초록 ▼

금세기 중반 근대적 의미의 로봇에 대한 개념이 도입된 이래, 초기에는 인간의 모습과 흡사한 모습(humanoid)의 로봇을 꿈꾸어 왔다. 그러나 1970 년대부터 로봇이 산업용 로봇이라는 이름으로 대량생산을 위한 도구로 사용되면서 로봇은 단순히 메뉴플레이터(manipulator)로서 개념이 국한되었다. 그러나 미래에는 인간과 보다 친화적이며 상호적인 로봇이 출현할 것이라고 생각된다. 지난 20 여 년간 빠른 컴퓨터 칩의 등장에 힘입어 여러 연구자들에 의하여 다각 보행로봇, 호핑로봇, 그리고 단순한 형태의 곡예로봇, 인간형 로봇, 애

금세기 중반 근대적 의미의 로봇에 대한 개념이 도입된 이래, 초기에는 인간의 모습과 흡사한 모습(humanoid)의 로봇을 꿈꾸어 왔다. 그러나 1970 년대부터 로봇이 산업용 로봇이라는 이름으로 대량생산을 위한 도구로 사용되면서 로봇은 단순히 메뉴플레이터(manipulator)로서 개념이 국한되었다. 그러나 미래에는 인간과 보다 친화적이며 상호적인 로봇이 출현할 것이라고 생각된다. 지난 20 여 년간 빠른 컴퓨터 칩의 등장에 힘입어 여러 연구자들에 의하여 다각 보행로봇, 호핑로봇, 그리고 단순한 형태의 곡예로봇, 인간형 로봇, 애완동물로봇 등에 관한 연구가 끊이지 않았다. 이러한 연구는 미래의 인간화된 혹은 인간과 쉽게 접촉하며 인간을 도울 수 있는 로봇의 구현을 궁극적 목표로 하고 있다. 이러한 응용을 위해서는 특정 서비스를 원하는 사용자를 구별하며, 그 사용자에 맞는 차별화된 서비스를 제공하는 것이 중요하며. 또한 보안이나 감시 서비스를 로봇이 제공하고자 하는 경우에도 특정 사람을 인지하거나 다른 사람과 구별하는 얼굴 인식 능력이 필수적으로 요구된다. 보안 분야에서도 얼굴 인식은 중요한 하나의 생체 정보로 인식, 이용되고 있으며 많은 연구가 진행 되고 있다. 얼굴 인식 시스템은 잠재적으로 많은 응용분야를 가지고 있다. HRI(human robot interaction), 공항, 터미널 등에서의 사람 인식, 빌딩에서 방범 또는 보안 장소 출입시 신분 인증등 실제 생활에서 여러가지로 이용될 수 있는 분야이며 이전부터 많은 연구가 진행되고 있다. 얼굴 인식 시스템은 몇가지 구성요소로 이루어진다. 얼굴을 인식하기 위해서는 얼굴 검출, 얼굴 추적, 얼굴 인식의 구성 용소가 필요하며, 실제로 얼굴 인식 시스템을 구현하기 위해선 강인한 얼굴 검출과 추적 시스템이 선행되어야 한다. 얼굴 인식 단계에서의 인식이 얼굴 검출 단계에서 검출된 얼굴 이미지를 입력으로 하기 때문에 얼굴의 회전이나 거리 이동에 의해 생기는 얼굴 이미지의 변화에도 균일한 얼굴 영역을 검출할 수 있어야 한다. 이는 인식단의 입력으로써 인식률에 크게 영향을 미치는 요소이다. 사람의 얼굴은 여러 요인에 따라 다양한 변화를 보이게 된다. 보통 많은 지능형, 서비스 로봇이 실내 환경을 가정하고 있는데 이런 환경에서는 주위의 조명에 따라 얼굴 이미지의 변화가 생기게 되며, 사람의 머리 모양에 따른 얼굴의 가림, 시간이 지남에 따른 얼굴의 변화등으로 인해 같은 사람 일지라도 얼굴의 변화는 심하게 된다. 보안 혹은 사용자 인증을 위해서는 인식에서 사용하는 학습 데이터 베이스 내의 사람과 데이터 베이스 외의 사람을 구분할 필요성이 생기게 되는데 로봇이 이러한 서비스를 제공하고자 한다면 반드시 고려해야 하는 부분이다. 이렇게 다양한 요소를 지니는 얼굴 인식을 강인하고 짧은 시간내에 연속된 프레임을 처리하는 알고리즘의 개발의 필요성을 느끼게 된다.

목차 Contents

• 표지...1
• 제출문...4
• 목차...5
• 제 1 장 서 론...7
• 1.1 개발의 배경 및 필요성...7
• 1.2 연구 동향...8
• 1.3 연구 내용 및 목표...9
• 제 2 장 얼굴 검출 및 추적(Face Detection & Tracking)...11
• 2.1 얼굴 검출 및 추적 (Face Detection & Tracking System)의 구조...12
• 2.2 얼굴 후보 영역 추출(Extracting Candidate Region)...13
• 2.2.1 피부색 모델링 & 필터링 (Skin Color Modeling St Filtering)...13
• 2.3 AdaBoost 알고리즘을 이용한 얼굴 검출...16
• 2.3.1 사각 특징점 (Rectangle Feature)...16
• 2.3.2 Integral Image...17
• 2.3.3 AdaBoost 알고리즘...19
• 2.3.4 AdaBoost 알고리즘을 이용한 얼굴 검출...21
• 2.4 평균이동 알고리즘을 이용한 얼굴추적...22
• 제 3 장 얼굴 인식 (Facial Recognition)...25
• 3.1 얼굴 인식 시스템 (Facial Recognition System)의 구조...26
• 3.2 자동 얼굴 등록 (Automatic Face Registration)...27
• 3.3 FLD 를 이용한 얼굴 인식 (Fisher Linear Discriminant)...28
• 3.3.1 2 클래스 인식 (Binary Class Recognition)...28
• 3.3.2 멀티 클래스 인식 (Muti Class Recognition)...30
• 3.4 오픈-셋 얼굴 인식 (Open-set Face Recognition)...31
• 3.4.1 마할라노비스 거리 (Mahalanobis Distance)...34
• 제 4 장 얼굴 인식 시스템 구성 및 실험 결과...35
• 4.1 실험 환경...35
• 4.2 얼굴 인식 실험 결과...37
• 4.2.1 자동 얼굴 등록...37
• 4.2.2 멀티클래스 인식...39
• 4.2.2.1 10 클래스 인식...39
• 1) Mode1...39
• 2) Mode2...41
• 3) Mode3...43
• 4.2.2.2 20 클래스 인식...46
• 4.2.2.3 20 클래스 정지 영상 인식 실험...48
• 4.2.3 모바일 환경을 가정한 얼굴 인식...49
• 4.2.4 회전을 가지는 얼굴 인식...51
• 4.2.5 알고리즘 처리 속도...53
• 제 5 장 결론...54
• 부록. Source code...60