$\require{mediawiki-texvc}$

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.

LDA와 SVM을 이용한 얼굴 인식 시스템에 관한 연구
A Study on Face Recognition System Using LDA and SVM 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.10 no.11, 2015년, pp.1307 - 1314  

이정재 (송원대학교 컴퓨터정보학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 얼굴 인식을 위한 보다 안정적이며 조명 변화와 회전에 강인하게 얼굴 영역을 검출하며, 계산의 효율성과 검출 성능을 동시에 만족시키는 강인한 인식 알고리즘에 대해 제안한다. 제안하는 알고리즘은 전처리 과정을 거쳐 정규화한 후 얼굴 영역만을 분할 검출한 후 주성분분석(PCA)을 이용하여 특징벡터를 구한다. 또한 구해진 특징벡터를 SVM에 적용하여 최적의 이진분류를 진행함으로써 얼굴 영역에 대한 검증을 수행한다. 검증 후 특징벡터를 다시 LDA에 적용하여 2차원 공간상에서 유클리디안 거리 이용하여 최종 얼굴을 인식하게 된다. 본 논문에서 제안하는 방법으로 인식률의 안전성과 정확성을 향상시킬 수 있었으며, 차원 축소로 인해 많은 계산 량이 요구되지 않기 때문에 실시간 인식도 가능하다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This study proposed a more stable robust recognition algorithm which detects faces reliably even in cases where there are changes in lighting and angle of view, as well it satisfies efficiency in calculation and detection performance. The algorithm proposed detects the face area alone after normaliz...

주제어

#주성분분석   #선형판별분석   #서포트벡터머신   #얼굴 인식  

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 논문에서는 얼굴 인식을 위한 보다 안정적이며 조명 변화와 회전에 강인하게 얼굴 영역을 검출하며, 계산의 효율성과 검출 성능을 동시에 만족시키는 강인한 인식 알고리즘에 대해 제안한다. 제안하는 시스템은 전처리 과정을 거쳐 영상의 정규화를 진행하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
SVM은 무엇인가? SVM은 이진패턴 분류 문제를 해결하기 위해 제안된 학습방법으로 각 범주의 대표적인 특성을 갖는 벡터를 이용하여 최적의 초평면을 찾아서 두 범주를 분류하는 기법이다[4]. 초평면을 만드는 선형 분류기의 정의는 식(11)와 같다.
얼굴 인식 중 통계적 분류 접근 방식으로는 어떤 것들이 있는가? 생체인식 중에서도 얼굴 인식은 템플릿 매칭 접근, 통계적 분류 접근, 구문적 접근 및 신경망 접근 방법의 4가지 방법으로 분류할 수 있다. 이 중에서 통계적 분류방법으로 주성분 분석(: PCA)에 의한 얼굴 인식[2-3],[13], 서포트벡터머신(: SVM)에 의한 얼굴 인식[2],[4],[11], 선형판별분석(: LDA) 의한 얼굴 인식 [3],[5], 독립성분분석(: ICA)에 의한 얼굴 인식[6]과 신경망(: Neural Network)에 의한 얼굴 인식[7],[12] 등이 계산량이 적으므로 얼굴 인식에서 주류를 이루고 있다.
얼굴 인식은 어떤 방법으로 분류할 수 있는가? 인간의 행동을 분석[1]에 대해 다양한 분야에서 각각의 특성에 맞는 연구가 진행되고 있지만 그 중에서도 생체인식 분야가 주류가 된다고 해도 과언이 아닐 것이다. 생체인식 중에서도 얼굴 인식은 템플릿 매칭 접근, 통계적 분류 접근, 구문적 접근 및 신경망 접근 방법의 4가지 방법으로 분류할 수 있다. 이 중에서 통계적 분류방법으로 주성분 분석(: PCA)에 의한 얼굴 인식[2-3],[13], 서포트벡터머신(: SVM)에 의한 얼굴 인식[2],[4],[11], 선형판별분석(: LDA) 의한 얼굴 인식 [3],[5], 독립성분분석(: ICA)에 의한 얼굴 인식[6]과 신경망(: Neural Network)에 의한 얼굴 인식[7],[12] 등이 계산량이 적으므로 얼굴 인식에서 주류를 이루고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (13)

  1. R. C. Gonzalez and R. E. Woods, Digital Image Processing. Upper Saddle River. New Jersey 07458: Prentice Hall, 2002. 

  2. M. O. Faruqe and M. A. M. Hasan, "Face Recognition Using PCA and SVM", Anti-counterfeiting, Security, and Identification in Communication, 2009. ASID 2009. 3rd Int. Conf. on, Hong Kong, 20-22 Aug 2009, pp. 97-101. 

  3. J. Yang and J. Yang, "Why can LDA be performed in PCA transformed space?," Pattern Recognition vol. 36, no. 2 Feb 2003, pp. 563-566. 

    상세보기 crossref

  4. V. N. Vapnik, The Natue of Statistical Learning Theory. New York: Springer-verlag, 1995. 

  5. P. Liao, J. Liu, M. Wang, J. Ma, and W. Zhang, "Ensemble local fractional LDA for Face Recognition," Computer Science and Automation Engineering(CSAE), 2012 IEEE Int. Conf. on, Zhangjiajie, China vol. 3, 25-27 May 2012, pp. 586-590. 

  6. C. Liu and H. Wechsler, "Independent component analysis of Gabor feature for face recognition," IEEE Trans. Neural Networks, vol. 14, no. 4, July 2003, pp. 919-928. 

    상세보기 crossref

  7. S. E. El-Khamy, O. Abdel-Alim, and M. M. Saii, "Neural Network Face Recognition Using Statistical Feature Extraction," Radio Science Conf., 2000. 17th NRSC '2000. Seventeenth National, Minufiya, 22-24 Feb 2000, pp. C31/1-C31/8. 

  8. E. Osuna, R. Freund, and F. Girosi, "Training Support Vector Machines: An application ot face detection." Proc. IEEE. Computer Society Conference on. Computer Vision and Pattern Recognition(CVPR), San Juan, Puerto Reco. 17-19 Jun 1997, pp. 130-136. 

  9. J. C. Platt, "Sequential Minimal Optimization: A Fast Algorithm for Training Support Vector Machines," Microsoft Research Technical Report MSR-TR-98-14, Microsoft, Redmond Wash., January, 1998. 

  10. M.-H. Yang."Kernel Eigenfaces vs, Kernal Fisherfaces: Face Recognition Using kernal Methods, Automatrix Face and Gesture Recognition," 202, Proc. Fourth IEEE Int. Conf., Washinton D.C., U.S.A, 20-21 May 2002, pp. 0215. 

  11. H. Kim,"Vocal Separation in Music Using SVM and Selective Frequency Subtraction," J. of the Korea Institute of Electronic Communication Sciences, vol. 10, no. 1, 2015, pp. 1-6. 

    원문보기 상세보기 crossref

  12. J. Jo, "A Car License Plate Recognition Using Colors Information, Morphological Characteristic and Neural Network," J. of the Korea Institute of Electronic Communication Sciences, vol. 5, no. 3, 2010, pp. 304-308. 

  13. H. Park, A User Adaptation Method for Hand Shape Recognition Using Wrist-Mounted Camera," J. of the Korea Institute of Electronic Communication Sciences, vol. 8, no. 6, 2013, pp. 805-814. 

    원문보기 상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

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

저작권 관리 안내
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