선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문은 실시간 얼굴 인증시스템 구현에 관한 연구로 향상된 얼굴영역검출 및 얼굴인식 알고리즘에 관한 것이다. 따라서 얼굴검출 부분과 얼굴인식 부분으로 나누어 구성하였으며, 각각 기존 알고리즘과 비교 분석하여 제안된 알고리즘의 우수성을 입증하였고, 실시간 얼굴 인증 시스템을 구현하였다.
제안 방법
- 2차 미분 연산자인 LoG연산자를 이용하여 영상의 잡음과 Hausdorff 거리의 연산량을 줄이기 위해 사용한다. 소 벨, 프리윗, 로버츠 등의 1차 미분 연산자에 의한 에지 검출 방법은 잡음과 같은 미세한 신호에 민감하게 반응하기 때문에 Hausdorff 거리 매칭 방법에는 적절하지 않으며, 따라서 간결한 에지를 만드는 2차 미분 연산자 중 LoG 연산자를 사용했다.
- 얼굴인식 소프트웨어는 제안된 알고리즘을 이용한 얼굴 인증시스템을 기반으로 하고 있으며, 얼굴인식부와 데이터베이스 저장부로 나누어져 있다. 데이터베이스 저장부는 한 명 당 5 장의 얼굴검출 영상을 가지고 특징 벡터를 추출, 저장 할 수 있도록 하였다.
- 것이다. 따라서 얼굴검출 부분과 얼굴인식 부분으로 나누어 구성하였으며, 각각 기존 알고리즘과 비교 분석하여 제안된 알고리즘의 우수성을 입증하였고, 실시간 얼굴 인증 시스템을 구현하였다. 얼굴검출 알고리즘은 얼굴 영상의 크기 및 해상도, 기울어짐 등의 영향을 덜 받으며 성능평가 결과는 50명의 표본 중 미검출 10%, 검출 영상 중 오검출 0%의 검출률을 보임을 확인할 수 있었다.
- 4GHz, 512MB 사양의 PC 환경에서 Matlab R14을 이용해 실험하였다. 시스템 구현을 통하여 실시간 동작 처리능력을 확인하였다. The ORL Database of Faces는 표정 각도가 다른 40명의 사진, 각 10장씩 총 400장의 영상으로 구성되어 있다.
- 본문은 얼굴 검출단계와 인식단계로 구성된다. 얼굴검출 단계에서 이산 웨이브렛 변환, LoG 연산자, Hausdorff 거리 매칭 알고리즘의 특징을 부분적으로 사용하여 얼굴검출을 향상시킨 알고리즘과 얼굴인식부분은 주성분분석법(PCA)를 바탕으로 DualTine 개념을 적용하여 향상된 인식률 갖는 인식 알고리즘을 제안하였다. 일반적으로 널리 사용하고 있는 ORE 데이터베이스, Harvard 데이터베이스, 그리고 실험을 위해 자체 제작한 Wonkwang 데이터베이스을 이용한 실험을 통해 제안된 시스템의 우수함을 확인하고자 한다.
- 얼굴인식 부분에서 가장 보편적으로 사용되어지는 주성분 분석법은 평균과 분산을 기반으로 하여, 분산이 커지는 축들에 의한 전역적인 특성만을 고려하는 알고리즘으로 얼굴 구조상의 상호관계 즉, 지역적인 특성을 고려하지 못한다는 단점을 가지고 있다[10-12L 따라서 본 연구에서는 PCA의 국부적인 변화를 수용할 수 있도록 학습 및 인식 단계에서 수직 라인에 수평라인을 결합시켜 각 라인간의 상관정보를 포함시키는 Dual line 주성분 분석법을 제안하였다.
- 얼굴검출 알고리즘은 얼굴 영상의 크기 및 해상도, 기울어짐 등의 영향을 덜 받으며 성능평가 결과는 50명의 표본 중 미검출 10%, 검출 영상 중 오검출 0%의 검출률을 보임을 확인할 수 있었다. 얼굴인식 부분에서 일반적인 PCA를 바탕으로 PCA의 국부적인 변화를 수용할 수 있도록 수직 라인에 수평 라인을 결합시키는 Dual line PCA를 제안하였으며, 일반적으로 널리 사용되는 캠브리지의 ORE 데이터베이스, Harvard 데이터베이스, 및 자체 제작된 Wonkwang 데이터베이스을 대상으로 인식 결과를 확인해 보았다. 각 Database 의 인식결과는 표1, 표2, 표3과 같이 Manhattan 거리에서 PCA보다 2%, 4.
- 4GHz, 512MB 사양의 PC를 사용하였으며, 개발 소프트웨어와 외부인터페이스, 통신 포트제어 등으로 구성되어 있다. 얼굴인식 소프트웨어는 제안된 알고리즘을 이용한 얼굴 인증시스템을 기반으로 하고 있으며, 얼굴인식부와 데이터베이스 저장부로 나누어져 있다. 데이터베이스 저장부는 한 명 당 5 장의 얼굴검출 영상을 가지고 특징 벡터를 추출, 저장 할 수 있도록 하였다.
