KR100486714B1

KR100486714B1 - 2차 ｉｃａ를 이용한 얼굴 인식 방법 및 그 장치

Info

Publication number: KR100486714B1
Application number: KR10-2002-0059141A
Authority: KR
Inventors: 김태균; 김현우; 기석철; 이종하; 황원준; 최창규
Original assignee: 삼성전자주식회사
Priority date: 2002-03-04
Filing date: 2002-09-28
Publication date: 2005-05-03
Also published as: KR100480783B1; KR20030072192A; KR20030072191A

Abstract

본 발명은 2차 ICA를 이용한 얼굴 인식/ 검색 방법 및 그 장치에 관한 것이다. 본 발명에 따른 2차 ICA를 이용한 특징정보 생성방법은 (a) 입력받은 원 영상정보에 PCA를 수행하여 상기 원 영상정보에서 고주파 성분이 제거된 저대역 필터링 영상 정보를 생성시키는 단계, (b) 상기 원 영상 정보에서 상기 저대역 필터링 영상 정보를 감산하여 상기 원 영상 정보에서 고주파 성분만이 남아 있는 잔여 이미지 정보를 생성시키는 단계, (c) 상기 잔여 영상 정보에 다시 ICA를 수행하여 상기 원 영상 정보에 대응되는 특징정보를 생성시키는 단계를 포함하는 것을 특징으로 한다.

원래의 아이시에이(ICA)가 그레이 스케일 이미지들로부터 독립적 요소(즉, 독립적 기초 요소)들을 감한 것인 반면, 본 발명에서 개시하는 2차 아이시에이(ICA)는 나머지 이미지들을 고대역-통과 주파수 요소들에 대응되도록 적용하므로, 그것은 조명 변화에 강하다.

Description

2차 ＩＣＡ를 이용한 얼굴 인식 방법 및 그 장치{Method of recognizing face using 2nd order ICA/PCA and apparatus thereof }

본 발명은 2차 ICA를 이용한 얼굴 인식/ 검색 방법 및 그 장치에 관한 것이다.

영상 처리와 해석에 있어서, 인간의 얼굴은 시각적인 판별과 신원 확인에 대한 중요한 요소이다. 1990년대 초부터, 얼굴 인식과 얼굴 표정 해석에 대한 분석이 광범위하게 개발되어왔다. 최근에, 영상의 흐름 속에서 얼굴 검색과 신원 확인을 위하여, 엠펙 세븐(MPEG-7) 얼굴 서술자(face descriptor)들이 제안되어왔다. 종래의 얼굴 인식 알고리즘에 반하여 상기 얼굴 서술자의 주요한 기능은 가능한 한 신속하고 효과적으로 조회 이미지와 똑같은 얼굴 이미지들을 검색하는 것이다. 여기서 해결하여야 하는 문제중의 하나는 상기 얼굴 서술자가 조도(빛의 밝기)의 큰 변화가 있는 이미지들의 조합 상에서도 작동하여야한다는 것이고 이 문제를 해결하기 위한 여러 제안들이 제시되어왔다.

조명 변화를 극복하기 위하여, 왕(Wang)과 탄(Tan)은 2차 아이젠페이스(eigenface) 방법을 제시했고 가메이(Kamei)와 야마다(Yamada)는 조명 변화에 기인한 얼굴의 대칭과 강도 변화를 묘사하기 위하여 신뢰 인자를 사용하는 데까지 작업 영역을 넓혀다. 네피앙(Nefian)과 데이비스(Davies)는 얼굴 서술을 위해 DCT 을 기반으로 한 임베디드 히든 마이크로코프 모델(embedded Hidden Markov Model,eHMM)을 사용했고, 김(Kim)등은 2차 피시에이 혼합 모델(PCA Mixture Model,PMM) 방법을 개발했다.

선도적인 고유치(eigenvalue)들에 대응하는 주요한 요소들은 신원 확인보다는 조명 변화를 묘사한다는 관찰에 기초하여, 왕(Wang)과 탄(Tan)은 2차 피시에이(PCA) 방법을 제안했다. 첫째, 피시에이(PCA)는 트레이닝(training) 이미지들의 조합에 적용된다. 처음의 10개의 고유치들에 대응하는 선도적인 주요한 요소들로부터 재구성된 이미지들은 낮은 주파수 요소들을 대표하고, 따라서 선도적인 고유치들은 조명변화에 민감하다. 그런 다음, 트레이닝(training) 이미지들을 대응하는 선도적인 주요한 요소들로부터 재구성된 이미지로부터 빼서 조명변화를 감한다. 그것들은 잔차 영상(residual face images)들로 불리고, 조명변화에 더 둔감한 높은 주파수 요소들을 포함한다. 마지막으로, 피시에이(PCA)는 잔차 영상에 적용된다.

또한 김(Kim)등은 얼굴 이미지 공간의 여러 모양의 가능성 분포를 평가하기 위하여 2차 피시에이 혼합 모델(PCA Mixture Model) 방법을 소개하였고, 가메이(Kamei)와 야마다(Yamada)는 2차 피시에이(PCA) 방법에 조명 변화에 기인한 얼굴 대칭과 강도를 기술하기 위한 신뢰 인자를 추가했다.

발렛(Bartlett)은 아이시에이(ICA)가 픽셀(pixels)사이의 고차 관계에 중요 인식 정보가 포함된 얼굴 이미지 공간에서 효과적인 정보를 축출하기 때문에 아이시에이(ICA)가 피시에이(PCA)보다 얼굴 묘사에 더 좋은 기초 벡터를 제공한다고 주장했고, 그것의 증거는 파렛(FARET) 얼굴 데이타시트상의 실험적인 결과들을 통하여 보여주었다. 그림 1에서 보여준 것처럼, 개선점은 피시에이(PCA)와 아이시에이(ICA)사이의 기초 벡터 선택에서의 차이에 의하여 설명될 수 있다. 즉, 데이타가 가우시안(Gaussian) 분포로 가정될 수 없을 때, 기초 벡터들이 직교하기 때문에 피시에이(PCA)는 또한 데이타를 기술할 수 없고, 반면에. 아이시에이(ICA)는 적절하게 데이타를 기술한다.

그러나 위 발렛의 방법에 의한 경우에도 만족할 만한 조명에 대한 강인한 효과를 얻을 수 없는 문제점이 있다.

본 발명이 이루고자 하는 기술적 과제는 2차 ICA를 이용하여 소정의 영상정보를 특징짓는 특징정보를 생성시키는 방법 및 그 장치를 제공하는데 있다.

본 발명이 이루고자 하는 다른 기술적 과제는 2차 ICA를 이용하여 소정의 얼굴영상을 인식하는 방법 및 그 장치를 제공하는데 있다.

본 발명이 이루고자 하는 또 다른 기술적 과제는 2차 ICA를 이용한 소정의 얼굴을 검색하는 방법 및 그 장치를 제공하는데 있다.

