[논문]SKL 알고리즘을 이용한 얼굴인식 후보의 점진적 등록

한학용; 이생목; 곽부동; 최원태; 강봉순

SKL 알고리즘을 이용한 얼굴인식 후보의 점진적 등록
Sequential Registration of the Face Recognition candidate using SKL Algorithm 원문보기

信號處理·시스템學會論文誌 = Journal of the institute of signal processing and systems, v.11 no.4, 2010년, pp.320 - 325

한학용 (동아대학교) , 이생목 (동아대학교) , 곽부동 ((주)삼성모바일디스플레이) , 최원태 ((주)잠생모바일디스플레이) , 강봉순 (동아대학교)

초록
AI-Helper

본 논문은 주성분 분석을 이용하는 얼굴인식 시스템에서 인식후보를 점진적으로 등록하기 위한 방법과 절차에 관한 연구이다. 점진적인 주성분 갱신 방법으로 R-SVD알고리즘을 변형한 SKL 알고리즘을 이용한다. SKL 알고리즘을 이용하면 주성분을 이용하는 얼굴 인식의 문제점으로 지적되어 왔던 인식 후보의 점진적 증가에 따른 재학습 문제를 해결할 수 있다. 또한 이 방법은 밝기 변화에 견고한 객체 트랙킹 분야에도 이용될 수 있다. 본 논문에서는 얼굴인식 시스템에서 SKL 알고리즘을 이용하여 주성분을 점진적으로 갱신하며 적용하는 절차를 제안하고, 표준 KL 변환에 의하여 주성분을 일괄적으로 계산하는 결과와 얼굴 인식성능을 비교한다. 그리고 SKL 알고리즘에 포함된 망각 인자(forgetting factor)가 얼굴인식 성능에 미치는 효과를 실험적으로 확인한다.

Abstract ▼ AI-Helper

This paper is about the method and procedure to register the candidate sequentially in the face recognition system using the PCA(Principal Components Analysis). We use the method to update the principal components sequentially with the SKL algorithm which is improved R-SVD algorithm. This algorithm enable us to solve the re-training problem of the increase the candidates number sequentially in the face recognition using the PCA. Also this algorithm can use in robust tracking system with the bright change based to the principal components. This paper proposes the procedure in the face recognition system which sequentially updates the principal components using the SKL algorithm. Then we compared the face recognition performance with the batch procedure for calculating the principal components using the standard KL algorithm and confirms the effects of the forgetting factor in the SKL algorithm experimentally.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 R-SVD 알고리즘을 개선한 SKL 알고리즘을 이용하여 주성분 분석을 이용한 얼굴인식의 문제점으로 지적되어 왔단 일괄학습을 개선하여 점진적 학습이 가능하도록 하였다. 제안된 알고리즘은 얼굴인식에서 후보자 얼굴이 추가되는 경우에 적용한 결과, 표준 KL 방법에 의한 일괄 학습 후 인식하는 경우와 대등한 결과를 얻율 수 있었다.
본 논문은 주성분을 이용하는 얼굴인식과 얼굴검출에 대하여 점진적인 학습이 필요한 첫 번째 문제점을 극복하기 위한 연구이다. 기존의 학습 결과 생성된 주성분에 새로운 후보 얼굴의 정보가 포함된 주성분으로 갱신하기 위한 점진적인 학습 방법으로 SKL 알고리즘 이용하고, 이를 얼굴인식에 적용하는 절차와 기존의 일괄학습에 의한 방법과 성능을 비교한다.
기저를 갱신한다. 이 과정에서 이전 데이터에 대한 기여도를 조정하기 위한 인자값으로 망각인자 (forgetting factor)를 정의하고 그 값을 설정할 수 있도록 제안하고 있다. 그림4는 망각인자를 0.

