KR20050112219A - Method for recognizing a face using haar-like feature/lda and apparatus thereof - Google Patents

Method for recognizing a face using haar-like feature/lda and apparatus thereof Download PDF

Info

Publication number
KR20050112219A
KR20050112219A KR1020040037142A KR20040037142A KR20050112219A KR 20050112219 A KR20050112219 A KR 20050112219A KR 1020040037142 A KR1020040037142 A KR 1020040037142A KR 20040037142 A KR20040037142 A KR 20040037142A KR 20050112219 A KR20050112219 A KR 20050112219A
Authority
KR
South Korea
Prior art keywords
information
face
pichwo
image information
feature
Prior art date
Application number
KR1020040037142A
Other languages
Korean (ko)
Other versions
KR100545559B1 (en
Inventor
김회율
박성훈
이재호
Original Assignee
한양대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Priority to KR20040037142A priority Critical patent/KR100545559B1/en
Publication of KR20050112219A publication Critical patent/KR20050112219A/en
Application granted granted Critical
Publication of KR100545559B1 publication Critical patent/KR100545559B1/en

Links

Classifications

    • GPHYSICS
    • G02OPTICS
    • G02FDEVICES OR ARRANGEMENTS, THE OPTICAL OPERATION OF WHICH IS MODIFIED BY CHANGING THE OPTICAL PROPERTIES OF THE MEDIUM OF THE DEVICES OR ARRANGEMENTS FOR THE CONTROL OF THE INTENSITY, COLOUR, PHASE, POLARISATION OR DIRECTION OF LIGHT, e.g. SWITCHING, GATING, MODULATING OR DEMODULATING; TECHNIQUES OR PROCEDURES FOR THE OPERATION THEREOF; FREQUENCY-CHANGING; NON-LINEAR OPTICS; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
    • G02F1/00Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating, or modulating; Non-linear optics
    • G02F1/01Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating, or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour 
    • G02F1/13Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating, or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour  based on liquid crystals, e.g. single liquid crystal display cells
    • G02F1/133Constructional arrangements; Operation of liquid crystal cells; Circuit arrangements
    • G02F1/1333Constructional arrangements; Manufacturing methods
    • G02F1/1347Arrangement of liquid crystal layers or cells in which the final condition of one light beam is achieved by the addition of the effects of two or more layers or cells
    • G02F1/13471Arrangement of liquid crystal layers or cells in which the final condition of one light beam is achieved by the addition of the effects of two or more layers or cells in which all the liquid crystal cells or layers remain transparent, e.g. FLC, ECB, DAP, HAN, TN, STN, SBE-LC cells
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K9/00Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
    • G06K9/00221Acquiring or recognising human faces, facial parts, facial sketches, facial expressions
    • G06K9/00228Detection; Localisation; Normalisation
    • G06K9/00248Detection; Localisation; Normalisation using facial parts and geometric relationships
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K9/00Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
    • G06K9/36Image preprocessing, i.e. processing the image information without deciding about the identity of the image
    • G06K9/46Extraction of features or characteristics of the image
    • G06K9/4604Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes, intersections
    • G06K9/4609Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes, intersections by matching or filtering
    • G06K9/4614Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes, intersections by matching or filtering filtering with Haar-like subimages, e.g. computation thereof with the integral image technique

Abstract

본 발명은 얼굴 인식 장치 및 방법에 관한 것으로, 특히, 하 라이크 피춰/선형 판별 분석을 이용한 얼굴 인식 장치 및 방법이 제시된다. The present invention relates to a face recognition apparatus and method, in particular, and is presented Like pichwo / linear discriminant analysis using a face recognition apparatus and method. 본 발명에 따른 하 라이크 피춰/선형 판별 분석을 이용한 얼굴 인식 장치는 하 라이크 피춰(Haar-like feature)와 선형 판별 분석(LDA)를 이용하여 사람의 얼굴을 인식하는 장치는 사람의 얼굴을 검출하고 얼굴 영상 정보를 생성하는 검출부, 상기 얼굴 영상 정보로부터 분석 대상이 될 부분 영상 정보를 추출하는 부분 영상 정보 추출부, 상기 부분 영상 정보로부터 하 라이크 피춰 정보를 추출하는 하 라이크 피춰 추출부, 상기 추출된 하 라이크 피춰 정보를 기초로 선형 판별 분석을 하여 상기 얼굴의 최종 특징 정보를 추출하는 선형 판별 분석부, 상기 최종 특징 정보와 기 저장된 최종 특징 정보를 비교하여 동일인인지를 판단하는 특징 정보 비교 판단부, 적어도 하나 이상의 인식 대상의 얼굴에 상응하는 최종 특징 정보를 저장하는 저장부, 상기 특징 정보 Face Recognition System using and-like pichwo / linear discriminant analysis in accordance with the present invention and Like pichwo (Haar-like feature) and the linear discriminant used for analysis (LDA) device for recognizing a human face is detected a human face face detection unit for generating video information, the partial image information extraction for extracting the partial image information to be analyzed from the face image information unit, and-like pichwo extraction to extract pichwo information-like and from the partial image information unit, the extracted and Like determine linear based on the pichwo information by analyzing a linear discriminant analysis unit for extracting the final feature information of the face, the end-feature information and the group feature determination information comparison unit for determining whether the same person by comparing the final feature information is stored, a storage unit storing the last feature information corresponding to the face of at least one recognition target, the feature information 교 판단부의 판단 결과를 출력하는 출력부를 포함할 수 있다. T determination may include an output section for outputting the result of the determination portion.

Description

하 라이크 피춰/선형 판별 분석을 이용한 얼굴 인식 장치 및 방법{Method for recognizing a face using Haar-like feature/LDA and apparatus thereof} And-like pichwo / linear discriminant analysis using a face recognition apparatus and method {Method for recognizing a face using Haar-like feature / LDA and apparatus thereof}

본 발명은 얼굴 인식 장치 및 방법에 관한 것으로, 특히 하 라이크 피춰(Haar-like feature) 및 LDA를 이용한 얼굴 인식 장치 및 그 방법에 관한 것이다. The present invention relates to a face recognition apparatus and method, and in particular-like pichwo (Haar-like feature) and face recognition apparatus and method using the LDA.

영상 처리와 패턴 인식에 있어서, 인간의 얼굴은 시각적인 판별과 신원 확인에 대한 중요한 요소가 되며, 영상 처리 방법은 얼굴 검출 과정과 얼굴 인식 과정으로 구분된다. In the image processing and pattern recognition of human face is an important factor for the visual determination and identification, the image processing method is classified into a face detection process, the face recognition process. 먼저, 얼굴 검출은 영상 신호에서 얼굴의 위치, 즉 얼굴이 표시되는 영역을 파악하여 얼굴과 배경을 구분하는 것으로서 얼굴인식의 전처리 과정이다. First, the face detection is to identify the face position, that region in which the face is displayed in the video signal is a pre-processing of the face detection as to separate the face and the background. 얼굴 검출은 생체인식, 영상회의, 무인감시, HCI(Human Computer Interaction) 등 여러 분야에 응용될 수 있다. Face Detection can be applied in various fields such as biometrics, video conferencing, unattended monitoring, (Human Computer Interaction) HCI. 다음으로, 얼굴 인식은 음성인식 기술과 더불어 컴퓨터로 하여금 인간이 사람을 인식하는 방법과 가장 가까운 방법으로 동일한 사람인지를 인식하는 과정이다. Next, the face recognition is the process of recognizing that it is the same person to the closest way that causes a computer with voice recognition technology to recognize the human person.

