특징 벡터 공간 기반의 얼굴 영상 인식
Face image recognition based of feature vector space
- 주제(키워드) EILDA 알고리즘
- 발행기관 부산대학교 대학원
- 지도교수 차의영
- 발행년 2003
- 학위수여년월 2003. 8
- 학위명 박사
- 학과 및 전공 멀티미디어협동과정
- 논문 페이지 97
- 본문언어 한국어
Abstract/초록/요약
얼굴 인식은 데이터 수집에 있어 용이하고, 광범위한 분야에 적용할 수 있기 때문에 최근 활발한 연구가 진행되고 있다. 얼굴 인식에 사용되는 얼굴 영상은 그 고차원적 특성으로 인해 데이터 처리가 용이하지 않다. 본 논문에서는 이러한 문제를 전체 데이터에서 특징을 추출함으로써 해결하고자 한다. 본 논문은 칼라로 획득된 얼굴 영상을 영상 개선과 그레이 영상 변환을 한 단계로 통합한 얼굴 인식 전처리 과정에서 처리한 후, 기존의 LDA 알고리즘을 개선한 방법으로 특징 벡터를 추출하고 추출된 특징벡터를 유사도 측정 방법에 의해 인식을 수행하는 EILDA(Enhanced Integrated Linear Discriminant Analysis) 얼굴 인식 알고리즘을 제안한다. 제안된 EILDA 알고리즘은 두 부분으로 나뉘어진다. 첫째로는 칼라 영상을 그레이 영상으로 변환할 때 RGB 세 개의 플레인의 평균이 아닌 세 플레인의 주성분을 사용하는 PCA(Principal Component Analysis)를 적용한다. PCA는 칼라 영상을 그레이 영상으로 변환하는 과정과 인식률을 높이기 위한 영상 대비 개선 과정이 동시에 수행한다. 두 번째로는 PCA와 LDA(Linear Discriminant Analysis) 방식을 하나의 과정으로 통합하는 개선된 통합 LDA 방법이다. 두 과정을 통합함으로서 간결한 알고리즘 표현이 가능하며 분리된 단계에서 있을 수 있는 정보 손실을 방지할 수 있다. EILDA 알고리즘은 잘 제어된 대용량 얼굴 데이터베이스에서 개인을 확인하는 분야에 적용되어 성능을 향상시키고 있음을 보여주었고, 추후에는 실시간 상황에서 특정 개인을 확인하는 분야의 기초 알고리즘으로 적용될 수 있다.
moreAbstract/초록/요약
Face Recognition has been an active research area because it is not difficult to acquire face image data and it is applicable in wide range area in real world. Due to high dimensionality of a face image space, however, it is not easy to process the face images. In this dissertation, it will be solved using the method which extracts the features from holistic face images. This Dissertation proposed the EILDA(Enhanced Integrated Linear Discriminant Analysis) algorithm which performs the image enhancement, transforms from a color image to gray image in one procedure, and extracts the features from the gray images, then classifies the features with the similarity measure. The proposed algorithm consists of two parts. First, in case of transformation from color image to gray image, PCA(Principal Component Analysis) is performed to enhance the image contrast to raise the recognition rate. Second, integrated LDA(Linear Discriminant Analysis) integrates the two steps, namely PCA for dimensionality reduction and LDA for discrimination. It makes possible to describe concise algorithm expression and to prevent the information loss in separate steps. To validate the proposed method, the algorithm is implemented and tested on well controlled face databases. The result shows that the proposed method performs efficiently. Therefore, it can be applied as a basic algorithm in face recognition in real time recognition.
more목차
1 서론 = 1
1.1 연구배경 = 1
1.2 연구목적 = 3
1.3 연구내용 = 5
2 관련 연구 및 이론적 배경 = 9
2.1 관련연구 = 9
2.2 영상의 전처리 = 14
2.2.1 영상 잡음 제거 = 15
2.2.2 영상 대비 개선 = 17
2.3 Active Contour를 통한 얼굴영역 검출 = 19
2.3.1 개요 = 19
2.3.2 Active Contour = 20
2.3.3 Mumford-Shah함수와 개선된 Active Contour = 21
2.4 주성분 분석을 통한 얼굴 영상 데이터 표현 = 25
2.4.1 개요 = 25
2.4.2 주성분 분석 기법 = 26
2.4.3 주성분 분석과 얼굴 인식 = 27
2.5 선형 판별 분석(LDA) = 37
2.5.1 개요 = 37
2.5.2 선형판별 분석 기법 = 39
2.5.3 선형판별 분석과 얼굴 인식 = 40
2.6 유사도 측정 = 46
3 EILDA 얼굴인식 알고리즘 = 48
3.1 개요 = 48
3.2 PCA를 이용한 칼라 영상 변환 = 50
3.3 개선된 통합 LDA 알고리즘 = 56
4 실험 및 결과 분석 = 63
4.1 개요 = 63
4.2 실험 결과 및 분석 = 64
4.2.1 NR랩 얼굴 데이터베이스에 대한 실험 및 분석 = 64
4.2.2 통합 LDA 알고리즘의 실험 및 분석 = 70
5 결론 및 향후 과제 = 81
참고문헌
Abstract
