본문 바로가기
HOME> 논문 > 논문 검색상세

학위논문 상세정보

PCA와 LOPA(Local Octal Pattern Analysis)를 이용한 혼합형 얼굴인식에 대한 연구 원문보기
The research on the hybrid face recognition using PCA and LOPA(Local Octal Pattern Analysis)

  • 저자

    정보원

  • 학위수여기관

    세종대학교 일반대학원

  • 학위구분

    국내석사

  • 학과

    컴퓨터공학과

  • 지도교수

    문승빈

  • 발행년도

    2014

  • 총페이지

    v, 53 p.

  • 키워드

    얼굴인식 PCA MLBP Local Octal Pattern Analysis 하이브리드 얼굴인식;

  • 언어

    kor

  • 원문 URL

    http://www.riss.kr/link?id=T13541045&outLink=K  

  • 초록

    본 논문에서는 전역적인 특징을 이용한 PCA(Principal Component Analysis)와 지역적인 특징을 이용한 LOPA(Local Octal Pattern Analysis)를 이용한 혼합형 얼굴인식 알고리즘을 제안한다. LOPA는 본 논문에서 제안하는 방법으로 기존 MLBP(Modified Local Binary Pattern)의 표현방법을 개선한 방법이다. MLBP와 같은 절차를 거치되 표현방법에서 각 행과 열을 8진수로 표현한 뒤 학습영상과 시험영상의 변화 값을 누적하여 인식하는 방법이다. 본 논문에서 제안하는 혼합형 얼굴인식 방법은 2단계로 구성되어 있으며 1단계 결과 값에 따른 확신성 평가를 통하여 확실한 경우 1단계에서 얼굴인식을 종료하고, 불확실한 경우 2단계 얼굴인식을 진행한다. 1단계 얼굴인식 방법은 얼굴인식 분야에서 많이 사용되는 방법인 PCA를 사용하며 조명변화에 대한 영향을 줄이기 위하여 전처리 방법으로 MLBP를 적용한다. PCA는 영상의 특징벡터를 사용하여 주성분을 분석 후 차원을 축소하는 방법으로 이미 많은 논문에서 성능이 확인되었고 인식속도가 빨라 1단계의 얼굴인식에 적합하다. 2단계에서는 지역적 특징을 사용하는 LOPA(Local Octal Pattern Analysis)를 진행하며 조명 변화에 대한 영향을 줄이기 위하여 전처리 방법으로 Gamma Correction, DoG filtering, Masking, Contrast Equalization으로 이루어진 전처리 체인 방법을 사용한다. LOPA는 기존 MLBP의 단점인 픽셀에 저장되는 픽셀값에 의미가 불분명한 점을 개선한 것으로 픽셀값이 주변 픽셀들 간의 관계를 8진수로 표현하여 더욱더 직관적으로 보여준다. 또한 인식에 사용할 경우 주변 픽셀들의 관계를 정확하게 판단 할 수 있으므로 기존 지역적 특징을 사용하는 알고리즘에 비해 인식률에서 좋은 결과를 보여준다. 2단계를 최종결과로 하여 얼굴인식이 종료된다. 성능평가의 경우 Extended Yale B Database와 CMU PIE를 이용하여 진행하였으며 기존 다른 얼굴인식 방법에 비해 인식시간이 많이 개선되었고, 인식률 또한 향상되는 것을 확인하였다. 본 논문에서 제안하는 알고리즘은 인식 시간, 복잡도의 측면에서 로봇, 모바일 기기 등 다양한 실시간 환경에서도 효율적으로 활용될 것으로 기대된다.


 활용도 분석

  • 상세보기

    amChart 영역
  • 원문보기

    amChart 영역