상기 문제점을 해결하기 위한 본 발명에 따른 2차 ICA를 이용한 특징정보 생성방법은 (a) 입력받은 원 영상정보에 PCA를 수행하여 상기 원 영상정보에서 고주파 성분이 제거된 저대역 필터링 영상 정보를 생성시키는 단계, (b) 상기 원 영상 정보에서 상기 저대역 필터링 영상 정보를 감산하여 상기 원 영상 정보에서 고주파 성분만이 남아 있는 잔여 이미지 정보를 생성시키는 단계, (c) 상기 잔여 영상 정보에 다시 ICA를 수행하여 상기 원 영상 정보에 대응되는 특징정보를 생성시키는 단계를 포함하는 것을 특징으로 한다.

상기 문제점을 해결하기 위한 본 발명에 따른 2차 ICA를 이용한 얼굴인식방법은 (a) 인식할 대상이 되는 제1얼굴영상정보와 상기 제1얼굴영상정보와 비교하는데 기준이 되는 제2얼굴영상정보를 입력받는 단계, (b) 상기 제1 및 제2 얼굴영상정보 각각에 2차 ICA를 수행하여 ICA 계수벡터를 추출하는 단계, (c) 상기 제1 및 제2 얼굴영상에 대응되는 ICA 계수벡터간에 유사성이 있는지 여부를 판단하여 출력하는 단계를 포함하는 것을 특징으로 한다.

여기서 상기 (b) 단계는 (b1) 상기 제1 및 제2 얼굴영상정보에 PCA를 수행하여 상기 제1 및 제2 얼굴영상정보에서 고주파 성분을 제거한 저대역 필터링 영상정보를 생성시키는 단계, (b2) 상기 제1 및 제2 얼굴영상정보에서 상기 제1 및 제2 얼굴영상정보 각각 대응되는 저대역 필터링 영상정보를 감산하여, 상기 제1 및 제2 얼굴영상정보에 대응되는 각각의 잔여 영상 정보를 발생시키는 단계, (b3) 상기 제1 및 제2 얼굴영상 정보에 각각 대응되는 잔여 영상 정보에 ICA를 수행하여 상기 제1 및 제2 얼굴영상 정보에 대응되는 ICA 계수벡터를 생성시키는 단계를 포함하는 것을 특징으로 한다.

또한 상기 (c) 단계는 상기 제1 및 제2 얼굴영상정보에 각각 대응되는 ICA 계수들을 벡터로 표시할 때 상기 두 벡터간의 내적의 값을 상기 두 벡터의 절대치의 곱으로 나눈 값이 소정의 값보다 큰 경우에는 상기 제1 및 제2 얼굴영상정보가 동일인을 촬영하여 발생된 것으로 판단하는 것을 특징으로 한다.

상기 문제점을 해결하기 위한 본 발명에 따른 2차 ICA를 이용한 얼굴검색방법은(a) 적어도 한 사람 이상의 얼굴을 촬영한 얼굴영상정보 및 상기 사람의 신산에 관한 정보를 저장한 데이터베이스를 구비하는 단계, (b) 상기 데이터베이스에서 검색할 임의의 얼굴영상을 입력받는 단계, (c) 상기 검색할 얼굴영상정보에 대하여 2차 ICA를 수행하여 ICA 계수벡터를 발생시키는 단계, (d) 순차적으로 상기 데이터베이스에 저장되어 있는 얼굴영상정보를 읽고, 상기 얼굴영상정보에 2차 ICA를 수행하여 ICA 계수벡터를 발생시키는 단계, (e)상기 검색할 얼굴영상정보에 대응되는 ICA 계수벡터와 상기 DB의 얼굴영상정보에 대응되는 ICA계수벡터를 비교하여 상기 두 얼굴영상이 동일인의 것인지 여부를 판단하는 단계 및 (f) 상기 판단결과 상기 두 얼굴영상이 동일인의 것으로 판단되면, 상기 데이터베이스에 저장되어 있는 상기 얼굴영상에 대응되는 신상정보를 읽어 출력하는 단계를 포함하는 것을 특징으로 한다.

여기서 상기 (c) 단계 및 (d) 단계에서 소정의 얼굴영상정보로부터 2차 ICA를 수행하여 발생되는 ICA 계수는 (aa) 상기 얼굴영상정보에 PCA를 수행하여 상기 얼굴영상정보에서 고주파 성분을 제거한 저대역 필터링 영상정보를 생성시키는 단계, (ab) 상기 얼굴영상정보에서 상기 얼굴영상정보에 대응되는 저대역 필터링 영상정보을 감산하여, 상기 얼굴영상정보에 대응되는 잔여 영상 정보를 발생시키는 단계, (ac) 상기 얼굴영상 정보에 각각 대응되는 잔여 영상 정보에 ICA를 수행하여 ICA 계수벡터를 생성시키는 단계를 포함하는 것을 특징으로 한다.

또한 상기 (e) 단계는 상기 검색할 얼굴영상정보에 대응되는 ICA 계수와 상기 DB의 얼굴영상정보에 대응되는 ICA계수를 각각 그에 대응되는 벡터들로 표시할 때 상기 두 벡터간의 내적의 값을 상기 두 벡터의 절대치의 곱으로 나눈 값이 소정의 값보다 큰 경우에는 상기 제1 및 제2 얼굴영상정보가 동일인을 촬영하여 발생된 것으로 판단하는 것을 특징으로 한다.

상기 문제점을 해결하기 위한 본 발명에 따른 2차 ICA를 이용한 얼굴검색 장치는 (a) 적어도 한 사람 이상의 얼굴영상에 대응되는 ICA 계수벡터와 그에 대응되는 상기 사람의 신상정보를 저장하고 있는 데이터베이스를 구비하는 단계, (b) 상기 데이터베이스에서 검색할 임의의 얼굴영상을 입력받는 단계, (c) 상기 검색할 얼굴영상에 대하여 2차 ICA를 수행하여 ICA 계수벡터를 구하는 단계 및 (d) 상기 데이터베이스에 저장되어 있는 ICA 계수벡터값들 과 검색할 얼굴영상에 대응되는 ICA 계수벡터값간의 유사정도에 따라서 상기 검색할 얼굴영상의 사람과 동일한 사람의 얼굴영상에 대응되는 ICA 계수벡터값을 검색하여 출력하는 단계를 포함하는 것을 특징으로 한다.

여기서 상기 (c) 단계는 (c1) 상기 얼굴영상정보에 PCA를 수행하여 상기 얼굴영상정보에서 고주파 성분을 제거한 저대역 필터링 영상정보를 생성시키는 단계, (c2) 상기 얼굴영상정보에서 상기 얼굴영상정보에 대응되는 저대역 필터링 영상정보을 감산하여, 상기 얼굴영상정보에 대응되는 잔여 영상 정보를 발생시키는 단계 및 (c3) 상기 얼굴영상 정보에 각각 대응되는 잔여 영상 정보에 ICA를 수행하여 ICA 계수벡터을 생성시키는 단계를 포함하는 것을 특징으로 한다.

