$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

비제약적 환경에서 얼굴 주요위치 특징 서술자 기반의 얼굴인식
Face Recognition Based on Facial Landmark Feature Descriptor in Unconstrained Environments 원문보기

정보과학회논문지 = Journal of KIISE, v.41 no.9, 2014년, pp.666 - 673  

김대옥 (연세대학교 컴퓨터과학과) ,  홍종광 (연세대학교 컴퓨터과학과) ,  변혜란 (연세대학교 컴퓨터과학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 비제약적 얼굴 데이터 베이스를 위한 확장성 있는 얼굴 인식 방법을 연구하고, 간단한 실험 결과를 소개한다. 기존의 얼굴 인식 연구들은 주로 조명, 얼굴 각도, 표정, 배경 등 제약이 있는 환경에서의 정확도 향상에 초점을 맞추고 있어서 비제약적 얼굴 데이터 베이스에 사용하기에 적합하지 않다. 제안하는 얼굴인식 방법은 비제약적 얼굴 인식을 위한 특징 추출 알고리즘으로, 먼저 지역적 특징이 존재하는 눈, 코, 입과 같이 얼굴의 중요한 특징을 나타내는 영역을 분리한다. 각 얼굴 주요 위치는 고차원의 다중 스케일 국부 이진패턴 히스토그램(Multi-scale LBP histogram) 특징 벡터로 기술된다. 단일 얼굴 주요 위치에 해당하는 다중 스케일 국부 이진패턴 히스토그램 특징 벡터는 주성분 분석법(PCA: Principal Component Analysis)과 선형 판별 분석법(LDA: Linear Discriminant Analysis)의 차원 축소 과정을 통해 저차원 얼굴 특징 벡터를 생성한다. 저차원 얼굴 특징 벡터는 랭크 획득과 Precision at k(p@k) 성능 평가 방법을 이용하여 제안한 알고리즘의 얼굴 인식 성능을 검증한다. 본 연구는 FERET, LFW 및 PubFig83 데이터 베이스를 이용하여 얼굴 인식 실험을 수행하였으며, 제안한 알고리즘을 이용한 얼굴 인식 방법이 기존의 방법보다 향상된 인식성능을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper proposes a scalable face recognition method for unconstrained face databases, and shows a simple experimental result. Existing face recognition research usually has focused on improving the recognition rate in a constrained environment where illumination, face alignment, facial expression...

주제어

#비제약적 얼굴 인식   #다중 스케일 국부 이진패턴 히스토그램   #얼굴주요위치   #특징차원축소  

참고문헌 (15)

  1. Rodriguez, Yann, and Sebastien Marcel, "Face authentication using adapted local binary pattern histograms," Computer Vision-ECCV 2006, Springer Berlin Heidelberg, pp. 321-332, 2006. 

  2. Liao, Shengcai, et al., "Learning multi-scale block local binary patterns for face recognition," Advances in Biometrics, Springer Berlin Heidelberg, pp. 828-837, 2007. 

  3. Wei Wang, Weimin Chen, Dongxia Xu, "Pyramid-based Multi-scale LBP Features for Face Recognition," 2011 International Conference on Multimedia and Signal Processing, 2011. 

  4. Cao, Zhimin, et al., "Face recognition with learning based descriptor," Computer Vision and Pattern Recognition, 2010 IEEE Conference on, IEEE, 2010. 

  5. Wu, Zhong, et al., "Scalable face image retrieval with identity-based quantization and multireference reranking," Pattern Analysis and Machine Intelligence, IEEE Transactions on, 33.10: 1991-2001, 2011. 

    상세보기 crossref

  6. D. Chen, X. Cao, F. Wen, and J. Sun, "Blessing of dimensionality: High dimensional feature and its efficient compression for face verification," Computer Vision and Pattern Recognition, 2013 IEEE Conference on. IEEE, 2013. 

  7. Turk, Matthew, and Alex Pentland, "Eigenfaces for recognition," Journal of cognitive neuroscience 3.1: 71-86, 1991. 

    상세보기 crossref

  8. Belhumeur, Peter N., Joao P. Hespanha, and David J. Kriegman, "Eigenfaces vs. fisherfaces: Recognition using class specific linear projection," Pattern Analysis and Machine Intelligence, IEEE Transactions on, 19.7: 711-720, 1997. 

    상세보기 crossref

  9. P. J. Phillips, H. Moon, P.J.Rauss, and S. Rizvi, "The FERET evaluation methodology for face recognition algorithms," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 22, No. 10, Oct. 2000. 

    상세보기

  10. Gary B. Huang, Manu Ramesh, Tamara Berg, Erik L. Miller, "Labeled Faces in the Wild: A Database for Studying Face Recognition in Unconstrained Environments," University of Massachusetts, Amherst, Technical Report 07-49, Oct. 2007. 

  11. Nicolas Pinto, Zak Stone, Todd Zickler, David D. Cox, "Scaling-up Biologically-Inspired Computer Vision: A Case-Study on Facebook," IEEE Computer Vision and Pattern Recognition, Workshop on Biologically Consistent Vision, 2011. 

  12. Uricar, Michal, Vojtech Franc, and Vaclav Hlavac, "Detector of facial landmarks learned by the structured output SVM," VISAPP: 547-556, 2012. 

  13. Ojala, Timo, Matti Pietikainen, and David Harwood, "A comparative study of texture measures with classification based on featured distributions," Pattern recognition 29.1: 51-59, 1996. 

    상세보기 crossref

  14. Neerj Kumar, Alexander C. Berg, Peter N. Belhumeur, and Shree K. Nayar, "Attribute and Simile Classifiers for Face Verification," International Conference on Computer Vision (ICCV), 2009. 

  15. Hyeonjoon Moon, P Jonathon Phillips, "Computational and performance aspects of PCA-based face-recognition algorithms," Perception-London, Vol. 30, pp. 303-321, 2001. 

    상세보기

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로