Color cue has gained its popularity in machine vision applications and pattern recognition systems. In particular, color cues have been proven to be considerably useful in facial image analysis including face detec-tion, face tracking, and facial modeling and animation. However, there has only been a relatively small amount of work that investigates the role of color to face recognition (FR). Most of the work in the area of face recogni-tion has only focused on the luminance (or grayscale) structure of the face. Hence, understanding the role of color and exploiting its influence on automatic face recognition has been emerging areas of face recognition research. The main goals of this thesis are summarized as follows: (1) to demonstrate that color features (derived from multichannel face images) can play an important role in automatic face recognition; (2) to propose effective face recognition methods based on color features for the purpose of considerably improving recognition performance; (3) to provide an in depth analysis on the effective usage of color features for face recognition. Research materials (or methods) to be presented in this thesis are largely divided in the following three categories: (1) extraction of effective color features (or descriptors) from multichannel face images; (2) development of color feature selection algorithm based on multiclass boosting learning; (3) systematic study on the effect of color features on recognizing low-resolution face images. The above-mentioned our research efforts and findings will be valuable for researcher and practitioners to make effective use of color features for the purpose of face recognition.
컬러정보는 머신(machine)비전 응용들 및 패턴인식 시스템 개발에 유용한 단서로서 활용되고 있다. 특히 컬러정보는 얼굴검, 얼굴추적, 얼굴 관련 모델링 및 애니메이션 등을 포함하는 얼굴영상 분석을 수행함에 있어 매우 유용한 단서로 입증되어 왔다. 하지만 자동 얼굴인식 연구분야에서 컬러정보의 역할을 체계적으로 수행한 연구들은 비교적 미미한 실정이다. 이는 지금까지 개발된 얼굴인식 방법들은 자동 얼굴인식 목적을 위해 주로 얼굴영상의 흑백정보 만을 활용하는 것에 기인한다. 따라서 자동 얼굴인식을 위해 컬러정보의 역할을 체계적으로 이해하는 것과 그것의 영향을 분석하는 것은 얼굴인식 연구분야에서 새롭고 중요한 연구 주제라고 할 수 있다. 본 논문에서 제안하는 연구의 목적은 다음과 같이 정리 될 수 있다. (1) 다중 컬러채널들에서 추출된 컬러특징 정보가 자동 얼굴인식에 중대한 역할을 할 수 있다는 것을 논증한다. (2) 얼굴인식 성능을 획기적으로 향상시키기 위해 컬러특징 정보에 기반한 효과적인 얼굴인식 방법들을 개발한다. (3) 얼굴인식에서 컬러특징 정보에 효과적이고 효율적인 활용 목적을 위한 유용한 분석 결과들을 제시한다. 위에서 언급한 연구의 목적을 달성하기 위해 본 논문에서 주요연구내용들은 다음과 같이 세가지로 정리된다. 첫째 자동 얼굴인식을 위해 다중 컬러채널들로부터 유용한 컬러특징 기술자들을 추출하는 기술을 개발 하였다. 둘째 다중클래스 부스팅 기계학습(multiclass boosting learning)에 기반한 컬러특징 정보 선택 알고리즘을 개발 하였다. 셋째 저해상도(low-resolution)를 갖는 얼굴영상들을 신뢰성 있게 자동 얼굴인식 함에 있어 컬러특징 정보의 유효성을 검증하는 체계적인 분석을 수행 하였다. 본 논문에서 제안하는 연구내용들은 자동 얼굴인식을 위해 컬러특징 정보를 활용하려는 연구자들과 개발자들에게 매우 유용한 정보로서 활용 될 수 있을 것이다.
