$\require{mediawiki-texvc}$
  • 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

사상체질 진단을 위한 얼굴인상 분류

Facial Impression Classification for Sasang Constitution Diagnosis

초록

이 논문에서는 정면 얼굴 영상을 대상으로 사상체질 판정에 사용되는 얼굴 인상을 효과적으로 판정하는 방법을 제안하였다. 판정을 위하여 눈, 턱 형 태 등에 대한 특징을 정의하고 사용하였다. 주성분 분석법을 이용하여 주어진 특징 데이터의 차원을 축소하여 표현하고, 특징 벡터 사이의 클래스 분리를 최대로 하는 선형 변환인 선형 판별 분석법을 수행한 후 SVM을 이용하여 8가지 종류의 인상을 판정하였다. 여러 얼굴 영상에 대해 실험한 결과, 전문가인 한의사가 판정한 결과를 기준으로 약 85.3% 정확도를 가지는 판정결과를 얻었다.

Abstract

In this paper, we propose an efficient method to classify human facial impression using frontal face image. The features that represent the shape of eye, jaw and face are used. The proposed method employs PCA, LDA and SVM in series. PCA is used to project the feature space to a low dimensional subspace. LDA produces well separated classes in a low dimensional subspace even under severe variation. This results in good discriminating power for classification. SVM is used to classify the data. Human face has been classified for 8 facial impressions. The experiments have been performed for many face images, and show encouraging result.

저자의 다른 논문

참고문헌 (18)

  1. 김종원, 전수형, 설유경, 김규곤, 이의주, '신체계측법을 이용한 사상체질별 성별 체형연구, 사상체질의학회지, 18(1), pp. 54-61, 2006 
  2. 이의주, 편용범, 곽창규, 유정희, 김종원, 김규곤, 고병희, '사상인 용모분석을 위한 얼굴표준 및 얼굴유형에 대한 연구현황,' 사상체질의학회지, 18(1), pp. 25-33, 2006 
  3. 김종원, 고병희, 송일병, 'EAV의 측정치와 사상체질유형 및 중풍과의 상관성에 관한 연구,' 사상체질의학회지, 7(2), pp. 59-88, 1995 
  4. 김선호, 고병희, 송일병, '사상체질별분류검사(QSCC)의 타당화 연구,' 사상체질의학회지, 5(1), pp. 61-80, 1993 
  5. 김선호, 고병희, 송일병, '사상체질별분류검사지(QSCCII)의 표준화 연구, 사상체질의학회지, 8(1), pp. 187-246, 1996 
  6. 곽창규, 조용범, 손은혜, 유정희, 고병희, 김종원, 김규곤, 이의주, '3차원 안면자동인식기의 Positioning 오차분석,' 사상체질의학회지, 18(1), pp. 34-40, 2006 
  7. Biederma, I. 'Recognition-by-component: a theory of human understanding,' Psychological Review, pp. 115-147, 1994 
  8. Rosch, E. H. On the internal structure of perceptual and semantic categories, Cognitive Development and the Acquisition of Language, New York Academic Press, 1976 
  9. Rhodes, G. Superportraits : Caricatures and recognition, Hove : The Psychology Press, 1999 
  10. Haig, N. D. 'Exploring recognition with interchanged facial features,' Perception, 15, pp. 235-247, 1986 
  11. 박수진, 한재현, 정찬섭 '얼굴의 물리적 특징 분석 및 얼굴 관련 감성 어휘 분석,' 한국인지과학회논문지, 제13권 제3호, pp. 1-10, 2002 
  12. 김효선, 한재현, '얼굴 인상과 물리적 특징의 관계구조 분석,' 한국인지과학회논문지, 제14권 제4호, pp. 53-63, 2003 
  13. 권영준, 퍼지로직에 기반한 사상체질 분류기에 관한 연구, 한국 과학기술원 석사학위 논문, 2006 
  14. Turk, M. and Pentland, A., 'Eigenfaces for recognition,' Journal of Cognitive Neuroscience, Vol. 3, No. 1, pp. 71-86, 1991 
  15. Martinez, A. M. and Kak, A. C., 'PCA versus LDA,' IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 23, No. 2, pp. 228-233, 2001 
  16. Etemad, K. and Chellappa, R., 'Discriminant Analysis for Recognition of Human Faces Image, Journal of Optical Society of America, Vol. 14, No. 8, pp. 1724-1733, 1997 
  17. V. Vapnik, 'Statistical Learning Theory,' John Wiley & Sons, New York, 1998 
  18. E. Osuna, R. Freund, F. Girosi, 'Training Support Vector Machine : An Application to Face Detection,' Proceeding IEEE CVPR, pp 130-136, 1997 

DOI 인용 스타일

"" 핵심어 질의응답