본 논문은 치아의 전치교합(anterior occlusion)과 후치교합(posterior occlusion) 상태에서 획득된 치아 영상에 대하여 BMME와 LDA에 기반한 개인 인식 방법을 제안한다. 이 방법은 전치교합과 후치교합 상태의 치아 영상에서 치아 영역 추출, BMME, 패턴 인식 과정으로 구성된다. 이들 두 치아교합은 영상에서 일관된 자세의 치아 영상을 얻을 수 있도록 하며, BMME는 패턴 인식 과정에서 정합 오차를 줄이도록 해 준다. 치아는 딱딱하므로 치아영상을 사용하면 영상 획득 시 변형되지 않기 때문에 유용하다. 제안된 방법은 20명을 대상으로 개인 인증을 위한 치아인식 실험에서 성공적이었으며, 멀티 모달(multi-modal) 인증 시스템에 기여할 수 있음을 보였다.
본 논문은 치아의 전치교합(anterior occlusion)과 후치교합(posterior occlusion) 상태에서 획득된 치아 영상에 대하여 BMME와 LDA에 기반한 개인 인식 방법을 제안한다. 이 방법은 전치교합과 후치교합 상태의 치아 영상에서 치아 영역 추출, BMME, 패턴 인식 과정으로 구성된다. 이들 두 치아교합은 영상에서 일관된 자세의 치아 영상을 얻을 수 있도록 하며, BMME는 패턴 인식 과정에서 정합 오차를 줄이도록 해 준다. 치아는 딱딱하므로 치아영상을 사용하면 영상 획득 시 변형되지 않기 때문에 유용하다. 제안된 방법은 20명을 대상으로 개인 인증을 위한 치아인식 실험에서 성공적이었으며, 멀티 모달(multi-modal) 인증 시스템에 기여할 수 있음을 보였다.
Abstract This paper presents a personal identification method based on BMME and LDA for images acquired at anterior and posterior occlusion expression of teeth. The method consists of teeth region extraction, BMME, and pattern recognition forthe images acquired at the anterior and posterior occlusio...
Abstract This paper presents a personal identification method based on BMME and LDA for images acquired at anterior and posterior occlusion expression of teeth. The method consists of teeth region extraction, BMME, and pattern recognition forthe images acquired at the anterior and posterior occlusion state of teeth. Two occlusions can provide consistent teeth appearance in images and BMME can reduce matching error in pattern recognition. Using teeth images can be beneficial in recognition because teeth, rigid objects, cannot be deformed at the moment of image acquisition. In the experiments, the algorithm was successful in teeth recognition for personal identification for 20 people, which encouraged our method to be able to contribute to multi-modal authentication systems.
Abstract This paper presents a personal identification method based on BMME and LDA for images acquired at anterior and posterior occlusion expression of teeth. The method consists of teeth region extraction, BMME, and pattern recognition forthe images acquired at the anterior and posterior occlusion state of teeth. Two occlusions can provide consistent teeth appearance in images and BMME can reduce matching error in pattern recognition. Using teeth images can be beneficial in recognition because teeth, rigid objects, cannot be deformed at the moment of image acquisition. In the experiments, the algorithm was successful in teeth recognition for personal identification for 20 people, which encouraged our method to be able to contribute to multi-modal authentication systems.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그림 5. BMME에 의한 입력 영상(좌)과 데이터베이스의각 영상(우)에 대한 블록 영역 간의 최적 정합 탐색.
본 논문은 치아 영상을 이용한 개인 인식 방법을 제안한다. 이 방법은 치아의 전치교합(anterior occlusion)과 후치교합 (posterior occlusion) 상태에서 얻어진 치아 영상에 BMME와 LDA 기법에 기반한다.
본 논문은 치아의 전치교합과 후치교합 상태에서 얻어진 영상에 대해서 BMME와 LDA에 기반한 개인 인식 방법을 제안하였다. 실험에서 20명에 대한 치아 인식은 성공적이었고, 치아 영상을 이용하는 방법이 다중 생체 인식 시스템에 기여할 수 있음을 보여 주었다.