제안 방법

SKL 알고리즘을 이용하여 점진적으로 고유 얼굴을 구할 경우, 초기5명에 대한 고유 얼굴 초기값은 표준 KL에 의한 일괄학습의 결과와 동일하다. 그러나 추가 등록되는 후보 얼굴에 대하여는 일괄학습과 같이 전체 후보 얼굴에 대한 고유얼굴을 구하지 않고, SKL 알고리즘으로 이미 계산되어 등록된 고유 얼굴에 새로이 등록될 후보 얼굴만을 추가하여 고유얼굴이 점진적으로 갱신되도록 한다. 일괄학습과 점진적 학습에 대한 복잡도와 요구되는 메모리는 표준 KL을 이용할 경우, 크기 M인 7V개의 이미지 데이터에 대하여 복잡도가 O(M7V2)이고 요구되는 메모리유니트가 0(#)인데 비하여 SKL 알고리즘을 이용할 경우, 복잡도가 O(tWK)이고 요구되는 메모리 유니트가 0(#)로 복잡도와 요구되는 메모리 유니트가 적어지는 것으로 보고되어 있다[12].
서로 비교하였다. 그리고 SKL 알고리즘에 포함된 망각인자가 얼굴 인식 성능에 미치는 효과를 실험적으로 확인하였다.
시작한다. 그리고 매 단계에서 다음 열 블록이 추가되고 분할 R-SVD 알고리즘을 이용하여 SVD를 갱신하여 계산한다. KL기저에 저차원 근사화만 관심이 있으므로, 알고리즘은 갱신된 U행렬에서 열인 기저 벡터와 매우 작은 특이값과 관련된 기저 벡터들은 제거하여 기저 벡터의 수에 제한을 한다.
연구이다. 기존의 학습 결과 생성된 주성분에 새로운 후보 얼굴의 정보가 포함된 주성분으로 갱신하기 위한 점진적인 학습 방법으로 SKL 알고리즘 이용하고, 이를 얼굴인식에 적용하는 절차와 기존의 일괄학습에 의한 방법과 성능을 비교한다.
본 장에서는 점진적으로 얼굴 인식 후보수를 증가시키면서 주성분을 갱신하며 얼굴인식을 수행하는 절차를 제시하고 표준 KL 변환에 의하여 일괄적으로 주성분을 계산하는 경우와 인식 성능을 서로 비교하였다. 그리고 SKL 알고리즘에 포함된 망각인자가 얼굴 인식 성능에 미치는 효과를 실험적으로 확인하였다.

대상 데이터

실험에 사용한 얼굴 데이터베이스는 0RL 얼굴DB ( Cambridge ORL DB)를 이용하였다. 이 DB는 40명당 10장씩 총 400장으로 구성되어 있다[17].
ORL DB)를 이용하였다. 이 DB는 40명당 10장씩 총 400장으로 구성되어 있다[17]. 그림1은 각 얼굴에 부여된 인덱스 중 1번 인덱스 대한 이미지 집합이다.
적용한 경우의 인식 결과는 표1과 같다. 일괄 학습과 점진적 학습 모두에 200 PCs의 주성분을 사용하였다. 그리고 DB에서 개인별로 5장은 등록용으로 이용하고, 나머지 5장은 시험용으로 이용하였다.

이론/모형

현재까지의 얼굴인식 연구에서 사용되는 방법은 크게 두 가지 방법으로 접근하고 있다. 한 가지 접근법은 얼굴의 특징점에 기반한 방법으로 PCA(Principal Cononents Analysis), LDA(Linear Discriminabt Analysis), ICA(Independent Component Analysis) 알고라즘을 아용한다. 또 다른 하나의 접근법은 얼굴 생김새 (Appearance) 에 기반한 접근법으로 능동적으로 얼굴의 윤곽을 추출하는 빙법인 (Active Shape Model) [2]과 이를 개선한 AAMCActive &earance Model)[3] si 리고 EBGMCElastic Bunch Graph Matching)과 같은 알고리즘이 이러한 접근법에 속한다.

성능/효과

표현하고 갱신하는 과정을 반복한다. 제안된 알고리즘은 R-SVD 알고리즘을 개선한 분할 R-SVD 알고리즘으로 M>>N인 경우에 유효하다. 이 방법은 계산 복잡도는 대부분 QR 재구성에서 포함되며, SVD 계산과 갱신 과정의 복잡도는 무시할 수 있는 정도이다.
하였다. 제안된 알고리즘은 얼굴인식에서 후보자 얼굴이 추가되는 경우에 적용한 결과, 표준 KL 방법에 의한 일괄 학습 후 인식하는 경우와 대등한 결과를 얻율 수 있었다. 이 방법을 검출 및 트래킹 분야에 적용할 경우에 얼굴인식에서 이용하는 고유얼굴과 같은 고유객체를 일반 환경과 같은 외부 밝기가 변하는 환경에서도 적응적으로 고유객체를 섕성하는 처리가 가능하게 되므로 보다 안정적인 실시간 검출과 트랙킹이 가능할 것으로 예상된다.