상기 문제점을 해결하기 위한 본 발명에 따른 2차 ICA를 이용한 특징정보 생성장치는 입력받은 원 영상정보에 PCA를 수행하여 상기 원 영상정보에서 고주파 성분이 제거된 저대역 필터링 영상 정보를 생성시키는 저대역 필터링 이미지 생성부, 상기 원 영상 정보에서 상기 저대역 필터링 영상 정보를 감산하여 상기 원 영상 정보에서 고주파 성분만이 남아 있는 잔여 이미지 정보를 생성시키는 잔여 이미지 생성부 및 상기 잔여 영상 정보에 다시 ICA를 수행하여 상기 원 영상 정보에 대응되는 특징정보를 생성시키는 ICA 계수행렬 계산부를 포함하는 것을 특징으로 한다.

상기 문제점을 해결하기 위한 본 발명에 따른 2차 ICA를 이용한 얼굴인식장치는 인식할 대상이 되는 제1얼굴영상정보와 상기 제1얼굴영상정보와 비교하는데 기준이 되는 제2얼굴영상정보를 입력받는 입력부, 상기 제1 및 제2 얼굴영상정보 각각에 2차 ICA를 수행하여 ICA 계수벡터을 추출하는 특징정보 생성부, 상기 제1 및 제2 얼굴영상에 대응되는 ICA 계수벡터간에 유사성이 있는지 여부를 판단하여 출력하는 비교부를 포함하는 것을 특징으로 한다.

여기서 상기 특징정보 생성부는 입력받은 원 영상정보에 PCA를 수행하여 상기 원 영상정보에서 고주파 성분이 제거된 저대역 필터링 영상 정보를 생성시키는 저대역 필터링 이미지 생성부, 상기 원 영상 정보에서 상기 저대역 필터링 영상 정보를 감산하여 상기 원 영상 정보에서 고주파 성분만이 남아 있는 잔여 이미지 정보를 생성시키는 잔여 이미지 생성부 및 상기 잔여 영상 정보에 다시 ICA를 수행하여 상기 원 영상 정보에 대응되는 특징정보를 생성시키는 ICA 계수행렬 계산부를 포함하는 것을 특징으로 한다.

상기 문제점을 해결하기 위한 본 발명에 따른 2차 ICA를 이용한 얼굴검색 장치는 얼굴을 검색하는데 필요한 얼굴영상 정보 DB를 구축하는데 사용되는 얼굴영상정보 또는 상기 DB 구축하는데 사용되는 얼굴영상정보 중에서 검색할 대상이 되는 얼굴영상을 입력받는 입력부, 상기 입력부로부터 상기 DB를 구축하는데 사용되는 얼굴영상 정보 또는 상기 검색할 대상이 되는 얼굴영상정보를 제공받고, 상기 얼굴영상정보들에 2차 ICA를 수행하여 상기 얼굴영상정보들에 대응하는 특징정보를 생성시키는 특징정보 생성부, 상기 특징정보 생성부로부터 상기 DB를 구축하는데 사용되는 얼굴영상정보에 대응되는 특징정보를 제공받아 이를 DB에 저장하는 DB관리부, 상기 특징정보 생성부로부터 상기 검색할 대상이 되는 얼굴영상정보에 대응되는 특징정보를 제공받고, 상기 DB에 저장되어 있는 특징정보들 중에서 상기 제공받은 특징정보와 유사한 정도가 소정의 기준 값보다 큰 특징정보를 검색하여 상기 특징정보에 대응되는 사람과 상기 검색할 대상이 되는 얼굴영상의 사람이 동일한 사람으로 판단하는 비교부를 포함하는 것을 특징으로 한다.

여기서 상기 얼굴검색 장치는 상기 DB 관리부는 상기 입력부로부터 상기 DB를 구축할 얼굴영상정보를 제공받아 저장하고, 상기 비교부는 상기 DB에 저장되어 있는 얼굴영상정보를 순차적으로 읽어 특징정보 생성부에 제공한 후에 상기 특징정보 생성부로부터 상기 얼굴영상정보에 대응되는 특징정보를 제공받아, 상기 검색할 대상이 되는 얼굴영상정보의 특징정보와 비교하여 상기 얼굴영상정보들간의 유사 정도를 판단하여, 상기 얼굴영상정보가 동일한 사람의 것인지 여부를 판단하여 출력하고, 상기 특징정보관리부는 상기 입력부로부터 상기 검색할 대상이 되는 얼굴영상정보 및 상기 비교부로부터 상기 DB에서 독출된 얼굴영상정보를 제공받고, 상기얼굴영상정보들에 2차 ICA를 수행하여 상기 얼굴영상정보들에 대응하는 특징정보를 생성시켜 상기 비교부에 제공하는 것을 특징으로 한다.

또한 상기 얼굴검색장치는 상기 특징정보는 ICA 계수벡터를 포함하는 것을 특징으로 하며, 상기 특징정보 생성부는 상기 DB를 구축하는데 사용되는 얼굴영상 정보 또는 상기 검색할 대상이 되는 얼굴영상정보에 PCA를 수행하여 상기 얼굴영상정보에서 고주파 성분이 제거된 저대역 필터링 영상 정보를 생성시키는 저대역 필터링 이미지 생성부, 상기 얼굴영상 정보에서 상기 저대역 필터링 영상 정보를 감산하여 상기 얼굴영상 정보에서 고주파 성분만이 남아 있는 잔여 이미지 정보를 생성시키는 잔여 이미지 생성부 및 기 잔여 영상 정보에 다시 ICA를 수행하여 상기 얼굴영상 정보에 대응되는 특징정보를 생성시키는 ICA 계수행렬 계산부를 포함하는 것을 특징으로 한다.

이하에서는 본 발명을 상세히 설명한다.

본 발명에서는 얼굴 이미지 공간을 묘사하고 조명 변화에서 판별성을 향상시키기 위하여, 우리는 2차 독립요소 분석(Independent Component Analysis,ICA) 방법을 개시한다.

이하에서는 본 발명에서 사용하고 있는 PCA(Principle Component Analysis, 주성분 분석)에 대해 설명한다.주성분 분석은 직교최소제곱(orthogonal least squares)의 개념에 기초하여 n차원 공간에 흐트러져 있는 점들을 가장 잘 적합시키는 평면을 찾기 위한 기하적 최적화(optimization)의 문제로 1901년 피이슨(Peason)에 의해 제기되었다. 그 후 1930년대 호텔링(Hotelling)은 변수들간의 상관구조(correlation structure)를 분석하기 위한 노력의 일환으로 원래 n개 반응변수들의 값을 근사적을 결정하게 되는 더 낮은 차원의 서로 독립적인 요인을 상정하여 이를 성분(component)이라 불렀으며 원래 변수들이 가진 전체변이에 대한 각 성분의 공헌도(contribution)를 순차적으로 최대화하도록 선택된 성분을 유도하여 이에 기초한 분석을 주성분 분석이라고 불렀다. 이와 같은 주성분 분석은 여러 개의 변수로 구성되여 있으며 직접적으로 변수들 간의 구조에 관한 해석이 어려운, 서로 상관 되어있는 반응 변수들을 적절히 변환시켜 소수 몇 개의 의미있는 그리고 서로 독립적인 주성분을 유도, 해석하고자 하는 분산중심의 다변량기법이다. 이러한 분석법은 다변량 데이터의 인식 연구, 차원의 축소를 통한 자료의 구조적 요약, 순차적으로 독립적인 특징의 추출, 종속관계에 있는 변수들의 식별(identification), 분포형태의 평가와 비교, 특이값(outlier) 혹은 군집(cluster)의 탐색 및 자료의 적합(fitting)과 모형의 구축 등에 유용하게 응용된다.이하에서는 본 발명에서 사용하고 있는 2차 ICA(독립요소분석) 기술자를 상세히 설명한다.

