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.
제안 방법
- 한 사람당 10장씩 있는 40명의 ORL(400장)데이터에 본 논문이 제안한 전처리 과정을 수행 하여 인식률을 평가하였다. 다른 전처리 성능과 비교하기 위해 얼굴 윤곽선 안쪽으로 눈, 코, 입을 포함하는 정사각형 영역을 잘라 배경을 제거하는 방법도 같이 실험하였다. 두 가지 카테고리의 전처리 영상을 PCA[2]변환을 통하여 특징을 추출하고 갤러리와 프로브의 비율을 5:5로 하여[3] K-NN 분류기로 인식하였다, 표2는 각 전처리 영상에 대한 인식률을 평가한 것으로 제안한 전처리기가 인식률을 향상시켰음을 볼 수 있다.
- 대부분의 노이즈가 짧고 복잡한 모서리로 구성된 눈, 코, 입과 주변에서 발생하므로 타원 필터로도 대부분의 노이즈가 제거 되었으나 타원이 미치지 못하는 공간의 노이즈도 제거하기 위해 사이즈 필터링으로 특정 크기의 윈도우 안에 모두 포함되는 점들을 모두 제거하는 기법을 사용하였다. 그림3.
- 그러나, 이러한 전처리 방법은 개인을 인식하는데 큰 정보로 활용되는 얼굴 윤곽 정보를 상실한다는 문제점이 있다. 본 논문에는 특정 카테고리 영상에 대하여 형태학적 정보를 고려하는 몰폴로지 연산자의 특성을 이용하여 다양한 방향의 직곡선이 혼합된 얼굴 윤곽선을 추출하고 노이즈제거시 손실된 모서리를 스플라인 곡선 보간기법을 이용하여 보간하는 전처리 과정을 제안한다. 또한 제안한 전처려를 거친 얼굴 데이터에 대하여 인식률 실험의 결과를 보고함으로써 제안하는 방법이 얼굴인식 성능을 크게 향상시킬 수 있음을 보일 것이다.
- 본 논문에서는 기존에 가장 많이 사용되었던 수직, 수평방향의 그래디언트만을 사용한 모서리 검출기와 달리 structuring element의 모양에 따라 원하는 형태의 모서리를 강조하여 형태학적 모서리를 검출하였다. 얼굴 윤곽선이 매우 다양한 직, 곡선이 혼합된 모서리이기 때문에 다양한 각도의 사선을 검출하기 위해 모든 방향의 얼굴 윤곽 모서리를 잘 검출할 수 있는 5×5크기의 12개의 structuring element 를 디자인하였다.
- 본 알고리즘은 얼굴 영상과 눈의 위치를 입력으로 받아 그레이 영상으로 변환한 후 이에 대한 얼굴 마스크를 만들고 원영상에 생성한 얼굴 마스크를 씌우는 방법으로 얼굴영역을 추출한다, 마스크 생성은 세 단게로 구성되는데 첫번 째 단계에서 형태학적 모서리 검출기를 통하여 얼굴의 윤곽선을 검출하고 두번 째 단계에서 타원 필터와 싸이즈 필터를 적용하여 윤곽선 안쪽의 얼굴 면적을 확보하고 마지막 단계로 스플라인 곡선으로 턱선을 보간함으로써 가장 제거 되지 않는 목 부분도 배경과 함께 제거한다.
- 이러한 문제를 Spline 곡선으로 보간함으로써 해결하였다. 얼굴 마스크에서 귀 밑부분 이하의 모든 끝점은 턱선으로 간주하여 이 점들의 X , y 좌표를 이용하여 새로운 턱선을 추청하였다. 이때 모든 점을 정확하게 통과하는 곡선으로 보간을 할 경우 노이즈의 영향으로 받아 턱선이 매끄럽지 못하므로 데이터에 대하여 확실치를 주어 곡선을 추정하는 방법을 사용하였다.
- 본 논문에서는 기존에 가장 많이 사용되었던 수직, 수평방향의 그래디언트만을 사용한 모서리 검출기와 달리 structuring element의 모양에 따라 원하는 형태의 모서리를 강조하여 형태학적 모서리를 검출하였다. 얼굴 윤곽선이 매우 다양한 직, 곡선이 혼합된 모서리이기 때문에 다양한 각도의 사선을 검출하기 위해 모든 방향의 얼굴 윤곽 모서리를 잘 검출할 수 있는 5×5크기의 12개의 structuring element 를 디자인하였다. 그림2.
- 얼굴 마스크에서 귀 밑부분 이하의 모든 끝점은 턱선으로 간주하여 이 점들의 X , y 좌표를 이용하여 새로운 턱선을 추청하였다. 이때 모든 점을 정확하게 통과하는 곡선으로 보간을 할 경우 노이즈의 영향으로 받아 턱선이 매끄럽지 못하므로 데이터에 대하여 확실치를 주어 곡선을 추정하는 방법을 사용하였다. 그림 6의 a)는 확실치를 1로 주어 모든점을 통과한 곡선이고 b)는 불확실치를 0.
- 이러한 방법은 얼굴 안쪽에서부터 마스크를 생성하기 때문에 배경의 복잡성에 전혀 영향을 받지 않는다. 추출된 얼굴 마스크의 윤곽을 매끄럽게 하기 위해 합영상에서 볼록점을 제거할 때 사용한 개방형 사이즈 필터를 그림4.b)와 같이 배경과 전경을 바꾸어 적용하여 마스크의 오목점을 제거하였다.
- 한 사람당 10장씩 있는 40명의 ORL(400장)데이터에 본 논문이 제안한 전처리 과정을 수행 하여 인식률을 평가하였다. 다른 전처리 성능과 비교하기 위해 얼굴 윤곽선 안쪽으로 눈, 코, 입을 포함하는 정사각형 영역을 잘라 배경을 제거하는 방법도 같이 실험하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.