[논문]SVM을 이용한 얼굴 인상 분석

장경식; 우영운

문제 정의

이 논문에서는 얼굴 정면 영상을 사용하여 한의학에서 사상체질 진단을 위하여 사용하는 얼굴의 인상을 패턴인식 기법을 이용하여 효과적으로 판정하는 방법을 제안하였다. 얼굴 영상에 108개의 특징점 (feature point)을 지정하고 특징점들의 조합으로 눈, 턱, 얼굴 형태 등에 대한 18개의 특징(feature)을 지정하였다.
이 논문에서는 얼굴 영상을 사용하여 얼굴의 인상을 효과적으로 판정하는 방법을 제안하였다. 주성분 분석법과 선형 판별 분석법을 이용하여 얼굴 특징의 판별력을 높이고 SVM을 적용하여 얼굴 영상에 대한 인상을 판정하였다.

제안 방법

이는 한의학 용어로 사상체질이라 부르며, 사람은 태양인, 태음인, 소양인, 소음인인 4가지 체질로 구분된다. 이 원리를 바탕으로 한의사는 사람의 체질을 먼저 판별하고 병을 진단하며 각 체질에 따른 처방을 한다.
방법을 제안하였다. 얼굴 영상에 108개의 특징점 (feature point)을 지정하고 특징점들의 조합으로 눈, 턱, 얼굴 형태 등에 대한 18개의 특징(feature)을 지정하였다. 선형 판별 분석법(LDA , Linear Discriminant Analysis)을 이용하여 특징 벡터 사이의 클래스 분리를 최대로 한 후에 SVM(Support Vector Machine)을 이용하여 사상체질판정에 사용되는 8가지 얼굴 인상을 판정하였다.
얼굴 영상에 108개의 특징점 (feature point)을 지정하고 특징점들의 조합으로 눈, 턱, 얼굴 형태 등에 대한 18개의 특징(feature)을 지정하였다. 선형 판별 분석법(LDA , Linear Discriminant Analysis)을 이용하여 특징 벡터 사이의 클래스 분리를 최대로 한 후에 SVM(Support Vector Machine)을 이용하여 사상체질판정에 사용되는 8가지 얼굴 인상을 판정하였다.
인상 1과 인상 2는 태양인 판정을 위한 것, 인상 3과 인상 4는 소양인 판정을 위한 것, 인상 5와 인상 6은 태음인 판정을 위한 것이며, 인상 7과 인상 8은 소음인 판정을 위한 것이다. 이 논문에서는 (그림 1)과 같이 108개의 특징점을 지정하였으며, 이러한 특징점을 이용하여 (표 1)의 내용을 기반으로 얼굴 인상 판정을 위하 얼굴 특징을 (표 2)와 같이 정하였으며, 눈 특징에서 각도는 양 눈 끝점을 잇는 직선과의 각도이다.
이 논문에서는 얼굴의 특징을 나타내는 입력데이터에 SVM을 적용하여 얼굴 인상을 판정하였다. 클래스들리 상호 겹치며 분포하고 있어 입력데이터에 직접 SVM을 적용하면 구분이 매우 어렵기 때문에 입력 데이터를 LDA 변환한 후에 SVM을 적용하였다.
클래스들리 상호 겹치며 분포하고 있어 입력데이터에 직접 SVM을 적용하면 구분이 매우 어렵기 때문에 입력 데이터를 LDA 변환한 후에 SVM을 적용하였다. LDA 방법에서 클래스내 분산 행렬 S妒은 일반적으로 비정칙 행렬(singular matrix)인 경우가 많다.
특충], 특징벡터의 수가 각 클래스의 데이터 수보다 매우 많은 경우 클래스 내 분산 행렬 Sme 비정칙행렬이 되기 때문에 (식 7)에서 변환행렬을 구할 수 없게 되어 LDA를 사용할 수 없다. 이 논문에서는 이러한 상황을 방지하기 위하여 PCA를 적용하여 특징벡터의 차원을 줄인 후 LDA를 적용하고 SVM을 적용하였다. 즉, 학습 데이터와 실험 데이터를 (식 17)을 이용하여 PCA 변환한 후, (식 18)을 이용하여 LDA 변환후, SVM을 적용하였다.
이 논문에서는 이러한 상황을 방지하기 위하여 PCA를 적용하여 특징벡터의 차원을 줄인 후 LDA를 적용하고 SVM을 적용하였다. 즉, 학습 데이터와 실험 데이터를 (식 17)을 이용하여 PCA 변환한 후, (식 18)을 이용하여 LDA 변환후, SVM을 적용하였다.
제안한 인상 판정 기법을 검증하기 위하여 사용한 피험자들의 얼굴 사진은 불루 스크린을 배경으로 동일한 거리에 카메라를 두고 정면 사진을 찍었다. 얼굴의 특징점 108개는 데이터 영상에 수동으로 입력하였다.
데이터의 수가 적기 때문에 한 데이터를 실험 영상으로 하고 나머지 데이터를 학습영상으로 사용하는 방법으로 모든 데이터에 대한 얼굴 인상판정을 수행하였다. (표 4)는 전체 판정결과이다.
(표 4)는 전체 판정결과이다. 전문가가 인상을 판정할 때 사용한 특징은 눈과 턱 부분 외에도 코와 관골 형태 등을 종합적으로 사용하여 판정한다. 그러나 이 논문에서는 정량화가 용이한 눈과 턱 부분만의 형태를 특징으로 사용하였기 때문에 그 부분의 형태를 기준으로 결과를 분석하였다.
전문가가 인상을 판정할 때 사용한 특징은 눈과 턱 부분 외에도 코와 관골 형태 등을 종합적으로 사용하여 판정한다. 그러나 이 논문에서는 정량화가 용이한 눈과 턱 부분만의 형태를 특징으로 사용하였기 때문에 그 부분의 형태를 기준으로 결과를 분석하였다.
인상 2의 경우에 눈빛이 강하다는 특징이 있으나 제안한 방법에서 사용한 특징인 눈의 형태를 기준으로 분석을 하였다. 전문가는 “아니다”로 판정하였으나 제안한 방법에서는 "그렇다''로 판정하는 경우는 눈끝이 올라가거나 눈이 옆으로 찢어진 얼굴에서 발생하였다.
제안하였다. 주성분 분석법과 선형 판별 분석법을 이용하여 얼굴 특징의 판별력을 높이고 SVM을 적용하여 얼굴 영상에 대한 인상을 판정하였다. 여러 얼굴 영상에 대해 실험한 결과 한의사가 판정한 결과 의약 85.

