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
- 이 연구의 목표는 안드로이드 폰과 지정된 임베디드 컨트롤러 간에 얼굴인식을 통해 출입관리 시스템을 구현하는 것으로, 출입문에는 카메라 등의 영상 인식장치가 없이 스마트폰의 카메라와 무선으로 연결된 임베디드 컨트롤러, 임베디드 컨트롤러와 블루투스로 연결 된 출입문 사이의 연동을 통해 출입관리를 하는 것이다.
제안 방법
- MATLAB에서 얼굴인식 알고리즘의 프로파일링 및 테스팅을 수행한 다음, 안드로이드에서 알고리즘을 구현하였다.
- 두 번째로, I/O 문제도 중요하다. MATLAB으로 작성된 KLT(Karhunen-Loeve Transform ), FLD(Fisher Linear Discriminant) 그리고 평균 얼굴 매트릭스 등의 텍스트 파일을 바이너리 파일로 작성하였다. DataInputStream을 사용하는 것이 텍스트에서 라인단위로 읽어 들이는 것보다 훨씬 빨랐다.
- 안드로이드 플랫폼에서 Fisherface, Eigenface 얼굴 인식 알고리즘을 개발하였으며 Fisherface가 Eigenface보다 더 효율적인 것으로 평가되어 Fisherface를 선택하였다. 가중치 매트릭스를 임베디드 컨트롤러에 저장하여, 고정 훈련 세트로 사용하였다.
- 우리의 경우 105개의 이미지를 사용하여, 104개의 고유벡터, 즉, 104 개의 고유얼굴이 구해진다. 고유값의 크기의 내림차순으로 정렬하였다. 첫 번째 25개의 고유얼굴을 그림 6에 나타내었다.
- 구현한 출입관리 시스템의 구성은 세 부분으로 나뉘는데, 먼저 얼굴검출 단계에서는 스마트폰에서 컬러 세그멘테이션(color segmentation), 형태학상 처리(morphological processing) 그리고 템플릿 매칭 알고리즘(template matching algorithm)을 적용하고, 임베디드 컨트롤러에서는 얼굴 인식을 위해 PCA(Principal Component Analysis)기반 Eigenface, LDA(Linear Discriminant Analysis)기반 Fisherface 얼굴 인식 알고리즘을 사용하며, 출입문 개폐를 위해서는 블루투스를 사용한다. 모든 알고리즘은 MATLAB에서 구현한 다음 스마트 폰 및 임베디드 컨트롤러로 이식하여 사용하였다. 구현된 전체적인 시스템의 구성도는 그림 1과 같이 지정된 무선랜을 검색하여(①), 스마트폰에서 촬영된 얼굴이미지를 지정된 무선랜(WIFI) 모듈을 경유, 임베디드 컨트롤러로 전송하면(②) 컨트롤러에서 얼굴인식을 처리하여, 블루투스로 구동되는 출입문의 개폐를 수행(③)하는 구조이다.
- 사용한 표준 템플릿은 그레이 이미지로 입력 이미지는 그레이 이미지로 변환되고 템플릿 이용 상호상관을 계산하였다. 그림 3과 같이 표준 템플릿은 어떤 회전(찌그러짐)도 없는 똑바른 얼굴이므로, 입력 이미지가 이와 같이 바르고 왜곡이 없을 때 템플릿 매칭이 잘 될 수 있다.
- 이리하여, 사용자 사용성이 최대가 되게 하는 것이다. 이 목표를 얻기 위해서, 고성능 해상도 카메라의 사진을 8의 배수로 나누어 해상도를 줄였다. 계산 시간은 전체 이미지에 비해 64배 빨라졌다.
- 이 프로젝트에서, 모바일 폰에서 얼굴 검출과 인식을 구현하기 위한 다양한 알고리즘을 조사하여 적용하였다. 얼굴 검출을 위해 컬러 세그멘테이션, 템플릿매칭을 사용했다.
대상 데이터
- 스마트폰을 이용한 얼굴인식 출입관리 시스템을 위해 스마트폰, 무선랜모듈, 임베디드 컨트롤러, 블루투스 모듈이 사용되었으며 각 사양은 표 1과 같다.
- 총 105개의 이미지를 사용하였고, 21개의 클래스(사람), 각 클래스 당 5개의 이미지를 사용하였다.