독립요소분석은 상기 주성분분석의 확장된 개념으로, 주성분분석이 평균과 분산에만 기반하여 변수들의 상호관계를 없앤 축을 찾아내어 분석하는 방법임에 대하여, 독립요소분석은 평균 및 분산 분 아니라 첨도(kurtosis)와 비대칭도(skewness) 등 고차원의 통계학적 성질에 기반하여 변수들의 상호관계를 없애기 때문에 다변량 데이터에서 독립적인 요소만을 따로 뽑아낼 수 있다. 따라서, 독립요소분석법을 사용하면, 데이터들이 정규분포를 따르지 않는 경우 생기는 주성분분석법의 문제를 보완할 수 있다.상기 ICA(독립요소분석) 방법에 대하여 상세히 살펴보면, M개의 이미지들의 조합이 기저 벡터들을 추출하는 학습 영상들로 주어진다고 가정하고, 를 i번째 학습 영상에 대응하는 래스터-스캔(raster-scan)된 벡터하고 하자. 이때 벡터 차원은 영상의 픽셀(pixel)들의 수이며, 이를 N이라고 하자.

대부분, M < N 이다. 이미지 조합의 평균 벡터는 이다. 평균 벡터로부터 모든 이미지들을 뺀 후에, 즉, , 평균 영을 가진 M x N 행렬 를 가지고, 데이타의 공분산(covariance) 행렬은 로 표현된다. 일반적으로, ICA는 N x N 가역의 행렬을 발견하는 것을 목표로 하고, 이것은 의 열들은 통계적으로 독립적이고, 얼굴 이미지들 X는 기저 벡터(혹은 영상)들로서 사용된다. 즉,은 독립적인 열들 U^{(0)}에 의하여 표현된다. 얼굴 이미지 x 의 ICA 표현은 그림 2에서 보여준 것처럼 기저 벡터(혹은 영상) 의 선형 조합으로서 표현된다. 본 발명에서는 조명에 변하지 않는 얼굴 표현을 이루기 위해 원래의 ICA를 2차 ICA로 확장한다.

이하에서는 본 발명에 적용되는 2차 ICA를 상세히 설명한다.

원래의 얼굴 이미지인 X에 대해서 PCA를 수행하고 M개의 트레이닝 이미지의 고유값 및 고유벡터를 추출한다. 얼굴 이미지의 저주파 성분을 표현하기 위해서 인 제1최대 고유벡터가 선택되고, 에 대한 데이터의 투영(projection)인 리딩(leading) 고유벡터는 다음 수학식 1과 같이 표현된다.

,

여기서 은 선택된 고유벡터들의 집합을 나타내고, 는 i번째 최대 고유값에 해당하는 고유벡터를 나타낸다. 독립 소스(source)들의 숫자를 (tractable) 학습 가능한 숫자로 감소시키고, 단순한 재구성을 제공하기 위해서, ICA 는 X 대신에 에 대해서 수행된다. 이는에 다음 수학식 2로 표현되는 독립기초 이미지 을 제공한다.

,

여기서 은 의 열들이 통계적으로 독립적이도록 하는 변환 가능한 매트릭스를 나타낸다. 웨이트(weight) 매트릭스 은 Bell 과 Sejnowski 의 알고리즘에 의해서 평가되고, 대응 매트릭스 은 트레이닝 이미지의 저대역 필터링된 버전의 통계적으로 독립적인 기저 벡터(혹은 영상)를 포함한다. 저대역 필터링된 얼굴 이미지 은 수학식 1의 양변에 을 곱함으로써 계산되고, 이는 다음 수학식 3과 같이 표현된다.

,

즉, 저주파 성분 는 독립 기저 벡터(혹은 영상) 에 의해서 스팬(span)되고, 으로 표현되는 ICA 계수 로 표현된다. 결과적으로, 1차 ICA 변환 매트릭스는 에 의해서 계산된다. 기저 벡터(혹은 영상) 및 의 일 예가 도 3 에 도시된다.

다음으로, 고역 필터링된 이미지에 해당되는 잔여 이미지는 저역 필터링된 이미지에 해당하는 재구성된 이미지로부터 원 얼굴 이미지를 감산함으로써 계산되고, ICA 는 잔여 이미지에 대하여 다시 수행된다. i 번째 잔여 이미지는 로 표현되고, 여기서 는 의 i번째 열을 나타낸다. 잔여 이미지에 해당되는 잔여 매트릭스는 로 정의된다. 1차 ICA 변환과 유사하게, 에 대해서 ICA 를 수행할 때, 는 잔여 데이터 Γ의 i 번째 최대 고유값에 해당하는 고유벡터를 나타내고, 잔여 이미지의 2차 ICA 재구성 는 다음 수학식 4와 같이 표현된다.

,

여기서 는 독립 기저 벡터(혹은 영상) 를 나타내고, 는 의 열들이 서로 통계적으로 독립적이도록 변환 가능한 웨이트 매트릭스를 행한다. 로부터, 위 수학식 4는 원 매트릭스 X 에 대해서 다음 수학식 5와 같이 표현된다.

즉, 고주파 성분 은 독립 기저 벡터(혹은 영상) 에 의해서 스팬(span)되고, 로 표현되는 ICA 계수는 로 표현된다. 따라서 2차 ICA 변환 매트릭스는 로 표현된다. 도 4의 (a)는 원 얼굴 영상 X를 나타내고 있으며, 도 4의 (b)는 위 X의 재구성된 저역 필터링된 이미지 를 나타내고 있고, 도 4의 (c)는 잔여 이미지 를 나타내고 있다.

비트율(bit-rate)을 감소시키고, ICA 표현의 성능을 개선하기 위해서, 클래스간 대 클래스내 분산의 비에 의해서 정의되는 최고 클래스 분별도(discriminability) 를 갖는 ICA 계수의 부분집합이 독립 기저 벡터(혹은 영상) 으로 부터 선택되고, 로 각각 표현된다. 이에 해당하는 변환 매트릭스 는 다음 수학식 6으로 표현된다.

변환 매트릭스 및 는 및 과 차원과 순열에서 차이가 있으나, 그 의미는 동일하다. 도 5a 는 2차 PCA 기저 벡터(혹은 영상)를 나타내고 도 5b는 ICA의 기저 벡터(혹은 영상)를 도시한다.

최종적으로 2차 ICA 표현은 기저 벡터(혹은 영상)(basis images)인 와 계수벡터(coefficient matrix)로 구성된다. 이때 계수벡터는 수학식 7과 같다.

B=XT,

여기에서 는 변환행렬(transformation matrix)을 나타낸다. 따라서 기저 벡터(혹은 영상)(basis image) U 가 고정되어 있으면, 얼굴 이미지 X 는 수학식 7로부터 2차 ICA 계수 B 에 의해서 표현된다. 이때 T 는 트레이닝 이미지 세트(training image set)로부터 미리 계산되어진다.

ICA 계수 에 의해 표현되는 2개의 얼굴 이미지 가 주어지면, 유사성(similarity) d(b_{1},b_{2})는 그들 사이의 교차상관(cross-correlation)을 다음 수학식 8을 통하여 계산함으로써 측정된다.

,

여기서 는 벡터 a와 b 의 내적을 나타내며, 는 벡터 a 의 크기(norm)를 나타낸다.

이하에서는 본 발명을 실험한 결과를 살펴본다.

4개의 실험 결과가 개시된다. 본 실험들의 구성(configuration)은 표1에 요약되어 있다. 실험 1과 2를 통하여 본원의 다른 제안 즉, NEC와 POSTECH 각각의 결과들이 비교된다. 학습 영상은 버전1의 디스크립터(descriptor)(face_0066_01~face_0085_5 그리고 face_0181_01 ~ face_0200_5)에 의해 사용된 200 장의 얼굴 영상들로 구성된다. 표 1에 보이는 것처럼 각 테스트 셋트는 각 실험에 따라서 변한다. 다른 실험들은 VCE-4에 확장된 MPEG-7 face 데이터 셋트(dataset) 상에서 수행된다. 한편, 이전의 실험들과 동일한 시험 셋(training set)을 실험 3에서 사용하고, 실험 4는 kamei에 의해 VCE-4 reflector로 제안된 새롭게 정의된 트레이닝 셋트(training set)를 수행한다.

TEST SET
	TRAINING SET	Illumination
실험 1(M6001)	200 images :40persons*5images/personface_0066_01-face_0085_85face_018_01-fce_0200_05	745 images :149persons*5images/personface_0001_01-face_0065_05face_0086_01-face_0169_05
실험 2(M7286)		350 images :70persons*5images/personface_0001_01-face_0035_05face_0116_01-face_0150_05
실험 3		1015 images:203persons*5images/person
실험 4	1685 images : 337persons*5images/person(the image files whose person ID field is even + training set used by version 1 descriptor)	1490 images :298 persons*5images/person(the image files whose person ID field is odd - training set used by version 1 descriptor)

표2 및 3은 본 발명에서 제안된 방법과 다른 제안의 실험 1 및 실험 2를 실행한 결과를 비교하고 있다. 1번 및 2번 실험에서 본 발명에 따른 2차 ICA 얼굴 서술자(face descriptor)의 결과는 illumination set에 있어서는 다른 제안들(버전 1, NEC, 그리고 POSTECH)의 결과보다 좋다.

	illumination set
	ANMRR	FIR
Ver 1.0	0.234(0.266*)	0.125(0.403*)
NEC	0.214*	0.342*
2nd-order ICA	0.152	0.071
manual alignment	0.135	0.052

	illumination set
	ANMRR	FIR
Ver 1.0	0.270*	0.414*
POSTECH	0.236*	-
NEC	0.226*	0.354*
2nd-order ICA	0.221	0.128
manual alignment	0.170	0.082

	illumination set
	ANMRR	FIR
Ver 1.0	0.300	0.183
2nd-order ICA	0.277	0.149
manual alignment	0.236	0.131

실험 4에 있어서, 트레이닝 데이터 셋트(training dataset)은 VCE reflector에서 제안된 kamei처럼 확장된다. 표 5는 실험 4의 결과를 보이 있다.

	ANMRR	FIR
Ver 1.0	0.499	0.306
2nd-order ICA	0.367	0.205

위에서 살펴본 바와 같이 본 발명에 따른 2차 ICA를 이용한 얼굴 인식 방법의 정확성과 조도 변화에 대한 강인성을 보이고 있다.

이하에서는 도면을 참조하여 본 발명의 바람직한 실시예를 설명한다.

도 6은 본 발명에 따른 2차 ICA 특징 정보를 구하는 방법을 나타낸 바람직한 실시예의 순서도이다. 먼저 원영상(X)를 입력(601)받는다. 그리고 원영상(X)에 PCA를 수행하여 저대역 필터링 이미지()를 얻는다(602). 그 후에 원영상(X)의 정보에서 저대역 필터링 이미지()의 정보를 감산하여 잔여 이미지( )를 얻는다(603). 그리고 잔여 이미지( )에 다시 ICA를 수행하여, 위 원영상(X)을 특징짓는 2차 ICA 특징정보인 기저 벡터(혹은 영상)(basis images) 및 ICA 계수벡터를 구한다(604).

여기서 참조번호 601 단계 내지 604 단계까지의 세부적인 사항은 위에서 수학식 1 내지 수학식 8을 참조하여 상세히 설명되어 있다.

도 7은 본 발명에 따른 2차 ICA를 이용한 얼굴인식 방법의 바람직한 실시예를 나타낸 순서도이다. 먼저 인식대상이 되는 얼굴영상과 비교기준이 되는 얼굴영상을 입력받는다(701). 그리고 위 인식대상 얼굴영상 및 비교기준 얼굴영상 각각에 2차 ICA를 수행하여 위 영상들에 각각 대응되는 2차 ICA 특징정보를 구한다(702). 그 후에 위 영상들에 대응하는 2차 ICA 특징정보 중 ICA 계수벡터을 비교하여 위 두 영상의 얼굴이 동일인의 것인지 판단하여 그 결과를 출력(703)한다. 여기서 두 영상의 ICA 계수벡터을 비교하는 방법은 위의 수학식 8에서 보이고 있으며, 수학식 8의 계산결과가 소정의 기준값 보다 큰 경우에는 두 영상의 얼굴이 동일인의 것으로 판단할 수 있다.

도 8a는 본 발명에 따른 2차 ICA를 이용한 얼굴인식 방법의 바람직한 일실시예를 나타낸 순서도이다.

먼저 적어도 한 사람 이상의 얼굴영상 및 상기 사람의 신상에 관한 정보인 신상정보를 저장한 DB를 구비(811)한다. 그리고 검색할 임의의 얼굴 영상을 입력받는다(812). 그 후에 상기 검색할 얼굴영상에 대하여 2차 ICA를 수행하여 ICA 계수 벡터를 구한다(813). 그리고 위 DB이 얼굴영상들에 순차적으로 2차 ICA를 수행하여 ICA 계수벡터를 구하고 상기 검색할 얼굴영상의 ICA계수벡터와 비교하여 위 검색할 임의의 얼굴영상과 동일인의 얼굴영상이 위 DB에 있는지 여부를 판단(814)한다. 그리고 상기 DB에 동일인의 것으로 판단되는 얼굴영상이 있는 경우 그에 대응되는 위 DB 상의 신상정보를 출력(815)한다.

여기서 두 얼굴영상이 동일인의 것인지 여부를 판단하는 방법은 위 수학식 8을 이용하며, 위 수학식 8의 결과가 소정의 일정한 값 이상이 되면 동일인의 것으로 판단할 수 있다.

도 8b는 본 발명에 따른 2차 ICA를 이용한 얼굴인식 방법의 바람직한 다른 실시예를 나타낸 순서도이다.

