[논문]감정이 있는 얼굴영상과 퍼지 Fisherface를 이용한 얼굴인식

고현주; 전명근

doi:10.5302/j.icros.2009.15.1.094

문제 정의

그러나 입력 벡터가 한 클래스에 할당되어질 때 그 클래스에서 소속의 정도를 0 또는 1로서 나타내게 됨으로, 감정이나 나이의 흐름과 같은 얼굴변형이 생기는 곳에서 인식의 어려움을 보이고 있다. 본 연구는 퍼지 집합의 이론과 결합되어진 퍼지 fisherface 방법을 적용하여 감정이 있는 얼굴영상에서도 강인한 얼굴인식 시스템을 구현하고자 한다.
본 연구에서는 감정이 있는 다양한 얼굴표정 영상에 대하여 감정을 노이즈로 간주할 때 감정이 있는 얼굴표정을 제외한 일반적인 얼굴영상을 스케일링함수에 의해 얻어진 영역으로 판단하였다. 그리고 다해상도 해석능력이 있는 웨이블렛 기법에 의해 얼굴을 대역별로 분해한 후, 저주파 대역에 존재하는 얼굴영상만을 이용하여 특징벡터를 추출하는 방법을 적용하였다.
그리고 다해상도 해석능력이 있는 웨이블렛 기법에 의해 얼굴을 대역별로 분해한 후, 저주파 대역에 존재하는 얼굴영상만을 이용하여 특징벡터를 추출하는 방법을 적용하였다. 특징벡터를 추출하기 위한 방법으로 퍼지 집합의 이론과 선형판별 분석법을 결합한 퍼지 fisherfece 방법을 적용하여 다양한 감정이 있는 얼굴 영상에서도 우수한 성능을 갖는 강인한 얼굴인식 시스템을 구현하고자 한다. 또한, 시스템 구현을 위한 등록영상은 무표정한 얼굴영상을 사용하고, 검증영상은 감정이 없는 무표정한 얼굴 영상과 감정이 있는 얼굴영상, 즉 기쁨, 슬픔, 화남 감정을 나타내는 얼굴영상을 사용하여 다양한 환경에서도 우수한 성능을 갖는 시스템을 구현하였다.

