타원형 정보와 웨이블렛 패킷분석을 이용한 얼굴 검출 및 인식

Abstract

[한글]최근 들어 얼굴 검출 및 인식 기술은 개인의 정보 보호 및 신원 확인에 의해 발전하고 있다. 얼굴 검출의 방법은 신체적인 접촉이 적고, 사람 얼굴의 특이성 때문에 다양한 방법으로 오류율이 적고 검출 및 인식이 정확하도록 최근 10여년간 발전하고 있다.//얼굴 검출 및 인식 분야는 영상신호처리, 영상 분할, 신경회로망 또는 통계적 /패턴인식 기술등을 종합하는 기술로서 선진 외국의 경우, 기업은 물론 정부 심지어 국제 협력기구의 주도와 지원하에 1970년대부터 학제적 공동연구가 본격 전개 되기 시작하였으며 현대 유럽의 경우 여러 국가에서 공동으로 연구 단체를 구성하여 얼굴영상처리에 대한 대규모 프로젝트가 진행중이며 그간 개발되어 기술이 일부 실용화에 근접한 단계에 있다. 이런 상황에서 본 논문에서는 퓨리에 변환과 다른 시간적, 주파수 해석이 가능한 웨이블렛 변화를 통해 얼굴 검출과 인식하는 알고리즘을 제시한다.//웨이블렛은 1983년 Moret에 의해 소개된 이후 퓨리에 변환과 달리 시간 영역/과 주파수 영역을 동시에 해석할수 있다는 장점을 가지고 신호를 분석하고 해석하는데 효과적인 수학적 도구로 알려져, 순수 수학분야로부터 지표면 분석 영상처리 및 음성처리 같은 신호처리등 폭넓게 연구되고 있다. Wavelet 변화는 퓨리에변환에 기반을 둔 기존의 신호처리 알고리즘에 비해 속도가 빠르고 시간과 주파수 영역에서 신호의 국소화를 효율적으로 구현하기 때문에, /최근 신호 및 영상처리 분야영상개선 및 에지검출 기법, 영상재생, 영상압축등/에서 많이 응용되고 있고 얼굴 검출 및 인식분야에서도 많은 연구가 이루어지고 있다. //본 논문에서는 얼굴 검출 알고리즘과 얼굴 인식 알고리즘으로 크게 두가지로 /나누어서 제시한다. 입력 영상은 그레이 영상으로 웨이블렛 변환된 영상을 가지고 형판을 생성한후 얼굴 영역을 설정하고 그 후 수평, 수직 방향으로 투영시켜 눈의 위치 정보를 얻게 된다. 이 정보를 바탕으로 타원 정보를 이용하여 최종 얼굴영역을 검출한다.//그리고 얼굴 인식 알고리즘은 웨이블렛 패킷 2단계를 통해 생성된 16개의 부/영상을 가지고 얼굴의 정보가 비교적 많은 저주파 영상에서는 수평, 수직 방향으로 투영시킨후 눈, 코 그리고 입의 기준선을 가지고 얼굴을 세가지로 분리하여 각 평균값과 분산값을 가진 특징 벡터를 추출하고 나머지 방향 성분을 가진 영상에서는 전체 영상에서 평균값과 분산값을 가진 총 18개의 특징 벡터를 추출한다. 그리고 유클리디언 거리를 이용해 특징벡터를 분류하도록 한다.//실험은 Pentium III 112MB 컴퓨터를 사용하여, 얼굴 인식 알고리즘만을 실험/하였다. 배경이 없는 데이터를 이용하였는데, 200명의 각 개인당 3가지씩 총 600개의 영상 MIT FACES 데이터와 155명의 각 개인당 2가지씩 총 310장의 영상 FERET 데이타를 사용하여 P.J. Phillips가 FERET 실험과정으로 제안한 방법으로 수행 하였다. 성능은 얼굴 인식 방법에 기본적으로 사용하고 있는 PCA방법으로 수행한 결과와 비교하였으며, 제안한 알고리즘은 얼굴의 크기가 정규화되어 있지 않는 과정에서도 비교적 인식율이 높았으며, 고유 얼굴의 계산과 저장과정이 없다는 장점을 가지고 있었다./

[영문]This paper deals with face detection and recognition using ellipsodal information and wavelet packet analysis. We proposed two methods. /First, Face detection method uses general ellisodal information of human face contour and we find eye position on wavelet transformed face images./A novel method for recognition of views of human faces under roughly /constant illuminantion is presented. /Second, The proposed Face recognition scheme is based on the analysis of a wavelet packet decomposition of the face images. Each face image is first located and then, described by a subset of band filtered images containing wavelet coefficients. From these wavelet coefficients, which characterize the face texture, the Euclidian distance can be used in order to classify the face feature vectors into person classes. /Experimental results are presented using images from the FERET and the /MIT FACES databases. The efficiency of the proposed approach is analyzed /according to the FERET evaluation procedure and by comparing our results /with those obtained using the well-known Eigenfaces method. The proposed /system achieved an rate of 97%(MIT data) ,95.8%(FERET databace)