출처 http://www.bluenics.com/ , OpencvKorea


Automatic Face Recognition of Behavioral or Physiological Characteristicin Human Body

Ace Recognition Speed
Face Database Size
Development face recognition system
Experiment of Face Recognition

  The 1970's : general pattern classification method
research the features in face (profiles)
  The 1980's : continuous research pattern
  The 1990's : neural network classifier
capacity of real time caculation and adaptation
  The 2000's : concentration of research pattern
xcellent face recognition systems

  Public Method : Skin color method - general method,used combination method
Eigen face method - generalized eigen face, frontal -face focusing view
Neural Networks method - adaptation well in still image,train with face image but not
Features method - flexibility image scale,viewpoint of faces
Combination method - feature base + skin color


  Face recognition
  techniques :
Principal component analysis [S.Romdhani,1997]
Local feature Analysis [P.S.Pensv,1998]
Bayesian face recognition [A.Pentland,1996]
Gabor wavelets and elastic bunch graph matching algorithm [L.Wiskott,1997]
Linear Discriminant analysis [K.Etemad,1996]

  출입관리 보안응용분야 : 출입문 통제시스템
근태관리 시스템
실시간 감시 시스템
  Tcp/Ip 서버기반 응용분야 : 얼굴인식 화상 회의 및 채팅
인터넷 사용자 인증 image bank운영
  PC 기반 응용 분야 : 개인 사용자 로그온
파일 Encription
Screen Saver
  금융분야 응용분야 : CD /ATM Face Recognition Solution
POS Face Recognition Solution
Smart card 내에 얼굴영상등록후,ATM에서 카드인증
  Enterainment 응용분야 : 대화형 얼굴인식 완구
  가상현실 분야 : 3차원 얼굴인식 캐릭터
2차원 애니메이션 캐릭터
  온라인 교육 분야 : 사용자 인증,원격 교육


얼굴을 인식하는 기술은 매우 복잡하고 변수가 많은 기술로서 이의 소프트웨어적인 개발도 최근에 이르러서야 이루어졌습니다.

먼저 카메라가 얼굴의 이미지를 잡으면 소프트웨어가 이를 템플릿(Templates)과 비교하는 것으로 얼굴인식기술은 지칭될 수 있습니다.


얼굴인식의 근간을 이루는 기술은 두 가지로 구분되어지는데 첫번째는 얼굴의 각 구성요소의 특징값과 상호관계- 예컨대 코 길이와 눈으로부터의 거리 등을 비교하는 것이고 두번째는 얼굴의 가장 중요한 이미지 데이터- 예컨대 코의 크기등- 를 데이터베이스에 저장되어 있는 얼굴의 데이터와 비교, 매칭시키는 방법입니다. 이러한 얼굴인식 기술은 여타 생체인식 기술에 비하여 다음과 같은 특징을 가지고 있습니다.


생체인식의 기본 입력테이터가 되는 생체 특성값을 카메라를 통하여 얻게 되므로 근접식 또는 접촉식 기술보다 비교적 먼 거리에서 동작될 수 있습니다. (Recognized in a distance)
인식의 속도가 비교적 빠릅니다. (Relatively high recognition speed)


다수 중에서 특정의 값을 가지는 데이터를 찾을 수 있습니다. (Enough to conduct 1 - to - many searches)
기술의 종류
얼굴의 기학적인 특징을 이용한 인식기술 (Geometrical feature analysis)
눈, 코, 입과 같은 얼굴의 특징점들의 위치나 크기 또는 이들간의 거리와 같은 기하학적 인자들만으로도 각 개개인의 얼굴을 인식할 수 있다는 사실에 착안한 것으로서 이들 기하학적 특징들은 입력화상의 해상도를 낮추었을 때 최종적으로 남는 요소들에 해당합니다. 이는 얼굴인식에서 가장 보편적으로 이용하는 방법론입니다.
Eigenface를 이용한 방법(Eigenface approach)
Eigenface란 '고유얼굴'이라는 의미를 가지는데 이는 MIT대학의 Sirovich와 Kirby에 의해 제안된 방법입니다. 사람얼굴을 저차원격으로 표현(Low - dimentional representation)할 수 있도록 하여 얼굴이미지의 기본요소를 분석(Principal components analysis)할 수 있도록 한 것인데 이 기본요소란 얼굴이미지의 변화를 나타내는 일련의 특징들을 의미하는 것으로 수학적으로 표현하면 하나의 얼굴 이미지군을 나타내는 공변(共變) 행렬(Covariance matrix)의 Eigenvector를 의미합니다. 먼저 위 기본요소들에 입력된 얼굴이미지를 투영시킨 후 이들을 저장된 얼굴이미지의 투영체와 비교하거나 상관시켜 특징들을 추출합니다. 이 추출된 특징들을 'Eigenface'또는 'Holon'이라고 하는데 이것을 가중치를 적용한 다중 템플릿 매칭방법으로 분류할 수 있는 것입니다.
템플릿 매칭을 이용한 방법(Template matching approach)
이는 얼굴이미지를 얼굴 전체를 나타내는 하나의 템플릿 화상과 비교하여 이에 따른 상관도를 분석함으로써 얼굴을 인식하는 방법론입니다.
인공신경망을 이용한 학습형 인식방법(Neural network mapping approach)
이미 여러분야에서 활용되고 있는 신경망 기술을 얼굴인식분야에 접목시킨 것으로서 통계적 분석을 기반으로 하는 신경망의 학습 및 인식기능을 이용하여 얼굴을 인식하는 방법으로 오늘날 가장 큰 비중을 차지하고 있는 방법입니다.

'프로그래밍 기초 > 영상처리' 카테고리의 다른 글

Haar분류기에 대한 정보  (0) 2011.11.16
이진화하기  (0) 2011.11.02
마우스 이벤트  (0) 2011.10.31
키보드 이벤트 처리  (0) 2011.10.30
문자 출력  (1) 2011.10.30
Posted by 아몰라