웨이블릿 변환과 주성분 분석을 이용한 얼굴인식 시스템 = A Face Recognition Approach Based on Wavelet and PCA

다국어 초록 (Multilingual Abstract)

The application part of face recognition which has recently received much attention, is access control system, electronic commerce (EC) and CD/ATM, personal digital assistant (PDA) or mobile phone, entertainment system (robot etc.), criminal investigation system (airport etc.), video surveillance system (DVR).
Face recognition technology is superior in terms of user convenience because it does not require a special touch or emotion and also has an advantage of performing monitoring by saving face image. However, face recognition technology is using biometric information, so it is very complicated and also has a lot of variables according to lighting conditions, diversity of the face information and so on. PCA (principal components analysis) is the widely used approach of the face recognition algorithm. In addition, this technology has a problem of falling performance.
In this paper, we construct face database by using wavelet transform, and compare face recognition rate by using PCA algorithm. General face recognition method constructs database, and do face recognition by using normalized size proposed method changes image of normalized size (92x112) to 1 step, 2 steps, 3 steps, 4 steps to wavelet compression and construct database. Input image did compression by wavelet and a face recognition experiment by PCA algorithm as well as method that is proposed through an experiment reduces existing face image's information, the processing speed and recognition rate improved.

국문 초록 (Abstract)

최근 들어 얼굴인식 기술의 중요성과 활용성은 시간이 지날수록 각광받고 있는 추세로 응용 분야를 살펴보면 출입통제, 근태관리 시스템, 전자상거래, 금융거래, ATM, 인터넷 뱅킹 사용자 인증 시스템, 전자결재 시스템, 공항검색시스템 (법인 검색), 웹 사용자 인증 시스템, 지능형 영상 감시 장치(DVR: digital video recorder), 컴퓨터 보안, 정보보안 시스템 등 다양한 분야에 활용되고 있다.
얼굴인식 기술은 사용자에게 특별한 접촉이나 행동을 요구하지 않으므로 사용자 편의성 측면에서 우수하고, 얼굴 영상을 저장하여 감시 기능을 수행 할 수 있는 장점이 있다. 얼굴인식 대표적인 방법은 주성분 분석 (PCA : Principal Components Analysis)알고리즘이다. 하지만 얼굴인식 기술은 사람의 얼굴을 생체정보로 이용하므로 매우 복잡하면서도 얼굴정보의 다양성과 조명 조건 등의 변수가 많은 기술로 인식률의 성능이 떨어지는 문제점이 있다.
본 논문에서는 웨이블릿 변환과 주성분 분석을 이용하여 전통적인 주성분 분석의 방법의 얼굴 정보의 다양성과 조명에 강인한 얼굴 인식 시스템을 구현한다. 웨이블릿 변환과 주성분 분석을 이용한 얼굴인식 시스템의 성능을 평가하기 위하여 전통적 주성분 분석 방법과 Fisher 선형 판별 분석 방법을 이용하여 비교 분석한다. 웨이블릿 변환은 주성분 분석의 영상 데이터를 조명과 표정에 강인한 조건으로 변화시킴으로써 인식률 향상을 가진다. 실험 및 시뮬레이션 결과 웨이블릿 변환과 주성분 분석 방법이 전통적인 PCA방법보다 안정적인 얼굴인식 향상 률을 보여준다.

목차 (Table of Contents)

• I. 서론 1
• II. 얼굴인식 기술 3
• 1. 얼굴 영상 인식 방법 4
• 1) 기하학적 특징 기반 방법 (geometric feature-based methods) 4
• 2) 모델기반 방법 (model based methods) 4
• 3) 템플릿기반 방법 (template-matching methods) 4
• 2. 기타 얼굴인식 방법 6
• 1) 열적외선 (Infra Red) 6
• 2) 3차원 얼굴인식 7
• 3) 멀티모달 7
• 3. 얼굴 영상 인식 기술 응용 분야 8
• 1) 정지 영상을 사용한 경우 9
• 2) 동영상을 사용한 경우 10
• 4. 얼굴 영상 인식 시스템 개요 12
• 5. 얼굴 영상 인식 시스템의 성능 평가 12
• 1) 평가요구 사항 12
• (1) 정확성 요구 12
• (2) 표본에 대한 제한 13
• (3) 휴먼 인터페이스 13
• 2) 평가 방법 13
• (1) 데이터베이스의 크기와 균일성 13
• (2) 표본의 크기 문제 13
• (3) 알고리즘의 정확도와 인식률 실험 방법 14
• (4) 유사도 측정 14
• III. 웨이블릿 변환과 주성분 분석을 이용한 얼굴인식 15
• 1. 웨이블릿 변환 15
• 1) 웨이블릿 변환 개요 15
• 2) 부대역 부호화 17
• 3) 이산 웨이블릿 변환(DWT: Discrete Wavelet Transform) 19
• 4) 2차원 영상 웨이블릿 변환 20
• 2. 주성분 분석 23
• 1) 주성분 분석법 개념 23
• 2) 주성분 분석 과정 25
• 3. Fisher 선형 판별 분석 분류기 27
• 4. 얼굴 판정 법 29
• IV. 얼굴인식 실험 및 시뮬레이션 결과 30
• 1. 웨이블릿 변환과 주성분 분석을 이용한 얼굴인식 시스템 30
• 2. 웨이블릿 변환과 주성분 분석을 이용한 얼굴인식 성능비교 30
• 1) 얼굴인식 실험 데이터베이스 30
• 2) 성능 측정 31
• 3) 이산 웨이블릿 변환 결과 31
• 4) 얼굴인식 실험 결과 32
• 3. 얼굴인식 시스템을 이용한 시뮬레이션 결과 34
• 1) 얼굴인식 시스템 전체 구성도 35
• 2) 얼굴인식 시스템 시뮬레이션 결과 37
• V. 결론 40
• 참고문헌 41
• 영문초록 43