초록 ▼

본 연구에서는 PCA 와 LDA 혼합 알고리즘을 이용한 얼굴의 특징 추출과 추출된 얼굴 영상의 특징 벡터들을 고속 학습하고, 각 영상의 최적의 특징을 구성할 수 있는 해마 신경망 모델링 알고리즘(Hippocampus neuron modeling algorithm)을 이용한 실시간 RFID 얼굴인식 시스템을 제안하고자 한다. 이 시스템은 추출된 얼굴 영상의 특징 벡터들을 각각의 사용자의 태그에 저장하고 개인 인증 시 얼굴 영상의 입력과 비교 및 판독에 사용하도록 한다. 태그의 생체정보와 입력 얼굴영상에서 추출한 특징벡터가 일치하여야만

본 연구에서는 PCA 와 LDA 혼합 알고리즘을 이용한 얼굴의 특징 추출과 추출된 얼굴 영상의 특징 벡터들을 고속 학습하고, 각 영상의 최적의 특징을 구성할 수 있는 해마 신경망 모델링 알고리즘(Hippocampus neuron modeling algorithm)을 이용한 실시간 RFID 얼굴인식 시스템을 제안하고자 한다. 이 시스템은 추출된 얼굴 영상의 특징 벡터들을 각각의 사용자의 태그에 저장하고 개인 인증 시 얼굴 영상의 입력과 비교 및 판독에 사용하도록 한다. 태그의 생체정보와 입력 얼굴영상에서 추출한 특징벡터가 일치하여야만 Database 에 접근이 가능하며, 만약 하나라도 만족하지 못하면 인증은 실패한다. 이는 날로 세계화되어 가는 비즈니스 환경 및 전자상거래 뿐만 아니라 높은 보안을 요구하는 곳의 입·출입 통제에 보다 강력하고 안전한 개인 인증 기술로 사용될 수 있을 것이다.

Abstract ▼

We studied the face verification system using Hippocampal neuron modeling algorithm which can remodel the hippocampal neuron as a principle of a man's brain in engineering, then it can learn the feature vector of the face images very fast and construct the optimized feature each image. The system is

We studied the face verification system using Hippocampal neuron modeling algorithm which can remodel the hippocampal neuron as a principle of a man's brain in engineering, then it can learn the feature vector of the face images very fast and construct the optimized feature each image. The system is composed of two parts mainly. One is feature extraction using NMF and LDA mixture algorithm and the other is hippocampal neuron modeling and recognition simulation experiments confirm the each recognition rate, that are face changes, pose changes and low-level quality image.

목차 Contents

• 제출문 ...1
• 요약문 ...2
• SUMMARY ...10
• 목차 ...12
• Contents ...14
• 표목차 ...16
• 그림목차 ...17
• 제1장 서론 ...20
• 제2장 연구의 목적 및 중요성 ...22
• 연구의 목적 ...22
• 연구의 중요성 ...22
• 제3장 연구의 구성 및 범위 ...25
• 제4장 연구내용 및 결과 ...27
• 제1절 얼굴 검출 ...27
• 1. 얼굴 영역 검출의 개요 ...27
• 2. 피부색 검출에 사용되는 컬러모델 ...30
• 3. 얼굴 영역 검출 구현 ...37
• 가. 움직임 검출 ...37
• 나. 컬러 정보를 이용한 얼굴색 검출 ...38
• 다. 얼굴 후보 영역 레이블링 ...40
• 라. 후보 영역에서의 눈, 입 위치 검출 ...41
• 마. 얼굴 후보 영역의 정규화 및 마스크 처리 ...45
• 제2절 특징벡터 계산 ...46
• 1. NMF(Non-negative Matrix Factorization) ...46
• 2. PCA(Principal Component Analysis) ...50
• 3. LDA(Linear Discriminants Analysis) ...51
• 4. NMF와 LDA를 혼합한 특징 계산 방법 ...51
• 제3절 특징벡터 학습 및 인식 ...54
• 1. 해마신경망 모델과 구현 ...54
• 2. 신경회로망(Neural Networks) ...63
• 3. Support Vector Machines (SVM) ...67
• 4. Hidden Markov Model (HMM) ...69
• 제4절 RFID 시스템 ...72
• 1. RFID 시스템 개요 ...72
• 2. 리더-태그 시스템 구성 요소 ...72
• 3. RFID와 스마트카드 ...78
• 4. RFID 시스템의 차별화 특성 ...79
• 5. 표준화 ...83
• 6. 인증 프로토콜 ...99
• 7. RFID를 이용한 얼굴인식 시스템의 구성 ...102
• 8. 시스템 설계 ...103
• 제5절 인증 시스템 구현 ...106
• 1. 실험 자료 ...106
• 2. 실험 방법 ...108
• 3. 실험을 통한 성능 테스트 ...110
• 제6절 결론 ...124
• 참고문헌 ...126
• 제5장 활용에 대한 건의 ...130
• 제6장 기대 효과 ...131
• 부록 ...133
• 연구결과실적물 ...133