얼굴 인식 방법으로는 기하학적인 특징값 기반, 템플릿 기반, 모델 기반 방법 등이 있다. Face recognition method has a geometric feature value based, template-based, model-based methods. 이런 방법에는 주로 LDA(Linear Discriminant Analysis, 선형 판별 분석)와 같은 통계학적인 방법이 사용된다. In this way there is mainly used a statistical method, such as LDA (Linear Discriminant Analysis, Linear Discriminant Analysis). LDA 기법을 이용한 기술은 얼굴 영상들을 가장 잘 분리 할 수 있는 기저 평면으로 투영시켜서 얼굴을 인식하는 방법이다. Technology using LDA method is a method by which the best project in the basal plane to separate the facial image recognition in the face. 즉, 한 사람의 얼굴에 대하여 존재하는 변화에 대한 정보와 다른 사람과의 얼굴에 대하여 존재하는 변화에 대한 정보를 이용하여 각각의 사람들이 자신의 정보를 잘 나타낼 수 있는 판별식을 만드는 방식이다. In other words, how each of the people making a determined expression that may well represent their information by using the information on the presence changes with respect to the face of the information and others to present changes with respect to a person's face. LDA 기법은 얼굴 영상의 값을 직접 사용하여 접근하기 보다 특징 값의 개수를 축소하고 강인함을 높이기 위하여 보통 PCA를 병합하여 이용한다. LDA technique is used to reduce the number of feature values, rather than direct access to the value of the face image, and merge the usual PCA to improve the strength. PCA(Principal Component Analysis)는 통계적 방법을 얼굴 인식분야에 응용한 것으로서, 많은 얼굴 이미지에서 가장 주요하게 나타나는 공통적인 특성을 분석하여, 이를 각 얼굴을 나타내는 특징 정보로 정의하는 방식이다. (Principal Component Analysis) PCA has as an application of statistical methods in the field of face recognition, analyzes the common features found in most major number of face images, a way to define it as a feature information representing each face.

그러나 PCA를 이용하는 경우 얼굴 인식에 필요한 기저 벡터를 추출하는 과정에서 과도한 연산량을 요구하므로 속도가 저하된다. However, when using a PCA required an excessive amount of computation in the process of extracting the basis vectors required for face recognition, because the speed is reduced. 최근 얼굴 인식 기술은 실시간 처리를 요구하는 경우가 많으며 이를 위하여 속도 개선을 위해 입력 패턴을 잘 표현하면서도 연산량이 적은 얼굴 인식 방법이 필요하다. Latest face recognition technology that often requires a small amount of computation, while face recognition method expresses the input pattern for speed improvements to it if you require real-time processing. 또한, 주위 조명의 영향에 구애 받지 않고 얼굴을 인식할 수 있는 방법이 필요하다. In addition, there is a need for a method that can recognize a face without regard to the effects of ambient lighting.

2001년 2월에 Viola가 처음 얼굴 검출에서 사용한 하 라이크 피춰(Haar-like feature)는 간단하면서도 효율적인 인식자로 쓰인다. That in February 2001, and Viola Like pichwo used in the first face detection (Haar-like feature) is used as a simple, yet effective recognition. 이는 픽셀 자체를 가지고 연산을 수행하지 않고, 특징 정보를 이용하여 연산을 수행하는 것을 특징으로 한다. Which it is characterized in that, without performing the operation with the pixel itself, by using the feature information to perform the operation. 즉, 개별 영역 안에 있는 픽셀들의 값을 더하여 간단한 영역합을 구하고 그 값들에 가중치를 곱하여 합을 계산함으로써 하나의 특징 정보를 구한다. I.e., obtain a single feature information by computing a sum by adding the values ​​of pixels in each region to obtain a short area sum is multiplied by a weight to their values.

도 1은 하 라이크 피춰(Haar-like feature) 정보의 프로토타입을 나타낸 도면이다. 1 shows a prototype of the lower-like information pichwo (Haar-like feature). 도 1을 참조하면, 이미지에서 모서리의 특징 정보를 나타내는 프로토타입(110, 115, 120, 125), 이미지에서 선의 특징 정보를 나타내는 프로토타입(130, 135, 140, 145, 150, 155, 160, 165)이 도시 되어 있다. 1, the prototype that represents the edge feature information from the image (110, 115, 120, 125), the prototype that represents the feature information of the line in the image (130, 135, 140, 145, 150, 155, 160, 165) is shown.

모서리의 특징 정보를 나타내는 프로토타입(110)은 24*24 윈도우에서 다른 위치와 같은 비율을 유지하여 크기 확장을 하였을 때, 43,200개의 경우가 생길 수 있다. When the prototype 110 indicating the feature information of the edges is to maintain a ratio, such as a different location in the 24 * 24 hayeoteul the window size development, there may be a case of 43, 200. 특징 정보는 다음과 같은 공식으로 구할 수 있다. Characteristic information may be obtained by the following formula:

가중치 weight

RecSum(r i ) : 사각형 r i 의 넓이 The width of the rectangle r i: RecSum (r i)

위의 내용은 레이너 린하트(Rainer Lienhart)와 조헨 메이드(Jochen Mayd)가 2002년 9월 발표한 "빠른 물체 인식에 대한 하 라이크 피춰의 확장된 세트(An Extended Set of Haar-like Features for Rapid Object Detection)"의 논문에 자세히 설명되고 있으므로 이에 대한 자세한 설명은 생략한다. The above Rainer Lynn Hart (Rainer Lienhart) and johen Maid (Jochen Mayd) has announced "a set of extensions to Like pichwo for rapid object recognition in September 2002 (An Extended Set of Haar-like Features for Rapid Object it is described in detail in the paper of Detection) "detailed description will be omitted.

도 2는 아다부스트(AdaBoost)에 의해 수행되는 특징 정보를 추출하는 방법을 도시한 흐름도이다. 2 is a flow chart illustrating a method for extracting feature information that is performed by the boost Ada (AdaBoost).

부스트(Boost)는 데이터들로부터 결과를 도출할 경우 약한 선택 기준들을 합쳐서 정확도가 높은 선택 기준을 만들어 주는 알고리즘이다. Boost (Boost) is an algorithm that combined the weak selection criteria to create a highly accurate selection criteria if you want to obtain results from data. 아다부스트(AdaBoost) 학습 알고리즘은 가장 잘 알려져 있는 Boost 알고리즘이며, 단순하면서도 효율적이라는 장점을 지닌다. Ada-boost (AdaBoost) learning algorithm is best known for Boost algorithm, it has the advantage of being simple and effective. 도 2를 참조하면, 아다부스트 학습 알고리즘은 추출된 특징 정보들(210)을 단계별(220, 230, 240)로 그룹화한다. 2, the boost Ada learning algorithm grouping the extracted characteristic information 210, the steps (220, 230, 240). 각각의 단계에서 부적합 것으로 판별된 특징들은 선택 기준에 맞지 않는 데이터(250)로 분류되어지며, 각각의 단계를 거치는 동안 얼굴 인식에 결정적인 특징 정보들이 추출된다. Is determined to be not suitable in the respective phase characteristics are becomes classified under that data 250 meet the selection criteria, are crucial feature information is extracted in the face recognition move through the respective steps.

이하에서는 상술한 하 라이크 피춰 정보와 아다부스트 학습 알고리즘을 이용하여 얼굴을 인식하는 장치에 대하여 설명한다. Hereinafter, it will be explained for recognizing a face using a pichwo-like information and Ada boost learning algorithms described above to the device.

따라서, 상술한 문제점을 해결하기 위해, 본 발명의 목적은 하 라이크 피춰 및 선형 판별 분석(LDA)을 이용한 얼굴 인식 장치 및 방법을 제공하여 얼굴 인식에 필요한 시간을 감소시키는데 있다. Accordingly, it is, sikineunde object of the invention is to provide a face recognition apparatus and method using the down-like pichwo and Linear Discriminant Analysis (LDA) to reduce the time required for the face detection to address the above-mentioned problem.

본 발명의 다른 목적은 주위 조명의 영향을 최소화하면서 얼굴 인식에 필요한 시간을 감소시키는 얼굴 인식 장치 및 방법을 제공하는데 있다. Another object of the present invention to provide a face recognition apparatus and method for reducing the time needed for face detection while minimizing the effects of ambient light.

본 발명의 또 다른 목적은 얼굴 영상에 특정 부위를 설정하고 그 부위에 대한 특징 정보를 생성하여, 가변성이 많은 부위에 대한 정보를 추출하지 않음으로써 얼굴 인식률을 높이는데 있다. Still another object of the present invention is to set up a specific site in the face image, and generates feature information about the site, to enhance the face recognition rate by not extracting the information on the number of the variable region.

본 발명의 다른 목적들은 이하에 서술되는 바람직한 실시예를 통하여 보다 명확해질 것이다. It is another object of the present invention will become more apparent through preferred embodiments described below.

상기 목적들을 달성하기 위하여, 본 발명의 일 측면에 따르면, 하 라이크 피춰(Haar-like feature)와 선형 판별 분석(LDA)를 이용하여 사람의 얼굴을 인식하는 장치를 제시할 수 있다. In order to achieve the above objects, it is possible, according to an aspect of the invention, and-like using a pichwo (Haar-like feature) and Linear Discriminant Analysis (LDA) to present a device for recognizing a human face.