대상 데이터

찍었다. 얼굴의 특징점 108개는 데이터 영상에 수동으로 입력하였다. 데이터로 사용한 얼굴 영상에 대해 사상체질 전문의 한의사가 각 인상에 대한 판정을 하였다.

성능/효과

분석을 하였다. 전문가는 “아니다”로 판정하였으나 제안한 방법에서는 "그렇다''로 판정하는 경우는 눈끝이 올라가거나 눈이 옆으로 찢어진 얼굴에서 발생하였다. 인상 3의 경우 얼굴이 각 진형이고 눈끝이 올라간다는 특징이 있으며, 전문가는 “아니다"로 판정하였으나 제안한 방법에서는 "그렇다''로 판정하는 경우가 얼굴형이 각진 형이나 눈끝이 내려간 얼굴에서 발생하였다.
주성분 분석법과 선형 판별 분석법을 이용하여 얼굴 특징의 판별력을 높이고 SVM을 적용하여 얼굴 영상에 대한 인상을 판정하였다. 여러 얼굴 영상에 대해 실험한 결과 한의사가 판정한 결과 의약 85.3%의 정확도를 가지는 판정결과를 얻었다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] SVM을 이용한 얼굴 인상 분석
Facial Impression Analysis Using SVM 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] SVM을 이용한 얼굴 인상 분석 Facial Impression Analysis Using SVM 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] SVM을 이용한 얼굴 인상 분석
Facial Impression Analysis Using SVM 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper