GMM Based Face Recognition Using Visual Observation Confidence Robust to Illumination Impact = 시각신뢰도를 이용한 조명의 영향에 강인한 GMM 기반 얼굴인식
저자
발행사항
광주 : 전남대학교 대학원, 2014
학위논문사항
학위논문(박사)-- 전남대학교 대학원 : 전자컴퓨터공학과 ICDSP 2014. 8
발행연도
2014
작성언어
영어
주제어
DDC
621.381
발행국(도시)
광주
형태사항
93 ; 26 cm
일반주기명
지도교수: Prof. Kim Jin Young
소장기관
Face recognition is a challenging task in the field of image analysis and computer vision, and as such has received a great deal of attention over the last few years because of its many applications in various domains. Among conventional holistic methods, GMM based approach is widely used in face recognition system because of its efficiency and simplicity. It has a main advantage of distinctly capturing the most prominent features within the global facial image, while feature-based approaches are only in finding local features. However, the question about how to deal with illumination changes while ensuring high performance is still open, especially in a real-world database. In a flexible environment, illumination changes occur diversely and hence it is imperative to develop recognition methods that are robust to these changes.
In this thesis, we propose a Visual Observation Confidence (VOC) measure for robust face recognition to illumination changes and it does not require “illumination normalization” (removal of illumination effects) prior to application unlike many conventional methods. Our defined Visual Observation Confidence (VOC) is a combination of three measurements of Flatness Measure, Centrality Measure, and Illumination Measure. While FM measures the discrimination ability of one face, IM represents the degree of illumination impact on that face. In addition, we introduce CM as a distance measure to help FM to reduce some errors from unnecessary areas such as the hair, neck and background.
A Gaussian Mixture Model (GMM) is a parametric probability density function represented as a weighted sum of Gaussian component densities. GMMs are commonly used as a parametric model of the probability distribution of continuous measurements or features in a biometric system. GMM parameters are estimated from training data using iterative Expectation-Maximization algorithm from a well-trained prior model. In our constructed system, after VOC calculation on each observation, the VOC accompanies feature vectors in EM process to estimate optimal models by modified GMM which was proposed for robust identification.
In the experiments, we introduce a real-world database, called KoFace, the Yale and ORL database. The KoFace database is composed of 106 face subjects under diverse illumination effects including shadows and highlights. We divided KoFace database to three kinds of datasets. The first dataset is call standard dataset in which all images are under normal illumination condition and background is only a color curtain. The second dataset is called indoor dataset in which all images are captured in a classroom, a laboratory, or a garage. The last dataset is outdoor dataset in which all images are captured in a football field, on a street or in a market. The illumination effects are also classified into normal lighting, shadow, or highlight.
The experiment results show that our proposed approach gives a higher FRR (Face Recognition Rate) than the GMM baseline for indoor and outdoor datasets in the real-world KoFace database (94% and 85% respectively) and the error reduction is also considerable. In the ORL and Yale databases, our proposed approach also gives high performance of 97% and 100% respectively.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)