바람직한 실시예에 따르면, 하 라이크 피춰(Haar-like feature)와 선형 판별 분석(LDA)를 이용하여 사람의 얼굴을 인식하는 장치는 사람의 얼굴을 검출하고 얼굴 영상 정보를 생성하는 검출부, 상기 얼굴 영상 정보로부터 분석 대상이 될 부분 영상 정보를 추출하는 부분 영상 정보 추출부, 상기 부분 영상 정보로부터 하 라이크 피춰 정보를 추출하는 하 라이크 피춰 추출부, 상기 추출된 하 라이크 피춰 정보를 기초로 선형 판별 분석을 하여 상기 얼굴의 최종 특징 정보를 추출하는 선형 판별 분석부, 상기 최종 특징 정보와 기 저장된 최종 특징 정보를 비교하여 동일인인지를 판단하는 특징 정보 비교 판단부, 적어도 하나 이상의 인식 대상의 얼굴에 상응하는 최종 특징 정보를 저장하는 저장부, 상기 특징 정보 비교 판단부의 판단 결과를 출력하는 출력부를 According to a preferred embodiment, lower-like pichwo (Haar-like feature) and Linear Discriminant Analysis (LDA) using a device for recognizing a human face is detected a human face, and detecting unit for generating a face image information, face image information for linear discriminant analysis from the basis of the partial image information extracting section, and-like pichwo extractor, the extracted to-like pichwo information to extract and Like pichwo information from the partial image information to extract the partial image information to be analyzed the end corresponding to the linear discriminant analysis unit, the characteristic information comparison determination unit, the face of at least one recognition target to group compare the final characteristic information stored with the final feature information determines whether or not the same person to extract the final feature information of the face a storage unit for storing the characteristic information, an output for outputting the feature information comparison determination unit determined that the 함할 수 있다. It can hamhal.

여기서, 상기 검출부는 하 라이크 피춰 정보를 이용하여 얼굴을 검출할 수 있고, 상기 추출된 하 라이크 피춰 정보를 기초로 아다부스트(AdaBoost) 학습 알고리즘을 이용하여 상기 얼굴 영상 정보의 특징 정보를 추출하는 아다부스트 추출부를 더 포함하되, 상기 선형 판별 분석부는 상기 아다부스트 추출부에서 추출된 특징 정보를 기초로 선형 판별 분석을 할 수 있다. Here, the detection unit may detect a face by using a-like pichwo information and, Ada for extracting the feature information of the face image information using a Ada boost (AdaBoost) learning algorithm based on the to-like pichwo information on the extracted further comprising a boost extraction, the linear discriminant analysis unit may be a linear discriminant analysis based on the feature information extracted by the extraction unit Ada boost. 또한, 상기 부분 영상 정보는 사람의 얼굴에서 머리카락과 목 부위를 제외한 영상 정보일 수 있다. In addition, the partial image information may be image information other than the hair and neck in a person's face.

또한, 상기 부분 영상 정보 추출부는 상기 추출된 부분 영상 정보에 에프엘시(FLC : Fast Lighting Correction)를 수행-에프엘시는 영상의 밝기 값에서 그 평균을 빼고 분산으로 나눠서 밝기 성분을 정규화함-할 수 있으며, 상기 추출된 부분 영상 정보의 이미지를 좌우 반으로 나누어 좌측 이미지의 영상 정보와 우측 이미지의 영상 정보를 서로 겹쳐서 원래 이미지의 정보에 가중치를 곱해서 더할 수 있다. In addition, the partial image information extracting unit F. Elsie the partial image information of the extracted: Do (FLC Fast Lighting Correction) - F Elsie is also normalized to the average brightness by dividing a distributed component subtracted from brightness values ​​of the image - can be and, dividing the image of the extracted partial image information in the right and left half overlap each other, the image information of the image information and the right side image on the left image may be added by multiplying the weights to the information of the original image. 또한, 상기 부분 영상 정보 추출부는 상기 얼굴 영상의 눈 위치를 기준으로 상기 부분 영상 정보를 추출할 수 있다. In addition, the partial image information extraction unit may extract the partial image information based on the eye position of said face image.

상기 목적들을 달성하기 위하여, 본 발명의 일 측면에 따르면, 하 라이크 피춰(Haar-like feature)와 선형 판별 분석(LDA)를 이용하여 사람의 얼굴을 인식하는 방법을 제시할 수 있다. In order to achieve the above objects, it is possible, according to an aspect of the invention, and-like using a pichwo (Haar-like feature) and Linear Discriminant Analysis (LDA) to present a method of recognizing a human face.

바람직한 실시예에 따르면, 하 라이크 피춰(Haar-like feature)와 선형 판별 분석(LDA)를 이용하여 사람의 얼굴을 인식하는 방법은 사람의 얼굴을 검출하고 얼굴 영상 정보를 생성하는 단계, 상기 얼굴 영상 정보로부터 분석 대상이 될 부분 영상 정보를 추출하는 단계, 상기 부분 영상 정보로부터 하 라이크 피춰 정보를 추출하는 단계, 상기 추출된 하 라이크 피춰 정보를 기초로 선형 판별 분석을 하여 상기 얼굴 영상 정보의 최종 특징 정보를 추출하는 단계, 상기 추출된 최종 특징 정보와 기 저장된 최종 특징 정보를 비교하여 동일인인지를 판단하는 단계를 포함할 수 있다. According to a preferred embodiment, lower-like pichwo (Haar-like feature) and the linear discriminant used for analysis (LDA) comprising: how to recognize a human face is detected by a person's face and generate a facial image information, the face images extracting a portion of image information to be analyzed from the information, extracting Like pichwo information and from the partial image information, the extracted and-like the final characteristics of the face image information by a linear discriminant analysis based on the pichwo information extracting information, by comparing the end-group and the feature information stored in the final feature information on the extracted may comprise determining whether the same person.

여기서, 상기 사람의 얼굴을 검출하고 얼굴 영상 정보를 생성하는 단계에서 하 라이크 피춰 정보를 이용하여 얼굴을 검출할 수 있고, 상기 추출된 하 라이크 피춰 정보를 기초로 아다부스트(AdaBoost) 학습 알고리즘을 이용하여 상기 얼굴 영상 정보의 특징 정보를 추출하는 단계를 더 포함하되, 상기 추출된 특징 정보를 기초로 선형 판별 분석할 수 있다. Here, by using the to-like pichwo information in the step of detecting the face of a person and generates a face image information, it is possible to detect the face, using the Ada boost (AdaBoost) learning algorithm based on the to-like pichwo information on the extracted and further comprising: extracting feature information of the face image information, determine the linear based on the extracted feature information can be analyzed.

또한, 상기 추출된 부분 영상 정보에 에프엘시(FLC : Fast Lighting Correction)를 수행하는 단계-에프엘시는 영상의 밝기 값에서 그 평균을 빼고 분산으로 나눠서 밝기 성분을 정규화함-를 더 포함할 수 있고, 상기 추출된 부분 영상 정보의 이미지를 좌우 반으로 나누어 좌측 이미지의 영상 정보와 우측 이미지의 영상 정보를 서로 겹쳐서 원래 이미지의 정보에 가중치를 곱해서 더하는 단계를 더 포함할 수 있다. In addition, F. Elsie to the extracted partial image information, comprising: performing (FLC Fast Lighting Correction) - F Elsie is also normalized to the average brightness by dividing a distributed component subtracted from brightness values ​​of the image - a may further include, and may further include the step of adding the image information and the image information overlap each other is multiplied by a weight to the information of the original image to the right image of the image of the extracted part of the image information divided into the right and left half left image.

이하, 본 발명에 따른 하 라이크 피춰/선형 판별 분석을 이용한 얼굴 인식 장치 및 방법의 바람직한 실시예를 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 상관없이 동일하거나 대응하는 구성 요소는 동일한 참조번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. Hereinafter be described in detail with reference to the accompanying drawings a preferred embodiment of a face recognition apparatus and method using the down-like pichwo / linear discriminant analysis in accordance with the present invention, and in the following description with reference to the accompanying drawings, regardless of reference numerals the same or corresponding components are described by the same reference numerals and a duplicate thereof will be omitted.