후속연구

제안된 알고리즘은 얼굴인식에서 후보자 얼굴이 추가되는 경우에 적용한 결과, 표준 KL 방법에 의한 일괄 학습 후 인식하는 경우와 대등한 결과를 얻율 수 있었다. 이 방법을 검출 및 트래킹 분야에 적용할 경우에 얼굴인식에서 이용하는 고유얼굴과 같은 고유객체를 일반 환경과 같은 외부 밝기가 변하는 환경에서도 적응적으로 고유객체를 섕성하는 처리가 가능하게 되므로 보다 안정적인 실시간 검출과 트랙킹이 가능할 것으로 예상된다.

참고문헌 (17)

Y. Adini, Y. Moses, and S. Ullman, "Face Recognition: The Problem of Compensating for Changes in Illumination Direction," IEEE Trans. on Pattern Anal. and Mach. Intel., Vol. 19, No. 7 pp.721-732. July 1997.

상세보기
T. F. Cootes, C. J. Taylor, D. H. Cooper, J. Graham, "Active Shape Models? Their Training and Application," Computer Vision and Image Understanding, Vol. 61, No.1, pp. 38-59, Jan. 1995.

상세보기
T. Cootes, G. Edwards, and C. Taylor, "Active Appearance Models," IEEE Trans. on Pattern Anal. and Mach. Intel., Vol. 23, No.6, pp. 681-685, June 2001.

상세보기
M. Kirby and L. Sirovic, "Application of the Karhunen-Loeve Procedure for the Characterization of Human Faces," IEEE Trans. on Pattern Anal. Mach. Intel., Vol. 12, No.1, pp. 103-108. Jan. 1990.

상세보기
M. Truk and A. Pentland, "Eigenfaces for Recognition," Journal of Cognitive Neuroscience, Vol. 3, No.1, pp. 71-86, 1991.

상세보기
한학용, 장원우, 하주영, 허강인, 강봉순, "학습 알고리즘을 이용한 AF용 ROI선택과 영역 안정화 방법", 한국신호처리시스템학회 논문지, 제10권 4호, pp.233-238, 2009.10.

원문보기 상세보기
이성진, 장원우, 최원태, 김석찬, 강봉순, "적목현상 특징을 이용한 적목현상 보정 알고리즘 및 하드웨어 구현", 한국신호처리시스템학회 논문지, 제10권 3호, pp.151-157, 2009.7.

원문보기 상세보기
A. D. Jepson, D. J. Fleet, and T. F. EI-Maraghi, "Robust Online Appearance Models for Visual Tracking," IEEE Trans. on Pattern Anal. and Mach. Int. Vol. 25, No. 10, pp. 1296-1311, Oct. 2003.

상세보기
R. S. Lin, D. Ross, J. Lim, and M. H. Yang, "Adaptive discriminative generative model and its applications," In Proc. Cong. on Neural Infonnation Processing Systems, pp. 801-808, MIT Press, 2005.
I. Matthews, T. Ishikawa, and S. Baker, "The template update problem," IEEE Trans. on Pattern Anal. and Mach. Int., Vol. 26, No.6, pp. 810-815, June 2004.

상세보기
P. Hall, D. Marshall, and R. Martin, "Adding and subtracting eigenspaces with eigenvalue decomposition and singular value decomposition," Image and Vision Computing, Vol. 20, Issues 13-14, pp. 1009-1016, Dec. 2002.

상세보기
A. Levyand M. Lindenbaum, "Sequential Karhunen-Loeve Basis Extraction and its Application to Images," IEEE Trans. on Image Proc., Vol. 9, No.8, pp. 1371-1374, Aug. 2000.

상세보기
D. Ross, ]. W. Lim, R. S. Lin, and M. H. Yang, "Incremental Learning for Robust Visual Tracking," International Journal of Computer Vision, Vol. 77, No.1, pp 125-141, May 2008.

상세보기
D. Ross, J. W. Lim, and M. H. Yang, "Adaptive Probabilistic Visual Tracking with Incremental Subspace Update," Proc. 8th European Conference on Computer Vision, Vol 3022 of Lecture Notes in Computer Science, Springer, pp. 470-482, May 2004.
D. Comaniciu, V. Ramcsh, and P. Meer, "Kernel-Based Object Tracking," IEEE Trans. on Pattern Anal. and Mach. Int., Vol. 25, No.5, pp. 564-577, May 2003.

상세보기
P. Hall, D. Marshall, and R. Martin, "Incremental Eigen Analysis for Classification." British Machine Vision Conference, pp. 286-295, May 1998.
CBCL Face Data Set: http://cbcl.mit.edu/software-datasets/

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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