먼저 적어도 한 사람 이상의 얼굴영상 및 위 사람의 신상에 관한 정보인 신상정보를 입력받는다(821). 그리고 위 얼굴영상에 대하여 2차 ICA를 수행하여 위 얼굴영상에 대응되는 ICA 계수벡터을 구하고 위 ICA 계수벡터와 상기 신상정보를 연계시켜 저장하여 데이터베이스(DB)를 구비한다(822). 그 후에는 검색할 임의의 얼굴영상을 입력받는다(823). 그리고 검색할 얼굴영상에 대하여 2차 ICA를 수행하여 ICA 계수 벡터를 구한다(824). 그리고 상기 검색할 얼굴영상에 대응되는 ICA 계수벡터와 유사성이 있는 상기 DB 상의 ICA 계수벡터를 검색하여 그 검색된 결과를 출력(825)한다.

도 9는 도 6의 2차 ICA 특징 정보를 구하는 장치의 바람직한 실시예의 블록구성도를 보이고 있다. 본발명에 따른 소정의 영상으로부터 2차 ICA 특징정보를 구하는 장치는 저대역필터링 이미지 생성부(901), 잔여이미지 생성부(902), ICA 계수행렬 계산부(903)를 포함한다.

저대역 필터링 이미지 생성부(901)는 임의의 영상정보를 입력받고 이에 PCA를 수행하여 위 입력받은 영상에서 고주파 성분이 제거된 저대역 필터링 이미지를 생성하는 기능을 수행한다.

잔여이미지 생성부(902)는 위 입력받은 영상정보에서 위 저대역 필터링 이미지 생성부(901)에서 생성된 저대역 필터링 이미지 영상정보를 감산하여 잔여 이미지를 생성하는 기능을 수행한다.

ICA 계수행렬 생성부(903)는 위 잔여이미지에 ICA를 수행하여 기저 벡터(혹은 영상) 및 ICA 계수벡터를 구하는 기능을 수행한다.

도 10은 도 7의 2차 ICA를 이용한 얼굴인식장치의 바람직한 실시예를 보이고 있다. 본 발명에 따른 2차 ICA를 이용한 얼굴인식장치는 입력부(1001), 특징데이터생성부(1002), 비교부(1003)을 포함한다.

입력부(1001)는 외부로부터 인식 대상이 되는 임의의 얼굴영상정보 및 위 인식의 기준이 되는 얼굴영상정보(위 인식대상이 되는 얼굴영상이 동일인의 것인지 여부를 판단하는데 기준이 되는 얼굴영상)를 입력받아 특징데이터 생성부(1002)에 제공하는 기능을 수행한다.

특징데이터생성부(1002)는 위 두 얼굴영상에 대하여 위 도 9에서 보이고 있는 본 발명에 따른 2차 ICA를 이용한 특징 정보 생성장치와 같은 구성 및 기능을 갖는다. 즉, 위 특징 데이터 생성부(1002)는 위 입력부(1001)로부터 제공받은 두 개의 원 얼굴영상정보에 대하여 가각 PCA를 수행하여 저대역 필터링 이미지를 각각 생성시키고, 위 두 개의 원 얼굴영상정보로부터 위 각각의 저대역 필터링 이미지를 감산하여 잔여 이미지를 각각 생성시킨 후에 위 잔여 이미지에 ICA를 다시 수행하여 기본 이미지 및 ICA 계수벡터를 구하는 기능을 수행한다.

비교부(1003)는 위 비교대상이 되는 얼굴영상의 ICA 계수벡터와 위 비교기준이 되는 얼굴영상의 ICA 계수벡터를 비교하여 위 두 영상이 동일인의 것인지 여부를 판단하여 그 결과를 출력하는 기능을 수행한다.

도 11은 도 8a 또는 8b의 2차 ICA를 이용한 얼굴검색 장치의 바람직한 실시예를 보이고 있다.

입력부(1101)는 얼굴을 검색하는데 필요한 얼굴영상 정보 데이터베이스(DB)를 구축하는데 필요한 얼굴영상정보를 입력받아 DB 관리부(1103) 또는 특징정보 생성부(1102)에 제공하는 기능을 수행한다.

또한 입력부(1101)는 위 얼굴영상정보DB를 검색할 대상이 되는 얼굴영상을 입력받아 위 특징정보 생성부(1102)에 제공하는 기능을 수행한다.

특정정보 생성부(1102)는 위 입력부(1101)로부터 제공받은 얼굴영상으로부터 위 도 9에서 보이고 있는 과정을 통하여 ICA 계수벡터 및 기저 벡터(혹은 영상)를 발생시키는 기능을 수행한다. 다만, 위 제공받은 얼굴영상이 얼굴영상정보 DB 에 저장하기 위한 것인 경우에는 위 특징정보(ICA 계수벡터 및 기저 벡터(혹은 영상))를 위 DB관리부(1103)에 제공하고, 그렇지 않은 경우에는 위 특징정보를 비교부(1104)에 제공하는 기능을 수행한다.

또한 비교부(1104)로부터 상기 얼굴영상정보 DB로부터 독출된 얼굴영상정보를 제공받고, 위 얼굴영상에 대한 특정정보를 추출하여 위 비교부(1104)에 다시 제공하는 기능을 수행한다.

DB 관리부(1103)는 위 입력부(1101)로부터 제공받은 얼굴영상정보 또는 위 특징정보 생성부(1102)로부터 제공받은 특징정보를 얼굴영상 정보 DB에 저장하고 관리하는 기능을 수행한다.

비교부(1104)는 위 특징정보 생성부(1102)로부터 제공받은 검색대상이 되는 얼굴영상의 특징정보를 제공받고, 위 특징정보를 기초로 얼굴영상정보 DB에서 위 얼굴영상과 동일인의 얼굴영상을 검색하는 기능을 수행한다. 이 때 위 얼굴영상정보 DB에 얼굴영상 정보만이 저장되어 있는 경우에는 위 얼굴영상정보를 읽어 위 특징정보 생성부(1102)에 제공한 후에 위 제공한 얼굴영상정보에 대응되는 특징정보를 제공받아 위 검색대상이 되는 얼굴영상과 동일인의 것인지 여부를 확인하고, 위 얼굴영상정보 DB에 각각의 얼굴영상에 대응되는 특징정보를 저장하고 있는 경우에는 위 특징정보 만을 읽어 위 검색대상이 되는 얼굴영상정보의 특징정보와 비교하여 위 두 영상이 동일인을 촬영한 것인지 여부를 확인한다.

한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.

상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 씨디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장매체를 포함한다.

이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

본 발명에 따르면 조도에 영향을 받지 않는 얼굴 서술자를 이용하여 사람 등의 얼굴을 검색하거나 소정의 사람을 인증할 수 있는 효과가 있다.

도 1은 (a) 는 PCA를 (b)는 ICA를 보이고 있으며,

도 2는 ICA를 개념적으로 보이고 있으며,

도 3은 윗줄에는 1차 PCA의 첫번째 10개 기초 이미지를 보이고 있으며, 아랫줄에는 1차 ICA의 첫번째 10개 기초 이미지를 보이고 있다.