제안 방법

결과를 보이고 있다. 감정이 있는 얼굴은 기쁨 감정, 슬픔 감정, 화남 감정을 사용하였으며, 웨이블렛 변환을 적용하였을 때와 적용하지 않았을 때의 인식율을 비교하였다. 실험결과 첫 번째 실험, 무표정한 얼굴영상을 검증 영상으로 사용했을 때보다 전체적으로 저조한 인식성능을 보이고 있는 것으로 이는 감정이 있는 얼굴영상은 무표정한 얼굴 영상 보다 감정에 따른 변화가 존재함으로 감정이 있는 다양한 얼굴표정 영상에 대하여는 감정을 노이즈로 간주하기 때문이다.
판단하였다. 그리고 다해상도 해석능력이 있는 웨이블렛 기법에 의해 얼굴을 대역별로 분해한 후, 저주파 대역에 존재하는 얼굴영상만을 이용하여 특징벡터를 추출하는 방법을 적용하였다. 특징벡터를 추출하기 위한 방법으로 퍼지 집합의 이론과 선형판별 분석법을 결합한 퍼지 fisherfece 방법을 적용하여 다양한 감정이 있는 얼굴 영상에서도 우수한 성능을 갖는 강인한 얼굴인식 시스템을 구현하고자 한다.
1), 무에 대한 성능을 나타내었다. 그리고 얼굴인식에서 넓이 사용되어지고 있는 PCA와 FLD를 이용한 방법에 대하여도 동일한 설정으로 시스템을 구현하고 실험하였다. 이때, 웨이블렛을 적용했을 때가 그렇지 않은 경우보다 약 5% 향상된 결과를 얻을 수 있었으며, 퍼지 Usherfee를 이용한 방법은 PCA와, FLD보다 약 2~3% 향상된 결과를 얻을 수 있음을 확인하였다.
또한, 감정이 있는 얼굴표정영상에 대하여 웨이블렛 변환은 아주 작은 비트 율로 정보를 표현함에도 불구하고 영상의 전체적인 정보뿐만 아니라 얼굴의 윤곽과 같은 미세한 정보도 스케일 계수로 모두 유지 시킬 수 있는 방법이라 판단된다. 그리고 영상 계수들이 변환 전 영상의 위치정보를 포함하기 때문에 사용자가 원하는 영상정보를 변환 후에도 유지시킬 수 있는 방법으로 감정이 있는 얼굴영상에 대해서 다해상도 해석능력이 있는 웨이블렛 기법에 의해 얼굴을 대역별로 분해한 후, 저주파 대역에 존재하는 얼굴영상만을 퍼지 Fished血를 이용한 특징 벡터 추출방법을 적용하였다.
두 번째 실험에서는 무표정한 얼굴영상을 등록영상으로 사용하고 감정(기쁨, 슬픔, 화남)이 있는 얼굴영상을 검증 영상으로 사용했을 때에 대하여 제안된 퍼지 fisherfece 방법과 웨이블렛을 적용했을 때의 성능을 비교하였다. 이와 같은 설정은 일반적으로 얼굴인식 시스템을 구현할 경우 등록 과정과 검증하는 과정에 무표정한 얼굴영상을 사용하고 실험하고 있으나 실제 다양한 공간에서 설치된 시스템은 검증하는 과정에서는 다양한 얼굴표정을 가지고 있는 영상을 사용해야 함으로 이와 같은 설정을 전계하였으며, 그림 6은 검증영상으로 사용된 다양한 감정을 가진 얼굴 영상을 보이고 있다.
특징벡터를 추출하기 위한 방법으로 퍼지 집합의 이론과 선형판별 분석법을 결합한 퍼지 fisherfece 방법을 적용하여 다양한 감정이 있는 얼굴 영상에서도 우수한 성능을 갖는 강인한 얼굴인식 시스템을 구현하고자 한다. 또한, 시스템 구현을 위한 등록영상은 무표정한 얼굴영상을 사용하고, 검증영상은 감정이 없는 무표정한 얼굴 영상과 감정이 있는 얼굴영상, 즉 기쁨, 슬픔, 화남 감정을 나타내는 얼굴영상을 사용하여 다양한 환경에서도 우수한 성능을 갖는 시스템을 구현하였다.
그림 5. 무표정한 얼굴영상을 이용한 얼굴인식 성능 비교.
본 논문에서 제안하는 퍼지 fisherface 알고리즘을 위한 각 클래스 武의 평균값은 다음 식과 같이 특징벡터와 퍼지 소속도를 이용함으로서 정의된다.
본 논문의 구성은 웨이블렛 변환을 이용한 감정 노이즈를 제거하는 방법과 퍼지 fisher玩ce를 이용한 특징벡터 추출 방법을 II 장에서 설명하였으며, 감정변화가 없는 검증 영상에 대한 얼굴인식 시스템과 감정이 있는 검증영상에 대한 얼굴인식 시스템에 대한 실험 및 결과를 Ⅲ 장에서 설명하고 마지막으로 IV 장에서 결론을 논한다.
사회가 발달함에 따라 다양한 환경에서 감정이 있는 얼굴 영상이 얼굴인식 시스템에 접근할 것을 가정하여 감정이 있는 영상도 우수한 성능일 보일 수 있는 시스템을 제안하였다. 이 시스템은 무표정한 얼굴영상을 둥록영상으로 사용하고 검증영상에 대하여는 감정이 없는 무표정한 얼굴 영상과 감정이 있는 얼굴영상 즉 기罟 감정을 나타내는 얼굴 영상과, 슬픔 감정을 나타내는 얼굴영상, 화남 감정을 나타내는 얼굴영상을 사용하였다 감정이 있는 얼굴영상에 대하여도 강인한 시스템을 구현하기 위해 웨이블렛 변환을 사용하여 영상을 다해상도로 분해하고 퍼지 fished血를 이용하여 특징 벡터를 추* 출하였다 또한, 웨이블렛 변환을 적용하였을 때와 적용하지 않았을 때의 실험 비교로 웨이블렛 변환을 적용하였을 때에 대한 우수한 성능을 확인하였다.
이 시스템은 무표정한 얼굴영상을 둥록영상으로 사용하고 검증영상에 대하여는 감정이 없는 무표정한 얼굴 영상과 감정이 있는 얼굴영상 즉 기罟 감정을 나타내는 얼굴 영상과, 슬픔 감정을 나타내는 얼굴영상, 화남 감정을 나타내는 얼굴영상을 사용하였다 감정이 있는 얼굴영상에 대하여도 강인한 시스템을 구현하기 위해 웨이블렛 변환을 사용하여 영상을 다해상도로 분해하고 퍼지 fished血를 이용하여 특징 벡터를 추* 출하였다 또한, 웨이블렛 변환을 적용하였을 때와 적용하지 않았을 때의 실험 비교로 웨이블렛 변환을 적용하였을 때에 대한 우수한 성능을 확인하였다. 또한, 실험을 통해 제안한 특징벡터 추출 방법 퍼지 fisher㎛ce가 기존의 PCA, FLD 보다 우수한 성능율 보임을 확인 하였다.
첫 번째 실험은 무표정한 얼굴 입력 영상에 대하여 웨이블렛 변환으로 다해상도 분해를 하고 퍼지 flsherfkce를 이용하여 특징벡터를 획득한 후, 등록과정의 영상 특징 벡터와 검증과정의 영상 특징벡터로 사용했을 때의 얼굴인식 결과를 비교하였다. 또한 웨이블렛 변환을 적용하였을 때와 적용하지 않았을 때의 차이를 나타내기 위해 웨이블렛 변환적용 유(W.