전체적인 구성 Overall structure

도 3은 본 발명의 바람직한 실시예에 따른 얼굴 인식 장치를 포함하는 시스템 구성도이다. 3 is a system configuration diagram including a face recognition apparatus according to an embodiment of the present invention. 도 3을 참조하면, 인식 대상인 사람의 얼굴(310), 얼굴 인식 장치(320), 사람의 얼굴 이미지를 촬영하기 위한 카메라(330), 인식 결과를 나타내는 출력부(340), 사용자 버튼(350)이 도시 되어 있다. 3, the face of a person subject to recognition unit 310, face recognition unit 320, a camera for photographing a face image of a person 330, an output unit 340 that represents the recognition result, the user key (350) It is shown.

인식 대상인 사람의 얼굴(310)에 대한 특징 정보는 얼굴 인식 장치(320)와 연동되는 데이터베이스에 미리 저장되어 있으며, 본 발명에 따른 얼굴 인식 장치에 의해 특징 정보가 추출되면, 미리 저장되어 있는 특징 정보와 비교하여 동일인 여부를 판별한다. When the characteristic information of the face 310 of a person subject to recognition is stored in advance in the database that is linked with the face detection unit 320, the feature information is extracted by the face recognition system according to the present invention, feature information that is stored in advance Compare and determines whether the same person. 카메라(330)는 사람의 얼굴(310)을 촬영하며, 얼굴의 검출 및 인식이 하도록 영상 정보를 제공한다. The camera 330 and photographing the face 310 of the person, and provides the image information to the detection and recognition of faces. 출력부(340)는 인식 결과를 표시하며, 바람직하게는 카메라(330)로부터 수신한 얼굴 이미지를 외부에 출력할 수 있다. An output unit 340 as is, and display the recognition result, and preferably can output the face images received from camera 330 to the outside. 사용자 버튼(350)은 사용자의 편의에 맞게 다수의 버튼을 구비하는데, 예를 들어, 리셋 버튼, 재시도 등의 기능을 수행할 수 있다. User button 350 is provided with a plurality of buttons to fit the user's convenience, for example, may perform the function of the reset button, retries and the like.

도 4는 본 발명의 바람직한 실시예에 따른 얼굴 인식 장치의 블록 구성도이다. Figure 4 is a block diagram of a face recognition apparatus according to an embodiment of the present invention. 도 4를 참조하면, 검출부(410), 특징 정보 추출부(420), 부분 영상 정보 추출부(421), 하 라이크 피춰 추출부(423), 아다부스트 추출부(425), 선형 판별 분석부(427), 특징 정보 비교 판단부(430), 저장부(440), 출력부(450)가 도시 되어 있다. 4, the detection unit 410, the feature information extraction unit 420, the partial image information extraction section 421, and-like pichwo extraction unit 423, Ada boost extraction unit 425, a linear discriminant analysis unit ( is 427), the characteristic information comparison determination unit 430, a storage unit 440, output unit 450 is illustrated.

검출부(410)는 부분 영상 정보 추출부(421)에 연결되어 있고, 카메라로부터 촬영된 인식 대상의 얼굴 이미지를 수신하여 배경으로부터 얼굴을 검출하고 얼굴 영상 정보를 생성하여 부분 영상 정보 추출부(420)에 전송한다. Detector 410 partial image information is connected to the extraction unit 421, receives a facial image of the recognized target taken by the camera detects the face from the background and generates the face image information and partial image information extraction section 420 and transferred to. 검출부(410)에서는 얼굴 이미지를 기초로 하여 하 라이크 피춰 정보를 이용함으로써 얼굴을 검출할 수 있다. Detecting (410) in the face can be detected by using the information pichwo-like and on the basis of the face image. 특징 정보 추출부(420)는 부분 영상 정보 추출부(421), 하 라이크 피춰 추출부(423), 아다부스트 추출부(425), 선형 판별 분석부(427)로 구분된다. Feature extraction unit 420 is divided into partial image information extraction section 421, and pichwo Like extractor 423, Ada boost extraction unit 425, a linear discriminant analysis unit 427.

부분 영상 정보 추출부(421)는 검출부(410)에 연결되어 있고, 검출부(410)에서 생성한 얼굴 영상 정보 중 가변성이 적고 특징이 강하여 분석 대상이 될 부분 영상 정보를 추출한다. Partial image information extraction unit 421 is connected to the detector 410, low variability of the facial image information generated by the detection unit 410 is characterized by extracting the partial image information to be strong analyte. 즉, 사람의 머리카락, 목 등은 가변성이 많거나 특징이 되지 않으므로, 촬영된 얼굴 이미지에서 이를 제외한 부분을 추출한다. In other words, human hair, neck, etc. are not a lot of variability, or characteristic, and extracts the portion excluding them from the recorded face images.

하 라이크 피춰 추출부(423)는 부분 영상 정보 추출부(421)에 연결되어 있고, 상술한 바와 같이 간단한 덧셈 연산만을 이용하여 특징 정보를 추출한다. Like pichwo and extraction unit 423 is connected to the partial image information extraction section 421 extracts the characteristic information by using only simple addition operations, as described above. 이는 PCA에 비해 계산 과정이 현저히 적고 트레이닝 셋에 상관없이 특징값을 뽑는데 일정한 시간만이 요구된다. This is significantly less than the PCA calculation, only a certain amount of time ppopneunde feature values, regardless of the training set is required. 아다부스트 추출부(425)도 상술한 바와 같이 각각의 단계를 거치는 동안 얼굴 인식에 결정적인 특징 정보들이 추출된다. Ada boost extraction unit 425 also have a decisive feature information is extracted in the face recognition move through the respective steps as described above. 각각의 단계에서는 얼굴 인식을 위하여 트레이닝 셋의 얼굴 영상 정보를 기준으로 질의된 얼굴의 정보에 대한 결정적인 특징 정보들을 추출한다. In each step extracts a crucial feature information for the information of the face query based on the facial image information of the training set to the face recognition.

선형 판별 분석부(427)는 아다부스트 추출부(425) 또는 하 라이크 피춰 추출부(423)에 연결되고, 각각의 사람들이 자신의 정보를 잘 나타낼 수 있는 판별식을 만드는 방식으로서, 각각의 패턴이 가장 잘 구별될 수 있는 분할 면을 생성하고 이러한 분할 면으로 투영된 특징 값으로 패턴을 판단한다. Linear discriminant analysis unit 427 is as a way to create a discriminant that is connected to the Ada boost extraction unit 425 or to Like pichwo extraction unit 423, each of the people can well exhibit their information, each pattern generating a division surface which can best be distinguished and determines a pattern in a feature value such as a projection division plane. 추출된 하 라이크 피춰 정보는 선형 판별 분석(LDA)의 입력으로 사용되고, 특징 정보를 트레이닝하여 선형 판별 분석의 기저 벡터를 추출한다. The extracted information is used to pichwo-like to the input of the linear discriminant analysis (LDA), and the training feature information is extracted basis vectors of the linear discriminant analysis. 그리고 추출된 기저 벡터를 통하여 데이터 셋안에서 얼굴 영상들의 하 라이크 피춰/선형 판별 분석의 특징 정보를 얻는다. And it obtains the feature information through the extracted basis vectors and of the face-like image in the dataset pichwo / linear discriminant analysis.

특징 정보 비교 판단부(430)는 선형 판별 분석부(427)와 저장부(440)에 연결되고, 하 라이크 피춰/선형 판별 분석의 계수들 간에 유클리디언 거리를 사용하며, 그 거리가 가장 작은 얼굴 영상이 그 질의한 영상과 동일한 인물의 얼굴로 판단된다. Feature information comparison determination unit 430 is connected to the linear discriminant analysis unit 427, a storage unit 440, and-like pichwo / among the coefficients of the linear discriminant analysis uses a Euclidean distance, the distance is smallest the face image is determined as the query image and a face of the same person.

