트렌드 매칭을 이용한 얼굴 인식 기법
A Novel Face Recognition Method using Trend Matching
- 주제(키워드) 얼굴인식
- 발행기관 고려대학교 대학원
- 지도교수 고성제
- 발행년도 2012
- 학위수여년월 2012. 2
- 학위구분 석사
- 학과 일반대학원 메카트로닉스협동과정
- 원문페이지 40 p
- 실제URI http://www.dcollection.net/handler/korea/000000033268
- 본문언어 한국어
- 제출원본 000045696031
초록/요약
얼굴 인식 기법은 컴퓨터 비전과 패턴 인식 분야에서 중요한 연구 분야이다. 최근에는 스마트폰에서 사용자를 인증하거나 멀티미디어 앨범에서의 다양한 활용으로 인해 더욱 필요한 기술이 되고 있다. Eigenface나 DCT pyramid와 같은 다양한 특징벡터(feature vector)를 이용하는 기법들이 기존에 연구되어 왔다. 하지만 이러한 방법들은 사람의 자세나 표정, 조명의 조건에 매우 민감하기 때문에 얼굴 인식에 자주 실패하게 된다. 이 논문에서는 트렌드 벡터를 이용한 얼굴 인식 기법을 제안한다. 트렌드 벡터의 각 요소들은 한 다른 특징벡터들과의 거리를 의미한다. 제안하는 기법은 단순히 기준 특징 벡터(reference feature vector)와의 거리로 인식 결과를 도출하지 않고 앞서 말한 트렌드 벡터를 사용하기 때문에 다른 조건하에서도 더 정확한 얼굴 인식을 보여준다.
more초록/요약
Automatic human face recognition has been a significant research area in computer vision and pattern recognition. In recent years, with the rapid popularization of smart phones, face recognition technique is becoming indispensable, because this is useful for various mobile applications, such as identification of human authentication, a multimedia album. Conventional face recognition methods using various features such as Eigenface and DCT pyramid have been introduced. However, these methods often fail to recognize faces correctly since they are very sensitive to changes in poses, expressions, and lighting conditions. In this paper, we propose a novel face recognition method using the trend vector whose elements are the average distances from the feature vector of a person to all the other persons in a database. Since the proposed method does not exploit distances from the probed feature vector to reference feature vectors but uses the trend vector, it shows more accurate face recognition performance even for face images under different conditions, as compared to the conventional methods.
more목차
목 차
1. 서 론 ................................................................................... 1
2 기존의 얼굴 인식 기법 ................................................... 4
2.1 특징 추출 기법 ...................................................................... 4
2.1.1 Eigenface .......................................................................... 4
2.1.2 Histogram of Oriented Gradients ......................................... 6
2.1.3 DCT Pyramid .................................................................... 7
2.2 분류기 ................................................................................... 10
2.2.1 Adaboost ........................................................................... 10
2.2.2 SVM ................................................................................. 14
3. 트렌드 매칭을 이용한 얼굴 인식 알고리듬 .............. 19
3.1 개요 ...................................................................................... 19
3.2 학습 과정 .............................................................................. 20
3.3 분류 과정 .............................................................................. 22
4. 실험 결과 ........................................................................... 24
5. 결론 ..................................................................................... 30
참고문헌 .................................................................................. 31