대상 데이터

즉, 기쁨에 대해서 5장, 슬픔에 대해서 5장, 화남에 대해서 5장의 얼굴 영상을 취득하였다. 따라서 감정이 없는 100장의 등록 영상과 감정이 있는 300장의 검증영상을 위하여 제안된 방법의 성능을 평가하였으며, 그림 4는 사용된 등록영상과 검증 영상의 일부를 나타냈다[13].
사용된 얼굴 영상은 충북대학교 대학원생 (CBNU)으로 구성된 여자 10명과 남자 10명에 대하여 영상을 취득하였다. 취득한 입력영상의 크기는 640X480의 해상도를 갖는다.
그림 4. 얼굴인식에 사용된 무표정 얼굴 영상.
취득한 데이터 중에서 등록영상을 위해 감정이 없는 5장의 얼굴 영상과 감정별로 5장의 얼굴영상을 취득하였다. 즉, 기쁨에 대해서 5장, 슬픔에 대해서 5장, 화남에 대해서 5장의 얼굴 영상을 취득하였다. 따라서 감정이 없는 100장의 등록 영상과 감정이 있는 300장의 검증영상을 위하여 제안된 방법의 성능을 평가하였으며, 그림 4는 사용된 등록영상과 검증 영상의 일부를 나타냈다[13].
취득한 입력영상의 크기는 640X480의 해상도를 갖는다. 취득한 데이터 중에서 등록영상을 위해 감정이 없는 5장의 얼굴 영상과 감정별로 5장의 얼굴영상을 취득하였다. 즉, 기쁨에 대해서 5장, 슬픔에 대해서 5장, 화남에 대해서 5장의 얼굴 영상을 취득하였다.

