$\require{mediawiki-texvc}$

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.

[국내논문] 얼굴영상의 얼굴인식 적합성 판정 방법
A Method for Determining Face Recognition Suitability of Face Image 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.19 no.11, 2018년, pp.295 - 302  

이승호 (한국기술교육대학교 융합학과)

초록
AI-Helper 아이콘AI-Helper

얼굴인식(face recognition)은 스마트 감시 시스템, 공항 출입국관리, 스마트 기기의 사용자 인증 등 매우 다양한 용도로 활용되고 있다. 얼굴인식은 패턴인식(pattern recognition), 컴퓨터 비전(computer vision) 등에서 연구가 활발하게 진행되고 있으며 높은 인식 성능을 달성하였다. 하지만 입력된 얼굴영상의 특성(예 : 비 정면 얼굴)에 따라 동일한 얼굴인식 시스템의 성능이 크게 저하될 수 있는 문제점을 가지고 있다. 이러한 문제점을 극복하기 위해, 본 논문에서는 얼굴인식 시스템에 입력된 얼굴영상에 대하여 얼굴인식 측면에서의 사용 적합 여부를 판정하는 방법을 제안한다. 제안하는 방법은, 사전에 기준으로 정한 적합 얼굴영상들의 최적 조합으로 입력 얼굴영상을 복원하고, 복원 에러를 문턱값과 비교하여 사용 적합 여부를 결정한다. 얼굴영상에 포함된 조명변화가 사용 적합 여부를 판정하는데 미치는 영향을 감소시키기 위해, 기준 적합 얼굴영상들과 입력 얼굴영상들에 조명 보상을 위한 전처리(preprocessing) 과정을 수행한다. 실험결과, 제안하는 방법은 얼굴이 비 정면(non-frontal)인 경우나 얼굴정렬(face alignment)이 부정확한 경우 입력 얼굴영상을 얼굴인식에 부적합으로 판정할 수 있는 것으로 확인되었다. $64{\times}64$ 픽셀 크기의 얼굴영상 한 장을 판정하는데 불과 3ms의 처리시간을 가지므로 적합으로 판정된 입력 얼굴영상에 대해서만 얼굴인식을 수행함으로써 계산시간을 절약하고, 얼굴영상 특성에 따라 인식 성능이 급격히 저하되는 문제를 극복할 수 있을 것으로 기대한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Face recognition (FR) has been widely used in various applications, such as smart surveillance systems, immigration control in airports, user authentication in smart devices, and so on. FR in well-controlled conditions has been extensively studied and is relatively mature. However, in unconstrained ...

Keyword

#Face Recognition   #Face Image   #Edge Image   #Computer vision   #Least square method  

표/그림 (8)

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 얼굴인식 시스템에 입력된 얼굴영상에 대하여 얼굴인식 측면에서의 사용 적합 여부를 판정하는 방법을 제안한다. 제안하는 방법은 실시간 처리가 가능하며, 적합성 판정 시 얼굴 각도 뿐만 아니라 정렬 정확성도 고려하는 것을 목표로 한다.
  • 본 논문에서는 얼굴인식 시스템에 입력된 얼굴영상에 대하여 얼굴인식 측면에서의 사용 적합 여부를 판정하는 방법을 제안한다. 제안하는 방법은 실시간 처리가 가능하며, 적합성 판정 시 얼굴 각도 뿐만 아니라 정렬 정확성도 고려하는 것을 목표로 한다. 제안 방법은 사전에 기준(reference)으로 정한 적합 얼굴영상들의 최적 조합으로 입력 얼굴영상을 복원하고, 복원 에러를 문턱값과 비교하여 사용 적합 여부를 결정한다(복원 에러가 작을수록 얼굴 퀄리티가 높음을 의미).
  • 본 논문에서는 얼굴인식 시스템에 입력된 얼굴영상에 대해 얼굴인식 측면에서 적합한지 여부를 자동으로 판정하는 방법을 제안하였다. 제안하는 방법에서는 입력 얼굴영상의 얼굴이 비 정면이거나 정렬이 부정확한 경우그 정도를 수치로 표현할 수 있어서 적합성 판정에 즉시 활용할 수 있다.