- 얼굴검출 단계에서 이산 웨이브렛 변환, LoG 연산자, Hausdorff 거리 매칭 알고리즘의 특징을 부분적으로 사용하여 얼굴검출을 향상시킨 알고리즘과 얼굴인식부분은 주성분분석법(PCA)를 바탕으로 DualTine 개념을 적용하여 향상된 인식률 갖는 인식 알고리즘을 제안하였다. 일반적으로 널리 사용하고 있는 ORE 데이터베이스, Harvard 데이터베이스, 그리고 실험을 위해 자체 제작한 Wonkwang 데이터베이스을 이용한 실험을 통해 제안된 시스템의 우수함을 확인하고자 한다.
- 최종적으로 Euclidean 거리, Manhattan 거리 등의 거리 척도 개념을 적용해 학습 영상의 특징 벡터와 입력영상의 특징 벡터 사이의 거리를 비교하여 인식을 수행한다. 여기서 Manhattan 거리는 PCA를 적용해 얼굴인식을 수행했을 때 가장 높은 인식률을 보이는 거리 척도이다.
- 후보영역에서 오인식 가능성을 줄이며 최적의 얼굴 영역을 검출하기 위해 적응적 평균 필터를 적용한 표본 영상을 가지고 Hausdorff 거리를 적용함으로써 보다 정확한 얼굴 영역을 검출한다[7, 8]. 여기서 적응적 평균화 필터란 후보영역과 표본패턴의 크기를 정규화하기 위해 평균화 필터를 이용해 수평정규화를 수행하는 것을 말한다.
대상 데이터
- Harvard Face Database는 조명의 각도가 다른 10명의 사진, 각 66장씩 총 660장의 영상으로 구성되어 있으며, 본 실험에서는 홀수 얼굴 영상과 짝수 얼굴 영상을 각각 학습 영상과 인식 영상으로 사용하였다[14].
- 시스템 구현을 통하여 실시간 동작 처리능력을 확인하였다. The ORL Database of Faces는 표정 각도가 다른 40명의 사진, 각 10장씩 총 400장의 영상으로 구성되어 있다. 실험에는 한 명 당 10장의 사진 중 5장을 임의로 선택하여 학습에 사용하였고, 나머지 5장을 인식될 영상으로 사용하였다[13].
- Wonkwang Face Database는 실험을 위해 자체 제작된 데이터베이스로 표정 및 조명이 다른 10명의 컬러 사진, 각 10장씩 총 100장의 영상으로 구성되어있다.
- Database를 이용하여 실험한다. 모의실험은 펜티엄 4 2.4GHz, 512MB 사양의 PC 환경에서 Matlab R14을 이용해 실험하였다. 시스템 구현을 통하여 실시간 동작 처리능력을 확인하였다.
- 본 실험에서는 얼굴 영상의 크기나 해상도, 기울어짐 등이 다양한 영상을 대상으로 하며 얼굴인증시스템 검증을 위해 보편적으로 널리 사용하는 AT & T Laboratories Cambridge의 'The ORL Database of Faces'와 Harvard University의 Harvard Face Database에 실험하였고, 마지막으로 자체 제작한 Wonkwang University Electronics Engineering Database를 이용하여 실험한다. 모의실험은 펜티엄 4 2.
- 본 실험에서는 한 명 당 10장의 얼굴 영상 중 5장은 학습 영상으로 사용했고, 나머지 5장은 인식 영상으로 사용해 실험하였다.
- The ORL Database of Faces는 표정 각도가 다른 40명의 사진, 각 10장씩 총 400장의 영상으로 구성되어 있다. 실험에는 한 명 당 10장의 사진 중 5장을 임의로 선택하여 학습에 사용하였고, 나머지 5장을 인식될 영상으로 사용하였다[13].
- MATLAB GUI를 사용하였다. 하드웨어는 일반적으로 널리 보급되어있는 개인용 PC 카메라와 팬티엄 4 2.4GHz, 512MB 사양의 PC를 사용하였으며, 개발 소프트웨어와 외부인터페이스, 통신 포트제어 등으로 구성되어 있다. 얼굴인식 소프트웨어는 제안된 알고리즘을 이용한 얼굴 인증시스템을 기반으로 하고 있으며, 얼굴인식부와 데이터베이스 저장부로 나누어져 있다.
이론/모형
- 구현된 얼굴 인증시스템은 제안된 알고리즘의 성능검증 및 실시간 구현 가능성을 확인하기 위해 제작한 것으로, 설계언어는 MATLAB GUI를 사용하였다. 하드웨어는 일반적으로 널리 보급되어있는 개인용 PC 카메라와 팬티엄 4 2.
- 굉장한 민감한 단점을 가지고 있다. 따라서 Hausdorff 거리를 적용하기 전 단계로 데이터의 양을 줄이기 위해 이산웨이브렛 변환을 수행하여 4개의 부-대역 중 근사공간(LL) 에 알고리즘을 적용한다.