이론/모형
- 구현한 출입관리 시스템의 구성은 세 부분으로 나뉘는데, 먼저 얼굴검출 단계에서는 스마트폰에서 컬러 세그멘테이션(color segmentation), 형태학상 처리(morphological processing) 그리고 템플릿 매칭 알고리즘(template matching algorithm)을 적용하고, 임베디드 컨트롤러에서는 얼굴 인식을 위해 PCA(Principal Component Analysis)기반 Eigenface, LDA(Linear Discriminant Analysis)기반 Fisherface 얼굴 인식 알고리즘을 사용하며, 출입문 개폐를 위해서는 블루투스를 사용한다. 모든 알고리즘은 MATLAB에서 구현한 다음 스마트 폰 및 임베디드 컨트롤러로 이식하여 사용하였다.
- RGB, YCbCr 또는 HSV(hue, saturation, value) 같은 다양한 컬러스페이스가 사용될 수 있으며[4], Chai는 피부색을 검출하기 위해 색조(Hue)와 Cr을 사용하는 방법을 제안하였다[5]. 본 연구에서는 얼굴 인식 기법으로 널리 사용되는 두 기법인 Eigenface와 Fisherface 알고리즘[6, 7]을 사용하여 인식을 수행한다.
- 이 프로젝트에서, 모바일 폰에서 얼굴 검출과 인식을 구현하기 위한 다양한 알고리즘을 조사하여 적용하였다. 얼굴 검출을 위해 컬러 세그멘테이션, 템플릿매칭을 사용했다. 얼굴 검출 알고리즘에는 몇 가지 제한사항이 있는데, 배경색이 피부색과 유사한 경우 컬러 세그멘테이션 방법은 배경색과 피부색을 구분하기 어렵다.
- 템플릿매칭 알고리즘의 결과는 선택된 표준 템플릿(방향 등), 조명조건 등에 의존적이게 된다. 얼굴 인식을 위해 Eigenface와 Fisherface 알고리즘을 사용하여 얼굴인식에 사용하였다. 우리는 Eigenface를 사용했을 때 74.
- 얼굴인식단계의 첫 단계는 얼굴 검출이다. 컬러 세그멘테이션(color segmentation), 형태학상 처리(morphological processing) 그리고 템플릿 매칭 알고리즘(template matching algorithm)을 사용하여 얼굴검출을 수행 한다. 얼굴검출 처리 알고리즘을 모두 사용할 필요는 없으며, 주어진 조건하에서 빠르고 적절하게 수행되는 알고리즘을 찾는 것이 필요하다.
성능/효과
- LDA(Fisherface)와 PCA(Eigenface)의 정확도는 각각 87.15%, 74.5%로 LDA가 우수하다(그림 9). LDA와 PCA의 훈련시간(a)과 전체실행시간(b)은 LDA가 PCA에 비해 상대적으로 크지만 훈련세트를 미리 준비하여 임베디드 컨트롤러에 위치시키기 때문에 훈련시간에 문제가 되지 않는다(그림 10).
- 15%의 정확도를 보였으며, 후자가 더 나은 성능을 보였다. 끝으로, 얼굴인식알고리즘을 안드로이드에서 구현하여 표준 얼굴 검출 기능과 연동하였고 전체 얼굴 인식 시스템을 완성하였다.
- 안드로이드 플랫폼에서 Fisherface, Eigenface 얼굴 인식 알고리즘을 개발하였으며 Fisherface가 Eigenface보다 더 효율적인 것으로 평가되어 Fisherface를 선택하였다. 가중치 매트릭스를 임베디드 컨트롤러에 저장하여, 고정 훈련 세트로 사용하였다.
- 얼굴 인식을 위해 Eigenface와 Fisherface 알고리즘을 사용하여 얼굴인식에 사용하였다. 우리는 Eigenface를 사용했을 때 74.5%, Fisherface를 사용 시 87.15%의 정확도를 보였으며, 후자가 더 나은 성능을 보였다. 끝으로, 얼굴인식알고리즘을 안드로이드에서 구현하여 표준 얼굴 검출 기능과 연동하였고 전체 얼굴 인식 시스템을 완성하였다.
후속연구
- 향후연구로, IPCA (Incremental PCA for online learning)과 ILDA (Incremental LDA for online learning)을 적용하여 동적인 사용자 관리가 가능한 출입 관리 시스템으로 발전시키고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.