AdaBoost와 PCA 알고리즘을 이용한 얼굴 인식 감시카메라 시스템 설계
An Implementation for the Face Recognition Visual Monitoring System Using AdaBoost and PCA Algorithm
초록/요약
얼굴 인식 시스템은 얼굴 영역 추출과 얼굴 인식 부분으로 나눌 수 있다. 특히, 정 확한 얼굴 영역을 확보하고 얼굴 인식 성능을 향상시키기 위해서는 정규화 알고리 즘이 필요하다. 정규화 알고리즘은 일정하게 얼굴 영역을 추출하는 기하학적인 정 규화와 조명 영향을 제거하기 위한 외형적인 정규화로 이루어져 있다. 본 논문에서 는 기하학적인 정규화로 기울어진 얼굴에 대한 정규화와, 평균적인 얼굴 비례를 사 용하여 일정한 크기로 얼굴 영역을 정규화 하였다. 외형적인 정규화로 미세부분의 상세화를 위해 국부처리를 수행하고, 과도한 밝기 변화를 방지하기 위해 히스토그 램을 제한하는 방식을 사용하였다. 감시카메라 시스템의 영상은 연속적으로 생성되므로 실시간성이 중요하다. 얼굴 영역을 추출하는 가장 큰 문제점은 주어진 이미지 내에 존재하는 다양한 크기의 얼 굴을 찾기 위해 검색 윈도우의 크기를 변화시켜 가면서 주어진 이미지에서 검색을 하는데 이는 많은 연산을 필요로 한다. AdaBoost는 영상내의 거대한 특징 집합으 로부터 중요한 특징 집합을 선택하여 연산량을 줄이는 방법으로 실시간 처리에 적 합하다. 본 논문에서는 AdaBoost 학습 알고리즘으로 얼굴 영역을 추출하였다. 얼 굴 인식을 빠르게 수행하기 위해 주성분 분석 알고리즘을 사용하여 입력 데이터의 크기를 줄여서, 얼굴 인식 시간을 줄였다. 구현된 얼굴 인식 감시카메라의 시스템은 BioID 데이터베이스를 이용한 실험에서 기존 방법의 96.2 [%]의 얼굴 검출 성공률과 94 [%]의 얼굴인식성공률을 각각 96.7 [%]의 얼굴검출성공률과 96 [%]이상의 얼굴인식성공률로 성공률을 향상 시 켰다 . 또한 구현된 시스템은 Windows CE 타겟 보드에서 160x120 크기의 JPEG을 초당 15프레임을 전송받아 실시간으로 처리할 수 있다.
more초록/요약
Face recognition system can divide into face area abstraction and face realization part. Specially, face area abstraction part is important, hard to expect high realization performance if exact face area is not defined. In this paper, normalization algorithm is suggested to heighten the face detection rate and analyze face detection performance based on algorithm that is suggested. Proposed algorithm is consisted of geometrical normalization that extract face area changelessly and normalization that remove lighting effect. Face area classifier that propose in this paper is made in AdaBoost (Adaptive Boosting) studying algorithm, and simple and fast classifier is combined linearly. Because image of visual monitoring system is created consecutively, need fast and real time processing. The biggest problem that extract face area has need of a lot of arithmetics, because changes size of search windows to find face of various size within given image. AdaBoost is suitable in real time processing by method that choose important characteristic gathering and reduces the arithmetic amount from huge characteristic set in image. Also, existent system uses histogram equalization as normalization algorithm, but in this paper use CLAHE (Contrast Limited Adaptive Histogram Equalization) normalization algorithm for sharpening the detail feature, as a result detection rate and detection time performance improved. Abstracted face area is used by input of face recognition. Occasionally, recognition algorithm can not recognize face in bad condition. So normalization is needed for maintaining input image changelessly. changeless condition input image in needed for improving performance of face recognition system. So, in this paper detect eye region and if height of eyes is different, we assume face is tipped and perform geometrical normalization using warping algorithm, and detect eye and nose region and using average face ratio function, we get changeless face region. Shorten size of input data to use PCA(Principal Component Analysis) algorithm to reduced face realization time. The proposed face recognition visual monitoring system achieved face region detection rate higher than 96 [%] and face recognize rate higher the 94 [%] in the performance evaluation experiment using BioID (HumanScan) database. Also the proposed system can process more than 15 frames[size : 160x120] JPEG image.
more목차
＜제목차례＞ = Ⅰ
＜그림차례＞ = Ⅱ
＜표 차례＞ = Ⅲ
제1장 서론 = 1
제2장 관련 연구 = 4
제1절 얼굴 검출 기술 현황 = 4
제2절 얼굴 인식 기술 현황 = 5
제3장 AdaBoost 알고리즘을 이용한 얼굴 영역 검출 = 7
제1절 패턴 검출기 설계 = 8
제2절 AdaBoost 알고리즘 = 12
제3절 얼굴 영상의 정규화 = 17
제4장 PCA를 이용한 얼굴 인식 = 27
제5장 실험 및 결과 = 31
제1절 실험 환경 = 31
제2절 얼굴 영역 추출 및 인식 결과 = 33
제6장 결론 = 39
참고문헌 = 41
ABSTRACT = 44