가설 설정
블록 위치는X = ROUND(LH(1-RH)/2)와 y = ROUND(LV(1-RV)/2) 로 표현되며, ROUND(·) 는 부동소수점 수치를 해당 정수값으로 변환하는 함수이다. BMME의 적용은 추출된 치아 영역의 중앙에 좀 더 중요한 정보가 있다는 가정하에서 이루어진다.
제안 방법
치아 영상을 획득하는 동안, 치아에 비춰지는 조명은 실내에서 200 lux 로 유지되도록 하였다. 두 가지 서로 다른 치아 자세인 전치교합과 후치교합 상태에서 치아 전면에 대해 치아영상을 얻었다. 카메라는 352x288 픽셀의 해상도를 갖는 휴대폰에 장착된 카메라를 사용하였다.
치아는 형태학적 특징과 재질 구성과 같은 각 개인의 고유 특징을 갖고 있기때문에 사고와 같은 특정한 상황에서 개인을 식별하는데 중요한 역할을 해 왔다. 디지털 카메라로 치아 영상을 획득한 후, 치아 영상을 인식하기 위해서 치아 영역 추출, BMME(Block Matching Motion Estimation), 패턴인식 과정을 수행한다. 입력 패턴은 각 클래스(class)마다 각 개인의 치아에 대한 특징 벡터들로 구성된 치아 영상 데이터베이스의 각 패턴과 비교한다.
모든 샘플에 대해서, 데이터베이스의 특징 벡터와 정합 과정을 수행하였다. 20명에 대해서 개인 인식을 위한 치아 인식은 100% 성공적이었다.
method)[3-5]에 기반한다. 본 논문에서의 인식 과정은 치아 영역 추출, BMME, 패턴 인식 과정으로 구성된다. 입력 치아 패턴은 LDA로 투영한 후, 각 개인의 치아특징 벡터들을 저장하고 있는 데이터베이스의 각 패턴과 정합한다.
입력 패턴은 각 클래스(class)마다 각 개인의 치아에 대한 특징 벡터들로 구성된 치아 영상 데이터베이스의 각 패턴과 비교한다. 본 논문의 방법은 상부치아와 하부 치아의 조합으로 다양한 치아 자세 (teeth expression)를 만들 수 있기 때문에 치아의 전치교합과 후치교합 상태에서 획득된 영상을 사용한다. 패턴 인식 과정에서, 본 논문은 패턴인식 오차를 줄이기 위해서 PM VF AST (Predictive Motion Vector Field Adaptive Search Technique)[2] BMME를 도입하고, 외형 기반 얼굴 인식에서 많이 사용하는 LDA(linear discriminant analysis) 기반 방법[3-5]과 분류기로서 NN(nearest neighbor) 알고리즘[6]을 사용한다.
치아 영역은 앞에서 제안한 방법으로 영상에서 추출하고, 20×60 픽셀수의 영상으로 정규화하였다. 여기서 문턱치는 HSI 칼라 공간의 밝기값으로 T = 32로 했으며, LH/Lv=3로 설정하였다.
정규화되고 움직임 추정된 영상에 LDA 알고리즘을 적용함으로써, 투영된 특징 벡터가 얻어지고 데이터베이스에 저장되었다. 패턴 인식을 위해서 그림 8과 같이 각 개인의 치아 교합마다 10개의 영상을 획득하여 치아영상 데이터베이스에 저장하였다. 최종 단계로서 입력 영상과 치아 영상 데이터베이스 간의 치아 영역의 특징 벡터들에 대해 NN 알고리즘을 적용하였다.
대상 데이터
실험을 진행하기 위해서 20명에 대해 개인별 10개의 치아 영상을 획득하였다. 영상 획득 시 조명과 치아 자세를 일정하게 하는 조건하에서 휴대폰에 내장된 디지털카메라를 이용하여 치아 영상을 얻었다.
영상을 획득하였다. 영상 획득 시 조명과 치아 자세를 일정하게 하는 조건하에서 휴대폰에 내장된 디지털카메라를 이용하여 치아 영상을 얻었다. 치아 영상을 획득하는 동안, 치아에 비춰지는 조명은 실내에서 200 lux 로 유지되도록 하였다.
두 가지 서로 다른 치아 자세인 전치교합과 후치교합 상태에서 치아 전면에 대해 치아영상을 얻었다. 카메라는 352x288 픽셀의 해상도를 갖는 휴대폰에 장착된 카메라를 사용하였다.