유클리디언 거리는 다음과 같다. Euclidean distance is as follows:

: 유클리디언 거리 : Euclidean distance

: 질의한 얼굴 이미지의 i번째 특징값 : I-th feature value of a query face image

: 데이터 셋 얼굴 이미지의 i번째 특징값 : Dataset face value of the i-th feature image

저장부(440)는 특징 정보 비교 판단부(430)에 연결되고, 미리 얼굴 영상에서 하 라이크 피춰/선형 판별 분석의 계수를 추출하여 저장하고 있으며, 출력부(450)는 입력부(410)에서 촬영한 얼굴 영상을 출력하는 화면이며, 특징 정보 비교 판단부(430)에서 판단한 내용을 출력한다. Storage unit 440 the feature information comparison is connected to a determination unit 430, and is stored by extracting a coefficient of the lower-like pichwo / linear discriminant analysis in advance face image output unit 450 is taken from the input unit 410 a screen for outputting a face image, and outputs the determined information in the feature information comparison determining unit 430. the

도 5는 본 발명의 바람직한 실시예에 따른 부분 영상 정보를 추출하는 도면이고, 도 6은 본 발명의 바람직한 실시예에 따른 부분 영상 정보에서 특징 정보를 추출하는 도면이다. 5 is a view for extracting a partial image information according to an embodiment of the present invention, Figure 6 is an illustration of extracting the feature information in the partial image information according to an embodiment of the present invention. 도 5 및 도 6을 참조하면, 인식 대상인 사람의 얼굴(510, 610), 추출된 부분 영상(520), 추출된 하 라이크 피춰 정보(620)가 도시 되어 있다. Even when 5 and 6, has a face (510, 610) of a person subject to recognition, the image extraction portion 520, and the extracted-like pichwo information 620 is shown.

추출된 부분 영상(520)은 가변성이 많은 머리카락이나 특징이 없는 목 등의 영상은 제외하고, 얼굴 영상의 눈 위치를 기준으로 추출한다. The extracted portion of the image 520 other than the image of the throat such as the hair, characterized in not much variability, and extracts, based on the eye position of the face image. 이는 저장부에 미리 저장되어 있는 데이터 셋이 눈 위치에 대하여 정규화 되어 있으므로, 특징 정보간의 수월한 비교가 이루어 질 수 있다. This is because the data set is pre-stored in the storage unit is normalized with respect to the eye position, a straightforward comparison between the feature information can be made.

추출된 하 라이크 피춰 정보(620)는 모서리의 특징 정보, 선의 특징 정보를 나타내며, 특징 정보들은 윈도우에서 X와 Y방향으로 최대 24*24 까지 크기가 확장될 수 있다. Extracted with pichwo-like information 620 denotes the characteristic information of the line feature information of the edge, it characterized in that the size information may be extended to the X and Y directions in the window up to 24 * 24. 또한, 특징 정보는 윈도우에서 위치할 수 있는 여러 경우로 자유롭게 변하기 때문에 많은 특징 정보를 얻을 수 있다. In addition, the characteristic information may get a lot of information because of characteristic changes freely in several cases that can be placed in the window. 도 6를 참조하면, 선의 특징 정보(620)가 도시 되어 있다. Referring to Figure 6, a line feature information 620 is shown.

구체적인 실험 Specific tests

이상에서 하 라이크 피춰/선형 판별 분석을 이용한 얼굴 인식 장치 및 방법 의 일반적인 구성을 설명하였으며, 이하에서는 첨부 도면을 참조하여, 본 발명에 따른 하 라이크 피춰/선형 판별 분석을 이용한 얼굴 인식 장치 및 방법에 대해 실시한 구체적인 실험을 기준으로 설명하기로 한다. Was above described general configuration of the lower-like pichwo / linear discriminant face recognition using the analysis apparatus and method, the following description with reference to the accompanying drawings, the face detection apparatus and method using the down-like pichwo / linear discriminant analysis in accordance with the present invention subjected to it will be described based on the specific experiment. 본 실시예에서는 3가지 실험에 대한 결과를 설명한다. In the present embodiment, it will be described the results of the three experiments. 첫번째 실험은 특징 정보 수의 변화에 따른 PCA/선형 판별 분석과 하 라이크 피춰/선형 판별 분석의 인식률에 대한 실험이다. The first experiment was an experiment for the recognition of the PCA / linear discriminant analysis and the lower-like pichwo / linear discriminant analysis in accordance with the change in the number of characteristic information. 두 번째 실험은 하 라이크 피춰 정보의 개수에 따른 인식률에 대한 실험이다. The second test is a test for the recognition of the number of information-like pichwo ha. 세 번째 실험은 트레이닝 시간과 데이터베이스에서 얼굴 영상을 검색한 시간에 대한 실험이다. The third test is a test for the amount of time that searches for faces in a video training time and the database.

도 7은 본 발명의 바람직한 실시예에 따른 얼굴 인식 실험에서 사용된 데이터 구성도이다. 7 is a data configuration diagram used in a face recognition experiment according to an embodiment of the present invention.

실험은 2000장의 데이터 셋에서 300명을 임의로 추출하여 수행하였다. The experiment was performed by randomly extracting 300 people in the 2000 chapter dataset. 도 7을 참조하면, 사람별로 5장씩의 영상 정보가 저장되어 있으며, 약간의 표정의 변화, 포즈 변화 및 조명의 변화가 있는 사진이 포함되어 있다. Referring to FIG. 7, and 5 sheets of image information is stored for each person, and includes a photo with the change of the change in a bit of expression, pose and lighting changes. 실험에 사용된 영상은 46*56 크기의 그레이 영상으로서 각 영상들은 눈의 위치에 대해서 정규화 되어 있다. Used in the test image is a gray image of 46 * 56 size, each image may be normalized with respect to the position of the eye. 트레이닝 과정을 통하여 선형 판별 분석의 기저 벡터를 뽑아냈으며 이를 이용하여 테스트 셋으로부터 특징 정보를 뽑아냈다. Naeteumyeo pull the basis vectors of the linear discriminant analysis through the training process, using it to and taken out the feature information from the test set. 테스트 셋은 각 사람마다 3개의 영상 이미지의 특징 정보를 추출하여 데이터베이스에 저장하고, 나머지 2개의 영상 이미지를 이용하여 질의를 하였고, 이중 유클리디안 거리가 가장 작은 사람이 1순위로 뽑혔을 때 질의한 사람과 같은 사람인지 조사해서 얼굴 인식률을 조사하였다. With closed test set by extracting the feature information of the three video images for each person stored in the database, and using the remaining two video images was a query, double-Euclidean distance is the smallest man picked a primary query to investigate whether the same person, and one person were to face recognition.

도 8은 본 발명의 바람직한 실시예에 따른 얼굴 인식 실험에서 추출된 인식률을 나타낸 도면이다. 8 is a view showing a recognition rate extracted from the face recognition experiment according to an embodiment of the present invention.

이는 하 라이크 피춰/선형 판별 분석의 특징 정보의 개수와 PCA/선형 판별 분석의 특징 정보의 개수를 동일하게 변화시켰을 때의 얼굴 인식률 변화를 비교한 결과이다. This is the result of a comparison of the change in the face recognition time sikyeoteul equally change the number of the feature information of the lower-like pichwo / linear discriminant analysis and the number of the feature information of the PCA / linear discriminant analysis. 도 8을 참조하면, 얼굴 인식에 사용된 특징 정보의 개수를 증가시키면 인식률도 같이 증가하는 것을 알 수 있다. 8, by increasing the number of feature information used for face recognition can be seen that the recognition rate is increased as Fig. 또한, 55개 이상의 특징 정보의 개수를 사용하는 경우에는 인식률이 98% 정도의 일정한 값을 얻을 수 있음을 알 수 있다. In the case of using the number of more than 55 feature information and it can be seen that the recognition rate can be obtained at a fixed value of about 98%. 여기서 하 라이크 피춰의 수 많은 프로토타입이 아다부스트 학습 알고리즘을 통하여 얼굴을 가장 잘 표현하는 특징 정보로 추출되었다. Here are many of the prototype and Like pichwo was extracted feature information that best represents the face through the Ada Boost learning algorithm. 이 결과를 통해 하 라이크 피춰/선형 판별 분석에 의하면 PCA/선형 판별 분석에 의할 때와 얼굴 인식률이 유사함을 알 수 있다. According to the pichwo Like / linear discriminant analysis using these results it can be seen that the face recognition is similar to the the PCA / linear discriminant analysis.

도 9는 본 발명의 바람직한 다른 실시예에 따른 얼굴 인식 실험에서 추출된 인식률을 나타낸 도면이다. 9 is a view showing a recognition rate extracted from the face detection test according to another embodiment of the present invention.

