The human face is one of patterns to identify a human beings and the automatic face recognition system has attracted considerable attention in recent years. In this thesis, two new face recognition paradigms are studied. One is based on Kohonen's Self-organizing Maps(SOM) and the other is based on isodensity maps.
In the SOM method the facial components are extracted using model-based vision and the feature vectors of each component are derived from frequency domain without assuming any feature points of the facial components. Therefore, difficulties in extracting the exact feature points are removed in this paradigm. Then, the SOM of four facial components such as mouth, right eye, left eye, and nose are applied to classify the unknown face. In the learning phase, each SOM is tuned by learning vector quantization to minimize the classification error. In the recognition phase, the decision processes are performed for each SOM independently, and the obtained results are totally utilized to identify unknown face.
In the method using isodensity maps, the isodensity maps are obtained by the histogram of facial image and their characteristics are extracted by geometrical feature analysis. As a representation method of extracted attributes, topological graphs are introduced and a simple deterministic graph matching is used to recognize unknown faces from stored database.
At last, the effectiveness of two proposed methods are verified by experimental results and some typical applications are also introduced after comparing the two methods and analyzing each face recognition paradigm respectively.
얼굴은 인간을 알아 볼수 있는 패턴 중에 하나로서 최근에 얼굴을 자동으로 인식하는 시스템에 대한 많은 요구가 있어 왔다. 본 논문에서는 두가지 새로운 얼굴 인식 방법으로서 Kohonen의 자기구성 지도를 이용한 방법과 얼굴영상의 등밀도 지도을 이용한 방법을 제안한다.
첫째로 제안된 얼굴 인식 방법에서는, 얼굴에 각 구성 성분들을 Model-based vision 방법을 이용하여 추출한 후 각 얼굴 성분에 대한 특성 벡터를 주파수 영역에서 추출 하므로서 각성분에서 특징 벡터를 추출하기 위해 정확한 특징 벡터점들을 추출 해야하는 어려움들을 제거한다. 얼굴성분에 따라 추출된 벡터들은 각각 입, 오른쪽 눈, 왼쪽 눈, 코에 대한 Kohonen의 자기 구성 지도에 학습되어 얼굴을 분류하는데 사용된다. 또한 학습후 얻어진 자기 구성 지도 들은 분류에러를 최소화 하기 위해 학습 벡터 양자화에 의해 조율되며, 학습된 얼굴인지를 판단시에는 각 성분에 대한 자기 구성 지도에서 독립적으로 판단이 진행되어 얻어진 결과를 종합적으로 인식에 사용할수 있다.
다음으로 등밀도 지도를 이용한 방법이 얼굴인식을 위하여 적용되었다. 등밀도 지도는 얼굴영상의 histogram 으로부터 얻어지는 것으로서 얼굴영상의 다계조 밀도 변화를 표현하므로서 얼굴의 특징을 나타내기에 적절한 표현 방법이다. 한편 얻어진 등밀도 지도로부터 기하학적특징 추출 과정을 통해 얼굴을 인식하기위한 특징이 추출 된다. 이처럼 얻어진 특징값들은 형태적 그래프를 형성하기위한 특성값들로 사용되고 형성된 그래프를 기존에 구성하여 놓았던 모델 그래프와 matching을 통하여 얼굴을 인식하게 된다. 그래프 matching을 위해서는 간단하지만텝빠른 결정적 그래프 matching 알고리즘이 구현되었다.
마지막으로, 실험을 통하여 제안된 두가지얼굴 인식 방법의 효용성을 입증하였고, 두가지 제안된 인식 방법들에 대한 비교 및 분석을 통해 적절한 응용분야를 알아 보았다.
