize faces in images. In this technique the eigenvectors (eigenfaces) and eigenvalues of an image is extracted from a covariance matrix which is constructed form image database. Face recognition is Performed by projecting an unknown image into the subspace spanned by the eigenfaces and by comparing its position in the face space with the positions of known indivisuals. Based on this technique, we propose a new algorithm for face recognition consisting of 5 steps including preprocessing, eigenfaces generation, design of fuzzy membership function, training of neural network, and recognition. First, each face image in the face database is preprocessed and eigenfaces are created. Fuzzy membership degrees are assigned to 135 eigenface weights, and these membership degrees are then inputted to a neural network to be trained. After training, the output value of the neural network is intupreted as the degree of face closeness to each face in the training database.

저자의 다른 논문

참고문헌 (19)

  1. A.V. Nefian and M.H, 'Hayes Face Detection and Recognition sing Hidden Markov Models,' Int. Conf. on Image Processing, vol. 1, pages 141-145, October 1998 
  2. O. Deniz, M. Castrillon, and M. hemandez, 'Face Rcognition Using Independent Component Analysis and Support Vector Machines,' AVB PA, pp. 59-64, 2001 
  3. L. Wiskott, J. Fellous, N. Kruger, and C. Malsburg, 'Face Recognition by Elastic Bunch Graph Matching,' IEEE Trans. Pattrern Analysis and Machine Intelligence, vol. 19, no. 7, pp. 775-779, July 1997 
  4. A.M. Martines, 'Recognition of Partially Occluded and/or Imprecisely Localized Faces Using a Probabilistic Approach,' Proc. Computer Vision and Pattern Recognition, vol. 1, pp. 712-717, June 2000 
  5. A.M. martinez and R. Benavente. The AR face Database. http://rvl1.ecn.purdue.edu/v1/ARdatanbase/ARdatabase 
  6. F.C.-H. Rhee, 'Fuzzy Rule Generation and Inference Methods for Pattern Recognition and Computer Vision,' Ph.D. thesis, University of Missouri, May 1993 
  7. 이창수, 이정훈, '영상영역 기반 퍼지 신경망을 이용한 얼굴 검출,' 퍼지 및 지능시스템학회 논문지, vol. 1, no. 1, pp. 39-44, 2001 
  8. 임영도, 이상부, '퍼지, 신경망, 유전진화,' 인솔미디어, 2002 
  9. P.J. Phillips, 'Support Vector Machine Applied to Face Recognition,' Advances in Neural Informationo Processing Systems 11, eds. M.J. Kearns, S.A. Solla and D.A. Cohn, MIT Press, 1999 
  10. W.H. Press, S.A. Teukolsky, W.T. Vetterling, B.P. Flannery, 'Numerical Recipes in C,' Cambridge University Press 
  11. A. Pentland, T. Starner, N. Etcoff, N. Massoiu, O. Oliyide, and M. Turk, 'Experiments with Eigenfaces,' Proc. Looking at People Workshop Int'l Joint Conf. Artificial Intelligence, Aug. 1993 
  12. T.E. Campos, R.S. Feris, and R.M.C. Junior, 'Eigenfaces versus ElgenEyes: First Steps Toward Performance Assessment of Representation for Face Recognition,' Lecture Notes in Artificial Intelligence, vol. 1793, pp. 197-206, April 2000 
  13. P.J. Phillips, H. Moon, S.A. Rizrvi, and P.J. Rauss,'The FERET Evaluation Methodology for Face Recognition Algorithms,' IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 22, no. 10, Oct. 2000 
  14. S. Lawrence, C.L. Giles, A.C. Tsoi, A.D. Back, 'Face Recognition: A Conventional Neural Network Approach,' IEEE Trans. on Neural Networks, Special Issue on Neural Networks and Pattern Recognition, vol. 8, no. 1, pp. 98-113, 1997 
  15. M. Turk and A. Pentland, 'Eigenfaces for Recognition,' J. cognitive neuroscience, vol. 3, no. 1, pp. 71-86, 1991 
  16. P.N. Belhumeour, J.P. Hespanha, and K.J. Kriegman, 'Eigenfaces vs. Fisherfaces: Recognition Using Class Specific Linear Projection,' IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 19, no. 7, pp. 711-720, 1997 
  17. A.M. Martinez and A.C. Kak, 'PCA versus LDA,' IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 23, no. 2, Feb. 2001 
  18. Y. KayaK and K. Kobayashi, 'A Basic Study on Human Face Recognition,' in Frontiers of Pattern Recognition, 1972, p. 265 
  19. R .Brunelli and T. Poggio, 'Face Recognition: Feature versus Templates,' IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 15, no. 10, October 1993 

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

이 논문과 연관된 기능

DOI 인용 스타일