도 4의 (a)는 원래의 얼굴이미지를 보이고 있으며, (b)는 ICA의 첫번째 10 중요한(principal) 구성요소를 통하여 재구성된 이미지를 보이고 있으며, (c)는 ICA의 나머지 이미지를 보이고 있으며,

도 5a는 2차 PCA의 선택된 30개의 기초 이미지를 보이고 있으며,

도 5b는 2차 ICA의 선택된 30개의 기초 이미지를 보이고 있으며,

도 6은 본 발명에 따른 2차 ICA 특징 정보를 구하는 방법을 나타낸 바람직한 실시예의 순서도이며,

도 7은 본 발명에 따른 2차 ICA를 이용한 얼굴인식 방법의 바람직한 실시예를 나타낸 순서도이며,

도 8a는 본 발명에 따른 2차 ICA를 이용한 얼굴이식 방법의 바람직한 일실시예를 나타낸 순서도이며,

도 8b는 본 발명에 따른 2차 ICA를 이용한 얼굴인식 방법의 바람직한 다른 실시예를 나타낸 순서도이며,

도 9는 도 6의 2차 ICA 특징 정보를 구하는 장치의 바람직한 실시예의 블록구성도를 보이고 있으며,

도 10은 도 7의 2차 ICA를 이용한 얼굴인식장치의 바람직한 실시예를 보이고 있으며,

Claims

(a) 입력받은 원 영상정보에 PCA를 수행하여 상기 원 영상정보에서 고주파 성분이 제거된 저대역 필터링 영상 정보를 생성시키는 단계;

(b) 상기 원 영상 정보에서 상기 저대역 필터링 영상 정보를 감산하여 상기 원 영상 정보에서 고주파 성분만이 남아 있는 잔여 이미지 정보를 생성시키는 단계;

(c) 상기 잔여 영상 정보에 다시 ICA를 수행하여 상기 원 영상 정보에 대응되는 특징정보를 생성시키는 단계를 포함하는 것을 특징으로 하는 2차 ICA를 이용한 특징정보 생성방법.
(a) 인식할 대상이 되는 제1얼굴영상정보와 상기 제1얼굴영상정보와 비교하는데 기준이 되는 제2얼굴영상정보를 입력받는 단계;

(b) 상기 제1 및 제2 얼굴영상정보 각각에 2차 ICA를 수행하여 ICA 계수벡터를 추출하는 단계;

(c) 상기 제1 및 제2 얼굴영상에 대응되는 ICA 계수벡터간에 유사성이 있는지 여부를 판단하여 출력하는 단계를 포함하는 것을 특징으로 하는 2차 ICA를 이용한 얼굴인식방법.
제2항에 있어서, 상기 (b) 단계는

(b1) 상기 제1 및 제2 얼굴영상정보에 PCA를 수행하여 상기 제1 및 제2 얼굴영상정보에서 고주파 성분을 제거한 저대역 필터링 영상정보를 생성시키는 단계;

(b2) 상기 제1 및 제2 얼굴영상정보에서 상기 제1 및 제2 얼굴영상정보 각각 대응되는 저대역 필터링 영상정보을 감산하여, 상기 제1 및 제2 얼굴영상정보에 대응되는 각각의 잔여 영상 정보를 발생시키는 단계;

(b3) 상기 제1 및 제2 얼굴영상 정보에 각각 대응되는 잔여 영상 정보에 ICA를 수행하여 상기 제1 및 제2 얼굴영상 정보에 대응되는 ICA 계수벡터를 생성시키는 단계를 포함하는 것을 특징으로 하는 2차 ICA를 이용한 얼굴인식방법.
제2항에 있어서, 상기 (c) 단계는

상기 제1 및 제2 얼굴영상정보에 각각 대응되는 ICA 계수벡터들을 벡터로 표시할 때 상기 두 벡터간의 내적의 값을 상기 두 벡터의 절대치의 곱으로 나눈 값이 소정의 값보다 큰 경우에는 상기 제1 및 제2 얼굴영상정보가 동일인을 촬영하여 발생된 것으로 판단하는 것을 특징으로 하는 2차 ICA를 이용한 얼굴인식방법.
(a) 적어도 한 사람 이상의 얼굴을 촬영한 얼굴영상정보 및 상기 사람의 신산에 관한 정보를 저장한 데이터베이스를 구비하는 단계;

(b) 상기 데이터베이스에서 검색할 임의의 얼굴영상을 입력받는 단계;

(c) 상기 검색할 얼굴영상정보에 대하여 2차 ICA를 수행하여 ICA 계수벡터를 발생시키는 단계;

(d) 순차적으로 상기 데이터베이스에 저장되어 있는 얼굴영상정보를 읽고, 상기 얼굴영상정보에 2차 ICA를 수행하여 ICA 계수벡터를 발생시키는 단계;

(e)상기 검색할 얼굴영상정보에 대응되는 ICA 계수벡터와 상기 DB의 얼굴영상정보에 대응되는 ICA계수벡터를 비교하여 상기 두 얼굴영상이 동일인의 것인지 여부를 판단하는 단계; 및

(f) 상기 판단결과 상기 두 얼굴영상이 동일인의 것으로 판단되면, 상기 데이터베이스에 저장되어 있는 상기 얼굴영상에 대응되는 신상정보를 읽어 출력하는 단계를 포함하는 것을 특징으로 하는 2차 ICA를 이용한 얼굴검색방법.
제5항에 있어서, 상기 (c) 단계 및 (d) 단계에서 소정의 얼굴영상정보로부터 2차 ICA를 수행하여 발생되는 ICA 계수벡터는

(aa) 상기 얼굴영상정보에 PCA를 수행하여 상기 얼굴영상정보에서 고주파 성분을 제거한 저대역 필터링 영상정보를 생성시키는 단계;

(ab) 상기 얼굴영상정보에서 상기 얼굴영상정보에 대응되는 저대역 필터링 영상정보을 감산하여, 상기 얼굴영상정보에 대응되는 잔여 영상 정보를 발생시키는 단계;

(ac) 상기 얼굴영상 정보에 각각 대응되는 잔여 영상 정보에 ICA를 수행하여 ICA 계수벡터를 생성시키는 단계를 포함하는 것을 특징으로 하는 2차 ICA를 이용한 얼굴검색방법.
제5항에 있어서, 상기 (e) 단계는

상기 검색할 얼굴영상정보에 대응되는 ICA 계수벡터와 상기 DB의 얼굴영상정보에 대응되는 ICA계수벡터를 각각 그에 대응되는 벡터들로 표시할 때 상기 두 벡터간의 내적의 값을 상기 두 벡터의 절대치의 곱으로 나눈 값이 소정의 값보다 큰 경우에는 상기 제1 및 제2 얼굴영상정보가 동일인을 촬영하여 발생된 것으로 판단하는 것을 특징으로 하는 2차 ICA를 이용한 얼굴검색방법.
(a) 적어도 한 사람 이상의 얼굴영상에 대응되는 ICA 계수벡터와 그에 대응되는 상기 사람의 신상정보를 저장하고 있는 데이터베이스를 구비하는 단계;

(b) 상기 데이터베이스에서 검색할 임의의 얼굴영상을 입력받는 단계;

