CNN Based 2D and 2.5D Face Recognition for Home Security System
저자
발행사항
광주: 전남대학교 대학원, 2020
학위논문사항
학위논문(석사)-- 전남대학교 대학원 : 컴퓨터공학과 2020. 2
발행연도
2020
작성언어
영어
주제어
DDC
621.39 판사항(2)
발행국(도시)
광주
형태사항
63p. : ill. ; 26 cm.
일반주기명
지도교수: 김강철
UCI식별코드
I804:24010-000000061779
소장기관
4차 산업혁명의 기술이 우리도 모르는 사이 우리의 삶 속으로 스며들고 있다. CNN(Convolution neural network)이 이미지 인식 분야에서 탁월한 능력을 보여준 이후 많은 IoT(internet of things) 기반 홈보안 시스템은 침입자로부터 가족과 가정을 보호하기 위하여 얼굴을 인식하기 위한 좋은 생체인식 방법으로 CNN을 사용하고 있다.
본 논문에서는 2D와 2.5D 이미지에 대하여 여러 종류의 입력 이미지 크기와 필터를 가지고 있는 CNN의 최적 구조와 LBP(local binary pattern)의 환형 연산자와 유사도를 이용하여 빠른 시간에 얼굴을 인식하는 방법을 제안한다. 그리고 전처리 과정에서 정방향 이미지를 구하는 방법과 이미지의 밝기가 인식률에 미치는 영향을 관찰한다. 또한 실시간 보안 시스템에서 CPU 소비 시간은 매우 중요한 요소이므로 얼굴을 인식하는 CPU 소비 시간을 관찰한다.
전처리 과정에서 OpenCV를 사용하여 RGB 이미지를 그레이 이미지로 변환하고, 연산 처리 시간을 줄이기 위하여 입력 크기를 축소한다. 실험을 위하여 10명의 7820 이미지를 제공하는 MIT-CBCL-facerec-database를 사용한다. CNN 모델은 Tensorflow를 기반으로 하는 Keras에서 수행된다.
실험 결과는 50*50 크기를 가진 2.5D LBP 입력 이미지, 2 컨벌류션과 맥스풀링 레이어, 3*3 필터를 가진 CNN 구조가 0.985의 가장 높은 인식률을 보여 주었다. 그리고 LBP 기반 입력 이미지를 사용할 경우 얼굴 인식률은 주위 빛의 광도에 영향을 받지 않는 다는 것을 확인하였고, 1 개의 입력 이미지에 대하여 가장 긴 CPU 소비시간은 0.057S로 나타났다.
홈보안 시스템은 높은 얼굴 인식률과 짧은 연산 시간을 요구하므로 본 논문에서 제안한 구조의 CNN은 홈보안 시스템에서 얼굴인식을 기반으로 하는 액추에이터 제어 등에 적합한 방법이 될 것이다.
Technologies of the 4th industrial revolution have been unknowingly seeping into our lives. Many IoT based home security systems has been using the convolutional neural network(CNN) as good biometrics to recognize a face and protect home and family from intruders since CNN demonstrated its excellent ability in image recognition.
In this thesis, an optimal layout of CNN for 2D and 2.5D images of small dataset with various input image sizes and filter sizes, and a fast face recognition method using a circular operator of LBP and a similarity degree are proposed. And the methods to calculate the positive image in the preprocessing and the influence of image brightness on face recognition ratio are explored. As CPU consumption time is one of very important factor for a real-time security system, the CPU consumption time to recognize a face is explored.
OpenCV is used in the preprocessing steps and CNN model is explored in Keras based on Tensorflow. RBG color data are transformed to single layer gray data ranging from 0 to 255 to reduce the processing time and the gray images are compressed for the input of CNN. MIT-CBCL-facerec-database which has 7280 images of ten people is used.
The simulation results show that the layout of CNN with 50*50 input size of 2.5D LBP image, 2 convolution and max pooling layer, and 3*3 filter size is optimal for a home security system with recognition accuracy of 0.985. The recognition ratio is invariant to the light brightness when the input image modified by LBP is used. And the longest CPU time consumption for one input image is 0.057S.
Because a home security system requires good face recognition and short recognition time, the proposed layout of CNN for a face recognition is suitable to control the actuators in the home security system.
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)