Face Recognition
얼굴 인식이란
얼굴 인식이란 비디오나 이미지로부터 사람의 얼굴을 인식하는 시스템으로 저장된 데이터베이스를 기준으로 비교하고자 하는 얼굴과 가장 가까운 특징(feature)을 가진 얼굴을 찾아내는 기법(알고리즘)이다.
얼굴 인식의 장점
- 도난, 분실, 망각 등의 우려가 없이 안전하게 사용할 수 있는 보안 수단
- 홍채, 지문 등과 같이 별도로 제작된 센서가 아닌 이미 설치되어 있는 카메라를 이용하여 쉽게 이용 가능
- 접촉식이 아니므로 대규모 공공 시설에서 감시 수단으로 쉽게 적용될 수 있는 기술
단점(Weaknesses)
- 조명이나 카메라와의 거리등에 따라 인식률이 변한다
- 얼굴의 각도, 표정, 나이에 따라 안면의 모양은 계속 변하기 때문에 인식 성능에 있어 실용화하기 어려움
- 수염, 눈썹, 안경 및 화장 등과 같은 외관의 변형에 따른 문제점 발생
얼굴 인식의 방법
과정
- 영상 획득 : CCD 카메라로부터 영상을 획득하여 저장하는 단계
- 전처리 : 특징이나 인식에 사용할 얼굴 데이터 추출 전 잡음 제거 등의 단계
- 얼굴 검출 : 입력 영상으로부터 얼굴 영역을 검출하는 단계
- 얼굴 표준화 : 특징 추출, 밝기 및 기하학적인 표준화를 처리하는 단계 (크기나 밝기 보정)
- 얼굴 인식 : 검출된 얼굴 특징 정보와 이미 등록되어 있는 데이터베이스 얼굴 정보와의 비교 및 인식
인식 기법
얼굴 인식에 사용되는 기법에는 얼굴의 눈, 코, 입 특징(거리 정도 등)들을 이용하여 얼굴인식을 하는 기하학적 방식과 얼굴 이미지나 영상 정보로부터 통계적 기반의 수치값을 활용하여 인식하는 광도 기반(photometric)의 방식으로 크게 나뉠 수 있다. ( 참고)
대표적인 알고리즘에 따른 분류로는 아래와 같다.
- 기하학적 방법
- 특징 : 얼굴의 기하학적 특징점을 추출하여 일치여부를 판단하여 인식
- 성능 : 얼굴은 3차원이고 회전이 가능하기 때문에 적용에 한계가 있다.
- Eigenfaces: 1991년 Pentland에 의해 개발 되었음.
- 특징 : 특징점 추출로 PCA(Principal Component Analysis)를 적용하고 유사도 측정으로 Euclidean 거리 적용.
- 성능 : 조명이나 환경변화에 민감하게 반응하지만 널리 사용되고 있어 그 성능이 검증된 대표적인 얼굴인식 방법.
- Fisherfaces
- 특징 : FLD(Fisher Linear Discriminant) 분류 알고리즘으로 적용한 얼굴인식 방법.
- 성능 : 사람 개개인의 특성을 학습함으로써 보다 정확하고 환경변화에 둔감한 특성을 지니고 있어 on-line 상태에서 실시간으로 적용 가능한 알고리즘.
- SVM( Support Vector Machine)에 기초한 방법
- 특징 : PCA와 SVM(Support Vector Machine)알고리즘을 사용한 알고리즘.
- 성능 : 비교적 높은 인식률을 높이지만 얼굴인식과 같은 멀티 클래스에 적용하기에는 시간과 메모리가 많이 소모되는 알고리즘이지만 현재 연구되는 얼굴인식 알고리즘의 대표적인 알고리즘임
- 신경회로망
- 특징 : 흑백의 정지영상에서 슬라이딩 윈도우를 이용해 학습된 얼굴모양을 검색
- 성능 : 두 개 이상의 다수 얼굴의 추출도 가능하나 속도가 느리며 학습이 어려움.
- 퍼지 + 신경망
- 특징 : 신경회로망회로의 입력으로 픽셀의 밝기 값 대신 퍼지 소속함수를 사용
- 성능 : 신경회로망만을 이용한 방법보다 성능은 향상되나 처리속도는 떨어짐.
- Wavelet + Elastic Matching
- 특징 : 주파수 변환을 사용하며, 자세 및 표정의 변화를 처리하는데 효과적.
- 성능 : 인식률에 비해서 연산량이 많음.
Recent Comments