(c) 상기 검색할 얼굴영상에 대하여 2차 ICA를 수행하여 ICA 계수벡터를 구하는 단계; 및

(d) 상기 데이터베이스에 저장되어 있는 ICA 계수벡터값들 과 검색할 얼굴영상에 대응되는 ICA 계수벡터값간의 유사정도에 따라서 상기 검색할 얼굴영상의 사람과 동일한 사람의 얼굴영상에 대응되는 ICA 계수벡터값을 검색하여 출력하는 단계를 포함하는 것을 특징으로 하는 2차 ICA를 이용한 얼굴검색장치.
제8항에 있어서, 상기 (c) 단계는

(c1) 상기 얼굴영상정보에 PCA를 수행하여 상기 얼굴영상정보에서 고주파 성분을 제거한 저대역 필터링 영상정보를 생성시키는 단계;

(c2) 상기 얼굴영상정보에서 상기 얼굴영상정보에 대응되는 저대역 필터링 영상정보을 감산하여, 상기 얼굴영상정보에 대응되는 잔여 영상 정보를 발생시키는 단계; 및

(c3) 상기 얼굴영상 정보에 각각 대응되는 잔여 영상 정보에 ICA를 수행하여 ICA 계수벡터를 생성시키는 단계를 포함하는 것을 특징으로 하는 2차 ICA를 이용한 얼굴검색방법.
입력받은 원 영상정보에 PCA를 수행하여 상기 원 영상정보에서 고주파 성분이 제거된 저대역 필터링 영상 정보를 생성시키는 저대역 필터링 이미지 생성부;

상기 원 영상 정보에서 상기 저대역 필터링 영상 정보를 감산하여 상기 원 영상 정보에서 고주파 성분만이 남아 있는 잔여 이미지 정보를 생성시키는 잔여 이미지 생성부; 및

상기 잔여 영상 정보에 다시 ICA를 수행하여 상기 원 영상 정보에 대응되는 특징정보를 생성시키는 ICA 계수행렬 계산부를 포함하는 것을 특징으로 하는 2차 ICA를 이용한 특징정보 생성장치.
인식할 대상이 되는 제1얼굴영상정보와 상기 제1얼굴영상정보와 비교하는데 기준이 되는 제2얼굴영상정보를 입력받는 입력부;

상기 제1 및 제2 얼굴영상정보 각각에 2차 ICA를 수행하여 ICA 계수벡터를 추출하는 특징정보 생성부;

상기 제1 및 제2 얼굴영상에 대응되는 ICA 계수벡터간에 유사성이 있는지 여부를 판단하여 출력하는 비교부를 포함하는 것을 특징으로 하는 2차 ICA를 이용한 얼굴인식장치.
제11항에 있어서, 상기 특징정보 생성부는

입력받은 원 영상정보에 PCA를 수행하여 상기 원 영상정보에서 고주파 성분이 제거된 저대역 필터링 영상 정보를 생성시키는 저대역 필터링 이미지 생성부;

상기 원 영상 정보에서 상기 저대역 필터링 영상 정보를 감산하여 상기 원 영상 정보에서 고주파 성분만이 남아 있는 잔여 이미지 정보를 생성시키는 잔여 이미지 생성부; 및

상기 잔여 영상 정보에 다시 ICA를 수행하여 상기 원 영상 정보에 대응되는 특징정보를 생성시키는 ICA 계수행렬 계산부를 포함하는 것을 특징으로 하는 2차 ICA를 이용한 얼굴인식장치.
얼굴을 검색하는데 필요한 얼굴영상 정보 DB를 구축하는데 사용되는 얼굴영상정보 또는 상기 DB 구축하는데 사용되는 얼굴영상정보 중에서 검색할 대상이 되는 얼굴영상을 입력받는 입력부;

상기 입력부로부터 상기 DB를 구축하는데 사용되는 얼굴영상 정보 또는 상기 검색할 대상이 되는 얼굴영상정보를 제공받고, 상기 얼굴영상정보들에 2차 ICA를 수행하여 상기 얼굴영상정보들에 대응하는 특징정보를 생성시키는 특징정보 생성부;

상기 특징정보 생성부로부터 상기 DB를 구축하는데 사용되는 얼굴영상정보에 대응되는 특징정보를 제공받아 이를 DB에 저장하는 DB관리부;

상기 특징정보 생성부로부터 상기 검색할 대상이 되는 얼굴영상정보에 대응되는 특징정보를 제공받고, 상기 DB에 저장되어 있는 특징정보들 중에서 상기 제공받은 특징정보와 유사한 정도가 소정의 기준 값보다 큰 특징정보를 검색하여 상기 특징정보에 대응되는 사람과 상기 검색할 대상이 되는 얼굴영상의 사람이 동일한 사람으로 판단하는 비교부를 포함하는 것을 특징으로 하는 2차 ICA를 이용한 얼굴검색장치.
제13항에 있어서,

상기 DB 관리부는 상기 입력부로부터 상기 DB를 구축할 얼굴영상정보를 제공받아 저장하고,

상기 비교부는 상기 DB에 저장되어 있는 얼굴영상정보를 순차적으로 읽어 특징정보 생성부에 제공한 후에 상기 특징정보 생성부로부터 상기 얼굴영상정보에 대응되는 특징정보를 제공받아, 상기 검색할 대상이 되는 얼굴영상정보의 특징정보와 비교하여 상기 얼굴영상정보들간의 유사 정도를 판단하여, 상기 얼굴영상정보가 동일한 사람의 것인지 여부를 판단하여 출력하고,

상기 특징정보관리부는 상기 입력부로부터 상기 검색할 대상이 되는 얼굴영상정보 및 상기 비교부로부터 상기 DB에서 독출된 얼굴영상정보를 제공받고, 상기얼굴영상정보들에 2차 ICA를 수행하여 상기 얼굴영상정보들에 대응하는 특징정보를 생성시켜 상기 비교부에 제공하는 것을 특징으로 하는 2차 ICA를 이용한 얼굴검색장치.
제13항에 있어서, 상기 특징정보는

ICA 계수벡터를 포함하는 것을 특징으로 하는 2차 ICA를 이용한 얼굴검색장치.
제13항에 있어서, 상기 특징정보 생성부는

상기 DB를 구축하는데 사용되는 얼굴영상 정보 또는 상기 검색할 대상이 되는 얼굴영상정보에 PCA를 수행하여 상기 얼굴영상정보에서 고주파 성분이 제거된 저대역 필터링 영상 정보를 생성시키는 저대역 필터링 이미지 생성부;

상기 얼굴영상 정보에서 상기 저대역 필터링 영상 정보를 감산하여 상기 얼굴영상 정보에서 고주파 성분만이 남아 있는 잔여 이미지 정보를 생성시키는 잔여 이미지 생성부; 및

상기 잔여 영상 정보에 다시 ICA를 수행하여 상기 얼굴영상 정보에 대응되는 특징정보를 생성시키는 ICA 계수행렬 계산부를 포함하는 것을 특징으로 하는 2차 ICA를 이용한 얼굴검색장치.
제1항 내지 제9항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.