- 거리의 연산량을 줄이기 위해 사용한다. 소 벨, 프리윗, 로버츠 등의 1차 미분 연산자에 의한 에지 검출 방법은 잡음과 같은 미세한 신호에 민감하게 반응하기 때문에 Hausdorff 거리 매칭 방법에는 적절하지 않으며, 따라서 간결한 에지를 만드는 2차 미분 연산자 중 LoG 연산자를 사용했다. LoG 연산자는 라플라시안을 수행하기 전 가우시안 스무딩을 하여 잡음을 줄이는 효과가 있다[5, 9].
- 5이다. 최종적으로 후보영역에 Hausdorff 거리 매칭 방법을 적용해 얼굴 영역 검출을 수행한다. 그림 6은 결과 영상으로 각각 근사공간에 LoG 연산자를 이용해 에지 검출한 영상, 후보영역에 Hausdorff 거리 매칭을 수행한 영상, 검출된 얼굴 영역을 근사공간에 보여주는 영상이다.
성능/효과
- 얼굴인식 부분에서 일반적인 PCA를 바탕으로 PCA의 국부적인 변화를 수용할 수 있도록 수직 라인에 수평 라인을 결합시키는 Dual line PCA를 제안하였으며, 일반적으로 널리 사용되는 캠브리지의 ORE 데이터베이스, Harvard 데이터베이스, 및 자체 제작된 Wonkwang 데이터베이스을 대상으로 인식 결과를 확인해 보았다. 각 Database 의 인식결과는 표1, 표2, 표3과 같이 Manhattan 거리에서 PCA보다 2%, 4.6%, 2%, TaCA보匸+ 1%, 3.1%, L5% 의 향상된 인식률을 보임을 확인하였다. 제안된 알고리즘을 기반으로 하여 실시간 처리 및 성능 검증을 위해 시스템을 구현하였으며, 구현된 시스템은 그림 14와 같이 외부 인터페이스와 통신 포트제어 , 얼굴인식 소프트웨어 등으로 구성되었으며 , 그림 15와 같이 실시간 우수한 동작을 수행함을 보였다.
- 실험 결과는 표 2와 같으며 The ORL Database of Faces 와 마찬가지로 제안된 알고리즘이 Manhattan 거리상에서 우수한 인식률을 보임을 확인하였다.
- 따라서 얼굴검출 부분과 얼굴인식 부분으로 나누어 구성하였으며, 각각 기존 알고리즘과 비교 분석하여 제안된 알고리즘의 우수성을 입증하였고, 실시간 얼굴 인증 시스템을 구현하였다. 얼굴검출 알고리즘은 얼굴 영상의 크기 및 해상도, 기울어짐 등의 영향을 덜 받으며 성능평가 결과는 50명의 표본 중 미검출 10%, 검출 영상 중 오검출 0%의 검출률을 보임을 확인할 수 있었다. 얼굴인식 부분에서 일반적인 PCA를 바탕으로 PCA의 국부적인 변화를 수용할 수 있도록 수직 라인에 수평 라인을 결합시키는 Dual line PCA를 제안하였으며, 일반적으로 널리 사용되는 캠브리지의 ORE 데이터베이스, Harvard 데이터베이스, 및 자체 제작된 Wonkwang 데이터베이스을 대상으로 인식 결과를 확인해 보았다.
- 1%, L5% 의 향상된 인식률을 보임을 확인하였다. 제안된 알고리즘을 기반으로 하여 실시간 처리 및 성능 검증을 위해 시스템을 구현하였으며, 구현된 시스템은 그림 14와 같이 외부 인터페이스와 통신 포트제어 , 얼굴인식 소프트웨어 등으로 구성되었으며 , 그림 15와 같이 실시간 우수한 동작을 수행함을 보였다. 향후 지능형 로봇, 출입자 관리, 자동 도어개펴】, 자동 보행 시스템 등에 활용 및 응용이 사료된다.
- 입력된 정지영상이나동영상 내의의 얼굴 영역을 검출하고, 개인 고유의 특징을 추출하여 데이터베이스 검색하는 일련의 과정으로 정의할 수 있다. 제안된 얼굴인증시스템은 각 부분의 독립적 프로세싱 과정을 유기적이고 효과적으로 실시간 시스템화하였다.
- 가우시안 분포를 가지고 있다. 즉, CbCr 공간상에서 사람들의 피부색 분포를 살펴보면 빛의 영향을 덜 받으며, 특정 영역을 중심으로 모이는 것을 확인할 수 있다.
- 표 1은 기존 알고리즘과 제안 알고리즘의 인식률을 비교한 것으로 Euclidean 거리상에서는 KPCA와 동등한 인식률을 보이지만 Manhattan 거리상에서 기존 알고리즘보다 높은 인식률을 보임을 확인할 수 있다.
후속연구
- 제안된 알고리즘을 기반으로 하여 실시간 처리 및 성능 검증을 위해 시스템을 구현하였으며, 구현된 시스템은 그림 14와 같이 외부 인터페이스와 통신 포트제어 , 얼굴인식 소프트웨어 등으로 구성되었으며 , 그림 15와 같이 실시간 우수한 동작을 수행함을 보였다. 향후 지능형 로봇, 출입자 관리, 자동 도어개펴】, 자동 보행 시스템 등에 활용 및 응용이 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.