Face recognition is a task that humans perform routinely and effortlessly in their daily lives. Wide availability of powerful and low-cost desktop and embedded computing systems has created an enormous interest in automatic processing of digital images and videos in a number of applications, including biometric authentication, surveillance, human-computer interaction, robotics and multimedia management. Research and development in automatic face recognition follows naturally.
Research in face recognition is motivated not only by the fundamental challenges this recognition problem poses but also by numerous practical applications where human identification is needed. Face recognition as one of the primary biometric technologies, became more and more important owing to rapid advances in technologies such as digital cameras, the Internet and mobile devices, robotics and increased demands on security. Face recognition has several advantages over other biometric technologies: It is natural, non-intrusive and easy to use. Among the six biometric attributes considered by Hietmeyer, facial features scored the highest compatibility in a Machine Readable Travel Documents (MRTD) system based on a number of evaluation factors, such as enrollment, renewal, machine requirements and public perception.
Face recognition is a visual pattern recognition problem. There, as face as a three-dimensional object subject to varying illumination, pose, expression and so on is to be identified based on its two-dimensional image (three-dimensional images e.g., obtained from laser may also be used). A face recognition system generally consists of four modules as detection, alignment, feature extraction, and matching where localization and normalization (face detection and alignment) are processing steps before recognition(facial feature extraction and matching) is performed.
This thesis suggests a way of the recognizing face. The overall face recognition process is separable in two parts, the face detection process and face recognition process. In face detection part, By using rectangular features and Adaboost learning algorithm fast and robust face detection was done. Also using image pyramid and large scale training images scale invariant face image was achieved. This result didn't need additional alignment process, so it was done quiet fast.
In face recognition part, a new way of component based approach and open set recognition algorithm were proposed. In this thesis stacked facial component vector was proposed. It can be calculated by projection image algorithm and doesn't additional classifier. So it can be calculated very fast. This open set recognition algorithm is suitable for binary tree structure and binary classification and used sample Mahalanobis distance ratio. This sample Mahalonobis distance ratio can be calculated at off-line process.
얼굴 인식은 사람이 일상 생활에서 힘들이지 않고 수행하는 일 중 하나이다. 사진이나 동영상에서의 자동 얼굴 인식은 광범위한 상업적 가치는 가지고 있다. 생체 정보 인증. 보안, 휴먼-컴퓨터 상호작용, 로보틱스, 멀티미디어 관리 등 많은 응용 분야가 존재한다. 따라서 자동 얼굴 인식 시스템에 대한 연구는 이런 배경에서 그 중요성이 날로 높아지고 있다. 얼굴 인식에 대한 연구는 실제적인 상황에서의 조명 변화, 얼굴 포즈의 변화로 인해 근본적인 문제점 해결이 요구되고 있으며, 얼굴은 다른 생체학적 특징보다 많은 장점을 지니고 있다. 즉 직관적이고 사용이 편리하며, 다른 생체학적 특징에 비해 얼굴에서 응용할 수 있는 정보가 상대적으로 많으므로 MRTD(Machine Readable Travel Documents) 시스템에서는 얼굴이 다른 생체학적 특징중에 가장 가치가 높다는 것을 보여주고 있다. 얼굴 인식은 패턴 인식 문제의 한 종류이며, 얼굴 그 자체는 3차원 물체로써 여러 포즈의 변화, 조명의 변화가 생기지만 일반적으로 이러한 얼굴 정보를 얻는 것은 2차원에서 추출하게 된다. 일반적인 얼굴 인식 시스템은 4개의 구성요소로 이루어지는데 얼굴 검출, 얼굴 정렬, 특징점 추출, 분류의 4가지 구성요소를 지니게 된다.
본 논문에서는 많은 얼굴 인식 응용 분야 중 하나인 로보틱스 중에서도 현재 많은 개발이 이루어 지고 있는 지능형 이동 로봇에 적합한 얼굴 인식 시스템을 제안하고 있다. 본 논문에서 전체 시스템은 크게 얼굴 검출과 얼굴 인식의 두가지 구성요소로 나누어 질 수 있으며, 얼굴 검출 단에서는 얼굴의 거리 변화에도 얼굴이 잘 검출 될 수 있도록 영상 피라미드를 사용하고 빠르고 정확한 검출 위해 사각 특징점과 아다부스트 학습 방식을 이용해서 얼굴을 검출한다.
얼굴 인식 부분에서는 얼굴 포즈의 변화를 보상하기 위해서 얼굴 구성요소 기반의 얼굴 인식을 수행하며, 기존의 방식과는 달리 프로젝션 영상을 이용하여 빠르고 효과적인 얼굴 구성요소를 추출하는 방식을 제안한다. 또한 데이터 베이스 상의 사용자와 데이터 베이스에 없는 사용자를 구분하는 오픈-셋 얼굴 인식이 실제 응용에서는 필수적인 요소이기 때문에 이러한 인식을 학습 이미지의 마할라노비스 거리 비율을 이용한 오픈-셋 얼굴 인식 방식을 제안한다. 논문에서 구성한 얼굴 인식 시스템은 사용자 등록이 자동으로 이루어 지며, 실시간으로 수행된다.