이론/모형

3. Face Recognition using the fuzzy-Fishherface method.

성능/효과

또한, 그림 8(b)는 그림 8(a)와 동일한 설정으로 특징벡터를 얻기 위해 FLD를 이용한 경우 오인식 하는 결과를 보이고 있다. 마지막으로 그림 8(c)는 그림 8(a)와 동일한 설정으로 특징벡터를 추출하는 방법으로 퍼지 fisherf訟e를 이용한 경우 정확히 인식하는 결과를 보이고 있는 것으로 기존에 많이 사용되고 있는 방법보다 우수한 성능을 나타냄을 실험을 통해 확인할 수 있었다.
얻을 수 있음을 확인하였다. 또한, 감정에 따른 성능 결과로 화남 감정을 가지고 있을 때 가장 저조한 인식 성능을 보였으며 기쁨 감정을 가지고 있을 때 가장 큰 성능 향상을 얻었으며, 슬픔 감정에 대해 제안한 퍼지 fisherfhce와 웨이블렛을 적용했을 때 가장 높은 성능을 보임을 알 수 있었다.
이때, 감정이 있는 다양한 얼굴표정 영상에 대하여 감정을 노이즈로 간주할 때 감정이 있는 얼굴표정을 제외한 일반적인 얼굴영상을 스케일링함수에 의해 얻어진 영역으로 판단할 수 있다. 또한, 감정이 있는 얼굴표정영상에 대하여 웨이블렛 변환은 아주 작은 비트 율로 정보를 표현함에도 불구하고 영상의 전체적인 정보뿐만 아니라 얼굴의 윤곽과 같은 미세한 정보도 스케일 계수로 모두 유지 시킬 수 있는 방법이라 판단된다. 그리고 영상 계수들이 변환 전 영상의 위치정보를 포함하기 때문에 사용자가 원하는 영상정보를 변환 후에도 유지시킬 수 있는 방법으로 감정이 있는 얼굴영상에 대해서 다해상도 해석능력이 있는 웨이블렛 기법에 의해 얼굴을 대역별로 분해한 후, 저주파 대역에 존재하는 얼굴영상만을 퍼지 Fished血를 이용한 특징 벡터 추출방법을 적용하였다.
이 시스템은 무표정한 얼굴영상을 둥록영상으로 사용하고 검증영상에 대하여는 감정이 없는 무표정한 얼굴 영상과 감정이 있는 얼굴영상 즉 기罟 감정을 나타내는 얼굴 영상과, 슬픔 감정을 나타내는 얼굴영상, 화남 감정을 나타내는 얼굴영상을 사용하였다 감정이 있는 얼굴영상에 대하여도 강인한 시스템을 구현하기 위해 웨이블렛 변환을 사용하여 영상을 다해상도로 분해하고 퍼지 fished血를 이용하여 특징 벡터를 추* 출하였다 또한, 웨이블렛 변환을 적용하였을 때와 적용하지 않았을 때의 실험 비교로 웨이블렛 변환을 적용하였을 때에 대한 우수한 성능을 확인하였다. 또한, 실험을 통해 제안한 특징벡터 추출 방법 퍼지 fisher㎛ce가 기존의 PCA, FLD 보다 우수한 성능율 보임을 확인 하였다.
감정이 있는 얼굴은 기쁨 감정, 슬픔 감정, 화남 감정을 사용하였으며, 웨이블렛 변환을 적용하였을 때와 적용하지 않았을 때의 인식율을 비교하였다. 실험결과 첫 번째 실험, 무표정한 얼굴영상을 검증 영상으로 사용했을 때보다 전체적으로 저조한 인식성능을 보이고 있는 것으로 이는 감정이 있는 얼굴영상은 무표정한 얼굴 영상 보다 감정에 따른 변화가 존재함으로 감정이 있는 다양한 얼굴표정 영상에 대하여는 감정을 노이즈로 간주하기 때문이다. 이에, 스케일링함수에 의해 감정이 있는 얼굴표정을 제외하고 일반적인 얼굴영상을 얼굴의 윤곽과 같은 미세한 정보와 함께 유지시키면서 고유 얼굴영상에 대한 특징만 추출할 필요가 있다.
이때, 웨이블렛을 적용했을 때가 그렇지 않은 경우 보다 약 3T% 향상된 결과를 얻을 수 있었으며, 퍼지 fisherfece를 이용한 방법은 PCA와, FLD보다 최고 10% 향상된 결과를 얻을 수 있음을 확인하였다. 또한, 감정에 따른 성능 결과로 화남 감정을 가지고 있을 때 가장 저조한 인식 성능을 보였으며 기쁨 감정을 가지고 있을 때 가장 큰 성능 향상을 얻었으며, 슬픔 감정에 대해 제안한 퍼지 fisherfhce와 웨이블렛을 적용했을 때 가장 높은 성능을 보임을 알 수 있었다.
그리고 얼굴인식에서 넓이 사용되어지고 있는 PCA와 FLD를 이용한 방법에 대하여도 동일한 설정으로 시스템을 구현하고 실험하였다. 이때, 웨이블렛을 적용했을 때가 그렇지 않은 경우보다 약 5% 향상된 결과를 얻을 수 있었으며, 퍼지 Usherfee를 이용한 방법은 PCA와, FLD보다 약 2~3% 향상된 결과를 얻을 수 있음을 확인하였다. 즉, 퍼지 fisherface와 웨이블렛을 적용한 감정 변화가 없는 얼굴영상에 대한 얼굴인식 실험결과는 99%이상의 우수한 성능을 얻을 수 있었으며, 이와 같은 결과를 그림 5에 나타내었다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

감정이 있는 얼굴영상과 퍼지 Fisherface를 이용한 얼굴인식
Face Recognition using Emotional Face Images and Fuzzy Fisherface 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

감정이 있는 얼굴영상과 퍼지 Fisherface를 이용한 얼굴인식 Face Recognition using Emotional Face Images and Fuzzy Fisherface 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

고현주 (18) 전명근 (101)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

감정이 있는 얼굴영상과 퍼지 Fisherface를 이용한 얼굴인식
Face Recognition using Emotional Face Images and Fuzzy Fisherface 원문보기

AI 본문요약
AI-Helper