이는 하 라이크 피춰/선형 판별 분석에 의할 때, 하 라이크 피춰 정보의 개수를 변화시키면서 얼굴의 인식률 변화를 측정한 결과이다. This and Like pichwo / when of the linear discriminant analysis, by varying the number of Like pichwo information and the results of measuring the change in facial recognition. 이 때, 선형 판별 분석에 의해 추출된 특징 정보의 개수는 50개로 고정하였다. At this time, the number of feature information extracted by the linear discriminant analysis was fixed to 50. 도 9를 참조하면, 하 라이크 피춰 정보의 개수를 50개 이상 사용하였을 경우에는 얼굴 인식률이 98%로 일정하였으나, 50개 미만 사용하였을 경우에는 얼굴 인식률이 일직선으로 떨어짐을 알 수 있다. 9, but the number of constant-like pichwo information and in case of using more than 50, the face recognition rate of 98%, case of using less than 50, the face recognition rate can be seen as a straight line falling. 따라서 얼굴 인식에서 얼굴 인식률을 높이기 위해서는 하 라이크 피춰 정보의 개수를 50개 이상 사용하여야 할 것 이다. Therefore, in order to increase the number of face recognition face recognition Like pichwo information and will be used to at least 50.

또한, 다음 표는 PCA/선형 판별 분석과 하 라이크 피춰/선형 판별 분석에서의 트레이닝 속도를 비교한 표이다. In addition, the following table is a table comparing the training rate in the PCA / linear discriminant analysis and the lower-like pichwo / linear discriminant analysis.

얼굴 인식 알고리즘 Face recognition algorithm 트레이닝 속도 Training speed PCA/선형 판별 분석 PCA / linear discriminant analysis 8분 25초 8 minutes 25 seconds 하 라이크 피춰/선형 판별 분석 Like pichwo and / linear discriminant analysis 37.5초 37.5 seconds

[표 1] PCA/선형 판별 분석과 하 라이크 피춰/선형 판별 분석에서의 트레이닝 속도 비교 Table 1 compares the training rate in the PCA / linear discriminant analysis and the lower-like pichwo / linear discriminant analysis

이 실험에서는 두 알고리즘 모두에 대하여 특징 정보의 개수를 83개 사용하였고, 동일한 얼굴 인식률을 나타내었다. In this experiment, it was used 83 the number of feature information with respect to both the algorithm, and showed the same face recognition. 표1을 참조하면, PCA/선형 판별 분석을 사용한 경우 하 라이크 피춰/선형 판별 분석을 사용하는 경우보다 트레이닝 속도가 약 13배 이상이 되는 것을 알 수 있다. Referring to Table 1, a case of using a PCA / linear discriminant analysis using a case-like and pichwo / linear discriminant analysis is more training rate is seen that at least about 13 times. 이는 하 라이크 피춰 정보는 단순히 덧셈 연산을 통하여 빠르게 구해질 수 있는 반면, PCA는 기저 벡터를 구하기 위하여 큰 차원의 행렬연산과정에서 복잡한 계산이 요구되기 때문이다. This can be obtained while the speed through the pichwo information simply add operation-like and, PCA is due to the complicated calculations required for matrix calculation process of large dimensions to obtain the basis vectors. 이러한 트레이닝 속도는 실시간으로 얼굴 인식이 필요한 경우에 중요한 요소가 된다. The training rate is an important factor if you need real-time face recognition.

또한, 다음 표는 PCA/선형 판별 분석과 하 라이크 피춰/선형 판별 분석에서의 검색 속도를 비교한 표이다. In addition, the following table is a table comparing the scan speed of the PCA / linear discriminant analysis and the lower-like pichwo / linear discriminant analysis.

얼굴 인식 알고리즘 Face recognition algorithm 검색 속도 Search Speed PCA/선형 판별 분석 PCA / linear discriminant analysis 1181 ms 1181 ms 하 라이크 피춰/선형 판별 분석 Like pichwo and / linear discriminant analysis 93 ms 93 ms

[표 2] PCA/선형 판별 분석과 하 라이크 피춰/선형 판별 분석에서의 검색 속도 비교 Table 2 compares the search speed in the PCA / linear discriminant analysis and the lower-like pichwo / linear discriminant analysis

이 실험은 PCA/선형 판별 분석과 하 라이크 피춰/선형 판별 분석에 의하여 특징 정보를 추출한 경우, 이를 데이터베이스에 저장되어 있는 얼굴 특징 정보와 비교하여 질의한 얼굴과 동일 인물의 이미지를 추출하는데 걸리는 시간을 비교한 것이다. This experiment is the time it takes to extract the image of a PCA / linear determine if the extraction of the feature information by analysis and the lower-like pichwo / linear discriminant analysis, and a face with the same character quality as compared to the facial feature information stored to the database a comparison. 표2를 참조하면, PCA/선형 판별 분석을 사용한 경우 하 라이크 피춰/선형 판별 분석을 사용하는 경우보다 검색 속도가 약 13배 정도 되는 것을 알 수 있다. Referring to Table 2, a case of using a PCA / linear discriminant analysis using a case-like and pichwo / linear discriminant analysis is less than the search speed can be seen to be approximately 13 times. 이 실험에서는 100명의 사람을 임의로 추출하였고, 각 사람마다 5장의 사진이 있으며, 이 중 3장의 얼굴 사진에 대해서는 특징 정보를 추출하여 데이터베이스에 저장하였고, 나머지 2장의 얼굴 사진을 이용하여 질의를 하였다. In this experiment it was extracted with 100 people randomly, and 5 pictures for each person, was about three sheets of face pictures of the extracted feature information stored in the database, by using the remaining two faces picture was queried. 이는 PCA/선형 판별 분석을 거쳐서 나온 기저 벡터는 이미지의 가로, 이미지의 세로, 선형 판별 분석에서 추출한 특징 정보의 개수를 모두 곱한 행렬이 되기 때문에 입력 영상이 들어온 경우 복잡한 계산을 하여야 한다. This means that if the input image entered because of basis vectors out through a PCA / linear discriminant analysis is to be the matrix obtained by multiplying all of the number of feature information extracted from the width, height of the image, the linear discriminant analysis of the image to be subjected to a complicated calculation. 그러나 하 라이크 피춰/선형 판별 분석의 경우에는 하 라이크 피춰 정보의 개수에 선형 판별 분석에서 추출한 특징 정보의 개수를 모두 곱한 행렬이 되기 때문에 PCA/선형 판별 분석에 의할 때보다 검색 속도가 빠르다. But with pichwo Like / In the case of linear discriminant analysis, and because it is a matrix-like pichwo multiplied both the number of feature information extracted from a linear discriminant analysis on the number of information than when in the PCA / linear discriminant analysis faster search speed.

얼굴인식의 절차 Procedures for facial recognition

도 10은 본 발명의 바람직한 제1실시예에 따른 얼굴 인식 방법을 도시한 흐름도이다. 10 is a flowchart illustrating a face detection method according to a first embodiment of the present invention.

단계 S1010에서, 질의된 얼굴 이미지를 수신하고 사람의 얼굴을 배경과 구별하여 검출하며, 얼굴 영상 정보를 생성하고, 이를 부분 영상 정보 추출부로 전송한다. In step S1010, receives the query face image and detects the distinction between a human face and the background, and generates the face image information, and transmits the partial image information parts extracted. 단계 S1020에서는 수신한 얼굴 영상 이미지에서 얼굴의 특징이 잘 드러나 있는 부분 즉, 머리카락, 목 등을 제외한 부분 영상 정보를 추출하고, 이를 하 라이크 피춰 정보 추출부에 전송한다. In step S1020 extracts the partial image information other than the portion that is, hair, neck, etc., which well revealed the features of the face from a facial image received image, and transmits it to the information extraction section and pichwo-like.

단계 S1030에서, 부분 영상 정보로부터 하 라이크 피춰 정보를 추출하고, 단계S1040에서, 하 라이크 피춰 정보로부터 아다부스트 학습 알고리즘을 이용하여 더 강력한 얼굴 영상 특징 정보를 추출하며, 단계 S1050에서, 추출된 얼굴 영상 특징 정보를 바탕으로 선형 판별 분석을 하여 최종 특징 정보를 추출한다. In step S1030, parts and extracts to Like pichwo information from the image information, and in step S1040, and-like extract more powerful facial image feature information by using the Ada Boost learning algorithm from pichwo information, in step S1050, the extracted facial image by a linear discriminant analysis based on the feature information is extracted final characteristic information.

