AAM과 가버 특징 벡터를 이용한 강인한 얼굴 인식 = Robust face recognition using AAM and gabor feature vectors|RISS 상세보기

국문 초록 (Abstract)

본 논문에서는 AAM(Active Appearance Model)과 가버 특징 벡터를 이용한 얼굴 인식 시스템을 제안한다. 가버 특징 벡터를 사용하는 대표적인 얼굴 인식 알고리즘인 EBGM(Elastic Bunch Graph Matching)은 가버 특징 벡터를 추출하기 위해 얼굴 특징점들의 검출을 필요로 한다. 그런데, EBGM에서 사용되는 얼굴 특징점 검출 방법은 가버젯 유사도에 기반하는데 이는 초기점에 민감하다. 잘못된 특징점 검출은 얼굴 인식에 영향을 미친다. 한편, AAM은 얼굴 특징점 검출에 효과적인 것으로 알려져 있다. 본 논문에서는 AAM으로 얼굴 특징점들을 대략적으로 추정하고 추정된 특징점들을 초기점으로 하여 가버젯 유사도 기반 특징점 검출방법으로 특징점 검출을 정교화하는 얼굴 특징점 검출 방법과 이에 기반한 얼굴 인식 시스템을 제안한다. 또한 기존의 EBGM에서의 얼굴 인식 시스템을 보다 안정하고 실제 응용에 적합하도록 하기 위해 다중 해상도 가버 특징 벡터 기반 눈 검출 방법, Anisotropic Smoothing 기반 개선된 조명 전처리 방법 및 SVM 기반 허용/거부 판별법을 제시하고 적용하였다. 실험을 통해 제안된 얼굴 인식 시스템이 기존의 EBGM의 얼굴 인식 시스템보다 더 나은 성능 개선을 보임을 확인하였다.

번역하기

본 논문에서는 AAM(Active Appearance Model)과 가버 특징 벡터를 이용한 얼굴 인식 시스템을 제안한다. 가버 특징 벡터를 사용하는 대표적인 얼굴 인식 알고리즘인 EBGM(Elastic Bunch Graph Matching)은 가버...

다국어 초록 (Multilingual Abstract)

In this paper, we propose a face recognition system using AAM and Gabor feature vectors. EBGM, which is prominent among face recognition algorithms employing Gabor feature vectors, requires localization of facial feature points where Gabor feature vectors are extracted. However, localization of facial feature points employed in EBGM is based on Gabor jet similarity and is sensitive to initial points. Wrong localization of facial feature points affects face recognition rate. AAM is known to be successfully applied to localization of facial feature points. In this paper, we propose a facial feature point localization method which first roughly estimate facial feature points using AAM and refine facial feature points using Gabor jet similarity-based localization method with initial points set by the facial feature points estimated from AAM, and propose a face recognition system based on the proposed localization method. Additionally, we propose and apply a robust eye localization method using multi-scale gabor feature vectors, an illumination preprocessing algorithm method based on anisotropic smoothing, and an accept/reject distinction method based on SVM in order to we make an existing face recognition system in EBGM more stable and appropriate to the practical application. It is verified through experiments that the proposed face recognition system performs better than the conventional face recognition system only like EBGM.

번역하기

목차 (Table of Contents)

國文抄錄 = vi
英文抄錄 = vii
제1장 서론 = 1
1.1 얼굴 인식의 필요성 = 1
1.2 얼굴 인식 현황 = 2

國文抄錄 = vi
英文抄錄 = vii
제1장 서론 = 1
1.1 얼굴 인식의 필요성 = 1
1.2 얼굴 인식 현황 = 2
1.3 기존 연구의 문제점 = 4
1.4 연구의 목적 및 연구의 내용 = 6
1.5 논문의 구성 = 8
제2장 배경 이론 = 8
2.1 가버 특징 벡터 기반 얼굴 특징점 검출 = 8
2.1.1 가버 웨이블렛, 가버젯 및 가버젯 유사도 = 8
2.1.2 모델 번치 그래프(Model Bunch Graph) = 10
2.1.3 가버젯 유사도에 기반한 얼굴 특징점 검출 = 11
2.2 AAM(Active Appearance Model) 기반 얼굴 특징점 검출 = 13
2.2.1 AAM 모델링 = 14
2.2.2 AAM 검출(Fitting) = 17
2.3 Anisotropic Smoothing 기반 조명 전처리 = 20
2.4 SVM(Support Vector Machine) = 24
제3장 제안하는 얼굴 인식 시스템 = 29
3.1 얼굴인식 시스템의 개요 = 29
3.2 모델링 과정 = 30
3.2.1 눈 검출 = 30
3.2.2 기하학적 정규화 = 39
3.2.3 AAM 모델 구성 = 41
3.2.4 EBGM 모델 구성 = 41
3.3 등록 과정 = 42
3.3.1 특징점 검출 = 42
3.3.2 조명 전처리 = 44
3.3.3 가버 특징 벡터 추출 = 51
3.3.4 특징 벡터 Database = 52
3.4 인증 과정 = 52
3.4.1 유사성 측정 = 52
3.4.2 SVM 기반 허용/거부 판별법 = 53
제4장 실험 및 결과 = 55
4.1 실험의 개요 = 55
4.2 눈 검출의 개선에 대한 검증 = 56
4.2.1 실험환경 = 56
4.2.2 실험 결과 = 59
4.3 특징점 검출의 개선에 대한 검증 = 66
4.3.1 실험 환경 = 66
4.3.2 실험 결과 = 68
4.4 제안 조명 전처리에 의한 얼굴 인식 개선 효과 = 72
4.4.1 실험 환경 = 72
4.4.2 실험 결과 = 78
4.5 SVM 기반 허용/거부 판별법에 기반한 얼굴 인증 실험 = 79
4.5.1 실험 환경 = 79
4.5.2 실험결과 = 83
제5장 결론 = 84
참고문헌 = 85

상세검색

RISS 보유자료

상세검색

해외전자자료

AAM과 가버 특징 벡터를 이용한 강인한 얼굴 인식 = Robust face recognition using AAM and gabor feature vectors

부가정보

분석정보

연관 공개강의(KOCW)

이 자료와 함께 이용한 RISS 자료

나만을 위한 추천자료