이론/모형
본 논문에서는 패턴 인식 과정에서 정합 오차를 줄이기 위해 PMVFAST을 사용한다. 본 논문의 경우 BMME 는 그림 5와 같이 데이터베이스의 각 치아 영상과 입력치아 영상 간의 정합에 이용된다.
위해 PMVFAST을 사용한다. 본 논문의 경우 BMME 는 그림 5와 같이 데이터베이스의 각 치아 영상과 입력치아 영상 간의 정합에 이용된다. 그림 5에서 데이터베이스의 흰색 사각형은 데이터베이스의 각 영상과 입력 영상 의 블록 간의 최적 정합 상태를 나타낸다.
본 논문의 치아 인식은 외형 기반 방법(appearancebased method)[3-5]에 기반한다. 본 논문에서의 인식 과정은 치아 영역 추출, BMME, 패턴 인식 과정으로 구성된다.
8 , M = 48,N = 16, x = 6, y = 2로 설정하였다. 정규화되고 움직임 추정된 영상에 LDA 알고리즘을 적용함으로써, 투영된 특징 벡터가 얻어지고 데이터베이스에 저장되었다. 패턴 인식을 위해서 그림 8과 같이 각 개인의 치아 교합마다 10개의 영상을 획득하여 치아영상 데이터베이스에 저장하였다.
패턴 인식을 위해서 그림 8과 같이 각 개인의 치아 교합마다 10개의 영상을 획득하여 치아영상 데이터베이스에 저장하였다. 최종 단계로서 입력 영상과 치아 영상 데이터베이스 간의 치아 영역의 특징 벡터들에 대해 NN 알고리즘을 적용하였다.
투영된 특징 벡터들을 분류하기 위해서, 본 논문은 패턴 인식에서 많이 사용하는 최소 거리 분류기 중의 하나인 NN(nearest neighbor) 알고리즘[6]을 사용한다. 이 알고리즘은 전치교합과 후치교합 상태에서 얻어진 한 쌍의 입력 영상에 적용된다.
그 결과는 그림 7에 보여주고 있다. 패턴 인식 과정에서 정합 오차를 줄이기 위하여 PMVFAST 알고리즘을 치아 영역에 적용하였다. 이때, Rh = RV = 0.
본 논문의 방법은 상부치아와 하부 치아의 조합으로 다양한 치아 자세 (teeth expression)를 만들 수 있기 때문에 치아의 전치교합과 후치교합 상태에서 획득된 영상을 사용한다. 패턴 인식 과정에서, 본 논문은 패턴인식 오차를 줄이기 위해서 PM VF AST (Predictive Motion Vector Field Adaptive Search Technique)[2] BMME를 도입하고, 외형 기반 얼굴 인식에서 많이 사용하는 LDA(linear discriminant analysis) 기반 방법[3-5]과 분류기로서 NN(nearest neighbor) 알고리즘[6]을 사용한다.
성능/효과
과정을 수행하였다. 20명에 대해서 개인 인식을 위한 치아 인식은 100% 성공적이었다. 이 결과로부터 제안한 방법이 생체 인식의 하나의 방법이 될 수 있음을 보여 주었다.
제안하였다. 실험에서 20명에 대한 치아 인식은 성공적이었고, 치아 영상을 이용하는 방법이 다중 생체 인식 시스템에 기여할 수 있음을 보여 주었다.
20명에 대해서 개인 인식을 위한 치아 인식은 100% 성공적이었다. 이 결과로부터 제안한 방법이 생체 인식의 하나의 방법이 될 수 있음을 보여 주었다.
후속연구
치아 인식 알고리즘은 고해상도 영상이 필요하지 않고 작은 카메라 모듈을 사용할 수 있으므로 작은 비용으로 구현될 수 있다. 개인 인식을 위해서 치아 인식에 대한 문헌은 발표되지 않았으며, 본 논문의 치아 영상을 이용하는 방법이 다중 생체 인식 시스템에 기여할 수 있을 것이다.
그러나 치아 자세는 입술의 모양, 상하 치아의 교합, 조명에 의해 영향을 받을 수 있다. 앞으로 다양한 치아 자세에 대해 적용할 수 있는 방법을 연구해야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.