3D face recognition with geometrically localized surface shape indexes = 얼굴 특징 영역에서의 표면곡률지수를 이용한 3차원 얼굴인식
저자
발행사항
Seoul : Graduate School, Yonsei University, 2006
학위논문사항
학위논문(석사)-- Graduate School, Yonsei University : Dept. of Graduate Program in Biometrics 2006.2
발행연도
2006
작성언어
영어
주제어
발행국(도시)
서울
형태사항
viii, 78장 : 삽도 ; 26 cm
일반주기명
지도교수: Kwanghoon Shon
소장기관
In this dissertation, we propose a pose invariant three-dimensional (3D) face recognition method using distinctive facial features. A face has its structural components like the eyes, nose and mouth. The positions and the shapes of the facial components are very important characteristics of a face. We extract invariant facial feature points on those components using the facial geometry from a normalized face data and calculate relative features using these feature points. We also calculate a shape index on each facial feature point to represent curvature characteristics of facial components. When facial shape index and facial feature points with relative features are used separately, face recognition rates are 83% and 89% at first top rank by the weighted distance matching on average for seven different poses for 300 different people, respectively. However, the recognition rate goes up to 96.7% when they are used together.Proposed feature vector can be applied to various conventional classifiers because it has a fixed dimension. We propose weighted vector distance matching. We also applied proposed feature vector to support vector machine (SVM) and independent component analysis (ICA). We have 97.6% recognition rate from our proposed weighted distance matching, 98.6% at first top rank by the SVM and 97.3% by the ICA on average for seven different poses for 300 different people. Although SVM shows the highest recognition rate, the weighted vector distance matching shows a satisfactory recognition rate without any training process. Moreover, the proposed method can be used with incomplete feature vector. When some features are failed to be extracted, the proposed recognition algorithm can still process the incomplete information. But it is still valid for the proposed recognition algorithm. From the experimental results, we have effectively utilized facial shape indexes, geometrical feature points and its relational features for pose invariant face recognition.
더보기본 논문에서는 얼굴 표면곡률지수(surface shape indexes)를 이용한 3차원 얼굴인식 기술을 제안한다. 눈, 코, 입과 같은 얼굴 구성요소의 구조적 위치 정보와 추출된 구성요소의 위치에서 얻어진 표면곡률지수를 이용하여 얼굴의 구조적 정보와 구성요소의 형태 정보를 동시에 포함하는 고정된 차원의 특징벡터(feature vectors)를 제공함으로써 개선된 분류성능과 정합의 편리성을 제공하는 3차원 얼굴인식 기술을 제안한다.입력단과 DB단에서는 각각 획득된 얼굴 데이터의 전처리를 위하여 특징점을 추출하며, 추출된 특징점을 이용하여 머리 부분을 제거하고 입력과 DB얼굴 데이터가 같은 공간 상에 놓이도록 얼굴포즈보정 및 정규화 과정을 수행한다.특징 추출단계에서는 얼굴의 기하학적 정보를 바탕으로 하여 깊이 정보가 가장 큰 값을 갖는 코끝점을 중심으로 3개의 얼굴 윤곽 곡선들과 10개의 특징점들을 추출하게 된다. 또한, 추출된 10개의 특징점들간의 거리와 각도, 비율 등을 이용한 18개의 상관 특징들을 얻게 된다. 마지막으로 추출된 10개의 특징점 영역에서 얼굴표면곡률지수를 계산하여 얼굴인식을 위한 특징벡터(feature vector)를 구성한다.본 논문에서는 얼굴인식 방법으로 가중치벡터거리정합 방법을 제안한다. 제안하는 방법의 결과는 기존의 방법인 SVM (Support Vector Machine)과 ICA (Independent Component Analysis)를 이용한 결과와 비교한다.본 실험에서는 BERC(Biometrics Engineering Research Center)에서 제공하는 300명의 얼굴 데이터를 사용하였다. 가중치벡터거리정합 알고리즘 기반의 얼굴 인식의 경우 정합을 수행한 결과 97.6%의 인식률을 보였다. SVM 기반 얼굴 인식의 경우에는 98.6%의 인식률을 보였다. 또한 ICA의 경우는 96.3%의 인식률을 보였다. SVM방식이 가장 좋은 인식률을 보이지만 가중치벡터거리정합 방식은 훈련과정이 없고, SVM이나 ICA보다 등록과정이 간단한 장점이 있다.또한 가중치벡터거리정합 방법을 사용하여 데이터를 표면곡률지수만으로 구성된 특징벡터와 얼굴 구성요소의 위치와 상대적 정보만으로 이루어진 특징벡터로 나누어 인식을 수행한 결과 각각 83% 와 89%의 인식률을 나타냈다. 그러나 모든 특징을 다 사용하여 인식을 수행한 결과 97.6%의 인식률을 나타냈다. 실험을 통해 얼굴구성요소의 위치뿐만 아니라 형태 정보도 중요한 얼굴의 특징이라는 것을 보여준다.
더보기분석정보
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)