In recent years, numerous studies have attempted to develop algorithms for unconstrained face recognition. However, the problem of addressing a partial face, which does not contain whole facial information, has not yet been extensively explored. Because a holistic face includes information of semantic correspondences among human faces, it is frequently used to align a face with an arbitrary pose. In this study, we propose a partial face recognition method that does not require face alignment and ensures robustness to variations in facial poses. The proposal is based on the idea that a partial face also contains a sufficient amount of distinctive features even though pose changes occur. Accordingly, we present an affine-simulation-based patch representation method, which covers pose variations, as well as a classification scheme to integrate local identity information from the partial face area. We verified the efficacy of the proposed algorithm in experiments conducted on the AR, Extended Yale B, and Multi-PIE databases. The results show the effectiveness of the proposed algorithm and its robustness against partial occlusion and pose variations. In addition, we develop a coarse head pose estimator as a preprocess step of face recognition technologies. Head pose estimation continues to be a challenge for computer vision systems because extraneous characteristics and factors that lack pose information can change the pixel values in facial images. Thus, to ensure robustness against variations in identity, illumination conditions, and facial expressions, we propose an image abstraction method and a new representation method (local directional quaternary patterns, LDQP), which can remove unnecessary information and highlight important information during facial pose classification. We verified the efficacy of the proposed methods in experiments, which demonstrated its effectiveness and robustness against different types of variation in the input images. In this dissertation, we address the two proposed approaches respectively, where they can be utilized as a complementary part to each other.
지난 30여년간, 얼굴 인식 문제는 컴퓨터 비젼 분야의 주요한 문제로 대두되었다. 수많은 연구자들이 환경의 제약이 없는 얼굴 인식 기술을 개발하기 위해 노력해왔지만, 제어되지 않은 실환경에서의 얼굴 인식은 아직까지 풀기 어려운 문제로 간주되고 있으며, 얼굴 포즈의 변화, 표정의 변화, 혹은 안경이나 머리카락과 같은 물체에 의한 가려짐 문제는 여전히 무제약 환경의 얼굴 인식 개발에 주요 난제로 남아있다. 본 논문에서는 실세계에 적용 가능한 얼굴 인식기를 개발하기 위해 희소성 표현 (Sparse Representation) 모델에 기반한 포즈 변화 및 부분적 가려짐 현상에 강인한 얼굴 인식 기법을 제안한다. 제안된 기법은 어파인 시뮬레이션 (Affine Simulation) 기법을 통해 얼굴의 포즈 변화에도 강인한 특징 정보를 찾아서 매칭을 수행하기 때문에 추가적인 얼굴 정렬 기법 (Face alignment)의 도움 없이도 높은 인식률을 달성한다. 또한 제안된 희소성 표현 기반 분류 프레임워크를 통해 효과적으로 얼굴의 지역 정보를 통합하여 대상의 신원 인식이 가능하다. 제안된 기법의 성능을 테스트하기 위해 대표적 3가지 공용 데이터베이스 (Public Database)를 이용하여 제안된 얼굴 인식기의 성능을 평가하였다. 우리는 또한 얼굴 인식 기술의 전처리 단계로서 신원 독립적인 얼굴 포즈 추정 기술을 제안한다. 먼저, 얼굴 포즈 추정 기술은 영상 단축 기법 (Image Abstraction)과 새로운 표현 방법인 지역 방향 표현 기법 (Local Directional Quaternary Patterns)을 이용하여 구현되었다. 제안된 방법으로 얼굴 포즈 분류 (Classification) 에서 불필요한 정보를 제거하고 중요한 정보를 부각시킬 수 있다. 실험을 통해 조명, 표정, 대상자의 신원의 변화에도 제안된 방법 얼굴의 포즈 추정에서 효율성을 검증하였다. 제안된 두 가지 기술은 효과적인 얼굴 인식을 위해 독립적으로 또는 상호 보완적으로도 사용될 수 있다.