단계 S1060에서, 선형 판별 분석을 통해 추출된 최종 특징 정보와 저장부에 미리 저장되어 있는 최종 특징 정보를 검색, 비교하여 동일인인지 여부를 판단한다. In step S1060, a linear discriminant analysis to search for end-characteristic information which is previously stored in the last storage unit and the feature information extracted through, compared to determine whether the same person.

도 11은 본 발명의 바람직한 제2실시예에 따른 얼굴 인식 방법을 도시한 흐름도이다. 11 is a flowchart illustrating a face detection method according to a second embodiment of the present invention. 이하에서는 제1실시예와 다른 점을 중심으로 설명한다. Hereinafter will be described about the first embodiment and the other points.

단계 S1130에서, 부분 영상 추출부는 추출된 부분 영상 정보에 대해 빛의 영향을 최소화하는 하는 전처리 과정을 수행한다. In step S1130, partial image extraction unit performs pre-processing to minimize the impact of the light on the extracted partial image information. 이러한 전처리 과정은 크게 두 가지로 구분되며, 각각 독립적으로 수행될 수 있으나, 인식률을 높이기 위해 연속적으로 처리되는 것이 바람직하다. This pre-treatment is largely be divided into two, but can each be performed independently, it is preferable that the continuous process to improve the recognition rate. 첫번째는 질의 대상인 얼굴 전체의 조명의 변화로 인한 영향을 최소화하기 위한 과정으로서, 얼굴 영상 정보에 FLC(Fast Lightning Correction)을 수행한다. The first is to perform FLC (Fast Lightning Correction) to a process to minimize the effects due to changes in illumination of the entire face, the subject query face image information. 이 FLC는 영상의 밝기 값에 평균을 빼고 분산을 나눠서 밝기 성분을 정규화한다. The FLC is achieved by splitting the dispersion except the average brightness value of the image to normalize the brightness component. 이를 수식으로 표현하면 다음과 같다. And it can also be represented by the formula as follows:

위의 내용은 레이너 린하트(Rainer Lienhart)와 조헨 메이드(Jochen Mayd)가 2002년 9월 발표한 "빠른 물체 인식에 대한 하 라이크 피춰의 확장된 세트(An Extended Set of Haar-like Features for Rapid Object Detection)"의 논문에 자세히 설명되고 있으므로 이에 대한 자세한 설명은 생략한다. The above Rainer Lynn Hart (Rainer Lienhart) and johen Maid (Jochen Mayd) has announced "a set of extensions to Like pichwo for rapid object recognition in September 2002 (An Extended Set of Haar-like Features for Rapid Object it is described in detail in the paper of Detection) "detailed description will be omitted.

또한, 두번째는 왼쪽이나 오른쪽에서 비추는 조명의 변화를 최소화하기 위해서 이미지를 반으로 나누어 왼쪽 이미지와 오른쪽 이미지를 서로 겹쳐서 원래 이미지에 가중치를 곱해서 더하는 과정이다. In addition, the second is the process of adding an image divided in half in order to minimize the change of the light shining in from the left and right images overlapping each other to the left and right of the image is multiplied by a weight to the original image. 위와 같은 전처리를 이용하여 조명의 영향을 최소화함으로써 질의한 얼굴에 대한 인식률을 높일 수 있다. Using the above pretreatment can improve the recognition rate for the querying face by minimizing the impact of light.

본 발명은 상기 실시예에 한정되지 않으며, 많은 변형이 본 발명의 사상 내에서 당 분야에서 통상의 지식을 가진 자에 의하여 가능함은 물론이다. The present invention is not limited to the above embodiments, many variations are possible, as well as by those of ordinary skill in the art without departing from the spirit of the invention.

상술한 바와 같이 본 발명에 따른 하 라이크 피춰/선형 판별 분석을 이용한 얼굴 인식 장치 및 방법은 얼굴 인식에 필요한 시간을 감소시킬 수 있다. Face recognition apparatus and method using the down-like pichwo / linear discriminant analysis in accordance with the present invention as described above can reduce the time required for face recognition.

또한, 본 발명의 다른 효과는 주위 조명의 영향을 최소화하여 얼굴을 인식함으로써 얼굴 인식률을 높일 수 있다. Furthermore, other effects of the present invention can improve the face recognition by recognizing the face to minimize the effects of ambient light.

본 발명의 또 다른 효과는 얼굴 영상에 특정 부위를 설정하고 그 부위에 대한 특징 정보를 생성하여, 가변성이 많은 부위에 대한 정보를 추출하지 않음으로써 얼굴 인식률을 높일 수 있다. Another effect of the present invention, by setting a specific region in the face image, and generates feature information about the site, not extracting the information about the number of the variable portion can be increased by the face recognition.

도 1은 하 라이크 피춰(Haar-like feature) 정보의 프로토타입을 나타낸 도면. 1 is to pichwo-like (Haar-like feature) view showing a prototype of information.

도 2는 아다부스트(AdaBoost)에 의해 수행되는 특징 정보를 추출하는 방법을 도시한 흐름도. Figure 2 is a flow chart illustrating a method for extracting feature information that is performed by the boost Ada (AdaBoost).

도 3은 본 발명의 바람직한 실시예에 따른 얼굴 인식 장치를 포함하는 시스템 구성도. Figure 3 is a system block diagram comprising a face recognition apparatus according to an embodiment of the present invention.

도 4는 본 발명의 바람직한 실시예에 따른 얼굴 인식 장치의 블록 구성도. 4 is a block diagram of a face recognition apparatus according to an embodiment of the present invention.

도 5는 본 발명의 바람직한 실시예에 따른 부분 영상 정보를 추출하는 도면. 5 is a view for extracting a partial image information according to an embodiment of the present invention.

도 6은 본 발명의 바람직한 실시예에 따른 부분 영상 정보에서 특징 정보를 추출하는 도면. 6 is a view of extracting the feature information in the partial image information according to an embodiment of the present invention.

도 7은 본 발명의 바람직한 실시예에 따른 얼굴 인식 실험에서 사용된 데이터 구성도. Figure 7 is a data structure used by the face recognition experiment according to an embodiment of the present invention.

도 8은 본 발명의 바람직한 실시예에 따른 얼굴 인식 실험에서 추출된 인식률을 나타낸 도면. Figure 8 is a view of the recognition rate extracted from the face recognition experiment according to an embodiment of the present invention.

도 9는 본 발명의 바람직한 다른 실시예에 따른 얼굴 인식 실험에서 추출된 인식률을 나타낸 도면. Figure 9 is a view of the recognition rate extracted from the face detection test according to another embodiment of the present invention.

도 10은 본 발명의 바람직한 제1실시예에 따른 얼굴 인식 방법을 도시한 흐름도. 10 is a flowchart illustrating a face detection method according to a first embodiment of the present invention.

도 11은 본 발명의 바람직한 제2실시예에 따른 얼굴 인식 방법을 도시한 흐름도. 11 is a flowchart illustrating a face detection method according to a second embodiment of the present invention.

<도면의 주요 부분에 대한 부호의 설명> <Description of the Related Art>

410 : 입력부 410: input unit

421 : 부분 영상 정보 추출부 421: partial image information extraction section

423 : 하 라이크 피춰 추출부 423: Summer-like extractor pichwo

425 : 아다부스트 추출부 425: Ada boost extractor

427 : 선형 판별 분석부 427: linear discriminant analysis unit

430 : 특징 정보 비교 판단부 430: feature information comparison determiner

440 : 저장부 440: storage unit

450 : 출력부 450: output unit

Claims (12)

