검색어 입력폼

[기타자료]신호처리-얼굴인식

저작시기 2010.03 |등록일 2010.03.31 한글파일한글 (hwp) | 15페이지 | 가격 3,000원

소개글

신호처리를 이용한 얼굴인식에 대한 자료부분만 정리한 것입니다.

자세한 것은 목차를 참고해 주세요^^

목차

◇ 얼굴인식 알고리즘
1. 얼굴인식 기술 수준 및 동향
2. 기반 인식 기술과 제안
3. 얼굴 영역 검출 알고리즘

◇ 연속적인 얼굴 표정 변화 인식 방법
1. 얼굴 특징점의 추적
2. 얼굴 표정의 인식

본문내용

1) Karhunen-Loeve 변환을 이용한 얼굴 인식
본 연구에서는 얼굴을 인식하기 위하여 선형 변환 이론을 사용하는데 다음과 같은 두 가지 방법을 있다. Most expressive features(MEFs)를 추출하기 위해 주요 성분 분석 또는 K-L 변환을 사용하며, most discriminating features(MDFs)를 위해 Fisherface 방법을 적용한다.
① 주요 성분 분석(Principal Component Analysis, PCA) 방법
주요 성분 분석 방법은 벡터를 통계학적인 성질을 이용하여 표현하는 방법이다.
즉, 식 (1)과 같이 표현되는 선형 변환의 일종이다.
(1)
위의 식으로부터 특징 벡터 y는 원래의 벡터 x를 A 도메인으로 투영하여 얻어질 수 있다. 고유 성분 분석 방법은 A의 기저벡터로써 x의 공분산행렬을 사용한다. 여기에서 구해진 특징벡터들은 간단히 유클리디안 거리를 이용해서 얼굴을 인식할 수 있다.
② Fisherface 방법
Fisherface 방법은 한 사람 내에서 그리고 다른 사람과의 관계를 고려한 알고리즘으로 그 방법은 다음과 같다. 우선 전체가 N개의 영상이고 사람의 수가 c이며, 한 사람당 K개의 영상을 사용한다고 가정하자. 그러면 주요 성분 분석으로부터 N-1개의 고유얼굴을 구할 수 있다. 그런 후에 클래스내 산란행렬(within-class scatter matrix, Sw)과 클래스간의 산란행렬(between-class scatter matrix, Sb)의 행렬식의 비를 최대화하기 위한 (Sw)-1Sb의 고유벡터를 구한다. Sw와 Sb는 식 (2)와 (3)처럼 정의된다.
(2)
(3)
여기서 Mi는 번째 I 클래스의 평균벡터이고 M은 전체 클래스의 평균벡터이다. c-1 차원 특징 벡터는 주요 성분 분석으로부터 투영된 특징벡터를 사용하여 얻어진다. 그런 후에 미리 만들어진 그 특징벡터를 사용하여 얼굴을 인식할 수 있다.

참고 자료

정보통신기반 신호처리 시스템 설계기술 워크샵 - 연속적인 얼굴 표정 변화 인식 방법에 관한 연구(2008) | 박호식 , 배철수 , 김규남 | 정보통신연구진흥원
생체 측정 신호 처리 시스템에 관한 연구(2008) | 정재호, 김유진, 이형지 | 통신연구진흥원
다운로드 맨위로