가설 설정

  • 조명변화 보정용 전처리는 제안하는 판정 방법의 강인성을 위한 것으로서 세부적인 목적은 두 가지이다. 첫째, 얼굴영상들 사이에 존재하는 조명 변화의 영향을 감소시킨다. 둘째, 눈, 코, 입의 형상(appearance)을 강조시켜 그들의 위치가 부각되도록 하여 얼굴의 정면 여부 분석과 정렬의 정확성 분석에 중요한 특징으로 활용될 수 있도록 한다.
  • 4)의 최적 조합으로 입력 얼굴영상을 얼마나 신실하게(faithfully) 복원(reconstruction)하는지에 기반한다. 만약 기준 적합 얼굴영상들의 최적 조합으로 복원한 결과 복원 에러가 작다면 입력 얼굴영상은 얼굴인식에 적합할 가능성이 높고, 복원 에러가 크다면 적합하지 않을 가능성이 높다고 가정한다.
  • 8은 얼굴정렬이 부정확하게 적용된 입력 얼굴영상 5개에 대한 영상 복원 결과를 나타낸다. 얼굴정렬이 부정확한 현상은 얼굴의 양쪽 눈과 같은 특징점들의 위치가 정확하게 검출되지 않은 경우에 발생한다. Fig.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
얼굴인식 기술은 어디에 활용되고 있는가? 얼굴인식(face recognition)은 스마트 감시 시스템, 공항 출입국관리, 스마트 기기의 사용자 인증 등 매우 다양한 용도로 활용되고 있다. 얼굴인식은 패턴인식(pattern recognition), 컴퓨터 비전(computer vision) 등에서 연구가 활발하게 진행되고 있으며 높은 인식 성능을 달성하였다.
얼굴인식 시스템에서 문제를 야기할 수 있는 상황은? 하지만 입력된 얼굴영상의 특성에 따라 동일한 얼굴인식 시스템의 성능이 크게 저하될 수 있는 문제점을 가지고 있다[1]. 예를 들어, 인식대상이 카메라를 정면으로 응시하지 않는 경우 비 정면 얼굴영상도 취득될 수 있다. 이 때 만약 데이터베이스에 등록된 얼굴영상들이 모두 정면이라면 얼굴 각도의 불일치에 의해 얼굴인식 정확도가 낮아질 가능성이 높다.
얼굴인식 기술이란? 얼굴인식은 카메라를 통해 입력 영상이 취득되었을 때 입력 영상 속 얼굴과 시스템 내에 등록된 데이터베이스와의 대조를 통해 사람을 식별하는 기술이다[1]. 얼굴인식은 스마트 감시시스템, 공항 출입국관리, 스마트 기기의 사용자 인증 등 매우 다양한 용도로 활용되고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (11)

  1. G. Hua, M. H. Yang, E. Learned-Miller, Y. Ma, M. Turk, D. J. Kriegman, T. S. Huang, "Introduction to the special section on real-world face recognition", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.33, No.10, pp.1921-1924, 2011. DOI: https://dx.doi.org/10.1109/TPAMI.2011.182 

    상세보기 crossref

  2. A. Eleyan, H. Ozkaramanli, H. Demirel, "Weighted majority voting for face recognition from low resolution video sequences", Proceedings of 2009 Fifth International Conference on Soft Computing, Computing with Words and Perceptions in System Analysis, Decision and Control, Sept., 2009. DOI: https://dx.doi.org/10.1109/ICSCCW.2009.5379496 

  3. X. Gao, S. Z. Li, R. Liu, P. Zhang, "Standardization of Face Image Sample Quality", Proceedings of International Conference on Biometrics 2007: Advances in Biometrics, pp.242-251, 2007. DOI: https://dx.doi.org/10.1007/978-3-540-74549-5_26 

  4. J. Sang, Z. Lei, and S. Z. Li, "Face Image Quality Evaluation for ISO/IEC Standards 19794-5 and 29794-5", Proceedings of International Conference on Biometrics 2009: Advances in Biometrics, pp.229-238, Springer, 2009. DOI: https://dx.doi.org/10.1007/978-3-642-01793-3_24 

  5. J. Chen, Y. Deng, G. Bai, G. Su, "Face Image Quality Assessment Based on Learning to Rank", IEEE Signal Processing Letters, Vol.22, No.1, pp.90-94, 2015. DOI: https://dx.doi.org/10.1109/LSP.2014.2347419 

    상세보기 crossref

  6. H. Wang, Y. Wang, Y. Cao, "Video-Based Face Recognition: A Survey", World Academy of Science, Engineering and Technology, International Journal of Computer, Electrical, Automation, Control and Information Engineering, Vol.3, No.12, pp.293-302, 2009. 

  7. M. Krasser, "Deep face recognition with Keras, Dlib and OpenCV", Available From: http://krasserm.github.io/2018/02/07/deep-face-recognition/ 

  8. Wikipedia, "Nearest-Neighbor Interpolation", Available From: https://en.wikipedia.org/wiki/Nearest-neighbor_ interpolation 

  9. Wikipedia, "Gaussian blur", Available From: https://en.wikipedia.org/wiki/Gaussian_blur 

  10. L. Zhang, M. Yang, X. C. Feng, Y. Ma, D Zhang, "Collaborative Representation Based Classification for Face Recognition", arXiv:1204.2358, 2012. 

  11. P. J. Phillips, H. Moon, S. A. Rizvi, P. J. Rauss, "The FERET Evaluation Methodology for Face Recognition Algorithms", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.22, No.10, pp.1090-1104, 2000. DOI: https://dx.doi.org/10.1109/34.879790 

    상세보기 crossref

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 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