  1. 하 라이크 피춰(Haar-like feature)와 선형 판별 분석(LDA)를 이용하여 사람의 얼굴을 인식하는 장치에 있어서; And-like pichwo using (Haar-like feature) and Linear Discriminant Analysis (LDA) in a device for recognizing a human face;
    사람의 얼굴을 검출하고 얼굴 영상 정보를 생성하는 검출부; Detector that detects a person's face and generates a face image information;
    상기 얼굴 영상 정보로부터 분석 대상이 될 부분 영상 정보를 추출하는 부분 영상 정보 추출부; Partial image information extraction section for extracting a part of image information to be analyzed from the face image information;
    상기 부분 영상 정보로부터 하 라이크 피춰 정보를 추출하는 하 라이크 피춰 추출부; Pichwo-like extractor and extracting the information pichwo-like and from the partial image information;
    상기 추출된 하 라이크 피춰 정보를 기초로 선형 판별 분석을 하여 상기 얼굴의 최종 특징 정보를 추출하는 선형 판별 분석부; Linear discriminant analysis unit to determine on the basis of the linear-like pichwo and the extracted information to the analysis of the final extract feature information of the face;
    상기 최종 특징 정보와 기 저장된 최종 특징 정보를 비교하여 동일인인지를 판단하는 특징 정보 비교 판단부; It features information comparison to determine whether the same person by comparing the feature information stored in the final group, and the final characteristic information determination unit;
    적어도 하나 이상의 인식 대상의 얼굴에 상응하는 최종 특징 정보를 저장하는 저장부; A storage unit storing the last feature information corresponding to the face of at least one recognition target; And
    상기 특징 정보 비교 판단부의 판단 결과를 출력하는 출력부를 포함하는 것을 특징으로 하는 얼굴 인식 장치. Face recognition apparatus, comprising: an output unit for outputting the information comparison determines the feature portion determined result.
  2. 제 1항에 있어서; According to claim 1;
    상기 검출부는 하 라이크 피춰 정보를 이용하여 얼굴을 검출하는 것을 특징으로 하는 얼굴 인식 장치. Face detection device as the detection unit that detects a face using a pichwo-like information to.
  3. 제 1항에 있어서; According to claim 1;
    상기 추출된 하 라이크 피춰 정보를 기초로 아다부스트(AdaBoost) 학습 알고리즘을 이용하여 상기 얼굴 영상 정보의 특징 정보를 추출하는 아다부스트 추출부를 더 포함하되, Using a boost Ada (AdaBoost) learning algorithm on the basis of the extracted information pichwo-like and further includes a boost Ada extraction to extract feature information of the face image information,
    상기 선형 판별 분석부는 상기 아다부스트 추출부에서 추출된 특징 정보를 기초로 선형 판별 분석을 하는 것을 특징으로 하는 얼굴 인식 장치. The linear discriminant analysis unit face recognition apparatus characterized by a linear discriminant analysis based on the feature information extracted by the extraction unit Ada boost.
  4. 제 1항에 있어서; According to claim 1;
    상기 부분 영상 정보는 사람의 얼굴에서 머리카락과 목 부위를 제외한 영상 정보인 것을 특징으로 하는 얼굴 인식 장치. The partial image information, face recognition device, characterized in that the image information except for the hair and neck in a person's face.
  5. 제 1항에 있어서; According to claim 1;
    상기 부분 영상 정보 추출부는 The partial image information extracting unit
    상기 추출된 부분 영상 정보에 에프엘시(FLC : Fast Lighting Correction)를 수행하는 것-에프엘시는 영상의 밝기 값에서 그 평균을 빼고 분산으로 나눠서 밝기 성분을 정규화함-을 특징으로 하는 얼굴 인식 장치. The extracted partial image information in the F Elsie: to perform (FLC Fast Lighting Correction) - F Elsie is also normalized to the average of the split in a distributed brightness component subtracted from brightness values ​​of the image-face recognition, characterized in the device.
  6. 제 1항에 있어서; According to claim 1;
    상기 부분 영상 정보 추출부는 The partial image information extracting unit
    상기 추출된 부분 영상 정보의 이미지를 좌우 반으로 나누어 좌측 이미지의 영상 정보와 우측 이미지의 영상 정보를 서로 겹쳐서 원래 이미지의 정보에 가중치를 곱해서 더하는 것을 특징으로 하는 얼굴 인식 장치. Face detection device, characterized in that dividing the image of the extracted partial image information in the left and right half is multiplied by adding a weight to the information of the image information and the image information overlap each other the original image of the right side image on the left image.
  7. 제 1항에 있어서; According to claim 1;
    상기 부분 영상 정보 추출부는 The partial image information extracting unit
    상기 얼굴 영상의 눈 위치를 기준으로 상기 부분 영상 정보를 추출하는 것을 특징으로 하는 얼굴 인식 장치. Face detection device, characterized in that for extracting the partial image information based on the eye position of said face image.
  8. 하 라이크 피춰(Haar-like feature)와 선형 판별 분석(LDA)를 이용하여 사람의 얼굴을 인식하는 방법에 있어서; And-like using a pichwo (Haar-like feature) and Linear Discriminant Analysis (LDA) method for recognizing a person's face;
    사람의 얼굴을 검출하고 얼굴 영상 정보를 생성하는 단계; Detecting a person's face to create a facial image information;
    상기 얼굴 영상 정보로부터 분석 대상이 될 부분 영상 정보를 추출하는 단계; Extracting a portion of image information to be analyzed from the face image information;
    상기 부분 영상 정보로부터 하 라이크 피춰 정보를 추출하는 단계; Extracting information pichwo-like and from the partial image information;
    상기 추출된 하 라이크 피춰 정보를 기초로 선형 판별 분석을 하여 상기 얼굴 영상 정보의 최종 특징 정보를 추출하는 단계; Extracting the feature information of the end-face image information to the extracted to determine a linear-like on the basis of the analysis information pichwo; And
    상기 추출된 최종 특징 정보와 기 저장된 최종 특징 정보를 비교하여 동일인인지를 판단하는 단계를 포함하는 것을 특징으로 하는 얼굴 인식 방법. Face detection method comprising the step of comparing the feature information stored in the final group to the final feature information on the extracted determine whether the same person.
  9. 제 8항에 있어서, The method of claim 8,
    상기 사람의 얼굴을 검출하고 얼굴 영상 정보를 생성하는 단계에서 하 라이크 피춰 정보를 이용하여 얼굴을 검출하는 것을 특징으로 하는 얼굴 인식 방법. Face recognition method comprising using and pichwo-like information in the step of detecting the face of a person and generates a facial image information detected a face.
  10. 제 8항에 있어서, The method of claim 8,
    상기 추출된 하 라이크 피춰 정보를 기초로 아다부스트(AdaBoost) 학습 알고리즘을 이용하여 상기 얼굴 영상 정보의 특징 정보를 추출하는 단계를 더 포함하되, Using a boost Ada (AdaBoost) learning algorithm on the basis of the extracted information pichwo-like and further comprising: extracting feature information of the face image information,
    상기 추출된 특징 정보를 기초로 선형 판별 분석하는 것을 특징으로 하는 얼굴 인식 방법. Face recognition method characterized in that the linear discriminant analysis based on the extracted feature information.
  11. 제 8항에 있어서, The method of claim 8,
    상기 추출된 부분 영상 정보에 에프엘시(FLC : Fast Lighting Correction)를 수행하는 단계-에프엘시는 영상의 밝기 값에서 그 평균을 빼고 분산으로 나눠서 밝기 성분을 정규화함-를 더 포함하는 것을 특징으로 하는 얼굴 인식 방법. F. Elsie to the extracted partial image information, comprising: performing (FLC Fast Lighting Correction) - F Elsie is also normalized to the average brightness by dividing a distributed component subtracted from brightness values ​​of the image-for, characterized in that it further comprises face recognition method.
  12. 제 8항에 있어서, The method of claim 8,
    상기 추출된 부분 영상 정보의 이미지를 좌우 반으로 나누어 좌측 이미지의 영상 정보와 우측 이미지의 영상 정보를 서로 겹쳐서 원래 이미지의 정보에 가중치를 곱해서 더하는 단계를 더 포함하는 것을 특징으로 하는 얼굴 인식 방법. Face recognition method further comprising the step of adding the image information and the image information overlap each other is multiplied by a weight to the information of the original image of the right side image on the left image divided images of the extracted partial image information in the right and left half.
KR20040037142A 2004-05-25 2004-05-25 Method for recognizing a face using Haar-like feature/LDA and apparatus thereof KR100545559B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR20040037142A KR100545559B1 (en) 2004-05-25 2004-05-25 Method for recognizing a face using Haar-like feature/LDA and apparatus thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20040037142A KR100545559B1 (en) 2004-05-25 2004-05-25 Method for recognizing a face using Haar-like feature/LDA and apparatus thereof

Publications (2)

Publication Number Publication Date
KR20050112219A true KR20050112219A (en) 2005-11-30
KR100545559B1 KR100545559B1 (en) 2006-01-24

Family

ID=37287150

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20040037142A KR100545559B1 (en) 2004-05-25 2004-05-25 Method for recognizing a face using Haar-like feature/LDA and apparatus thereof

Country Status (1)

Country Link
KR (1) KR100545559B1 (en)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100756047B1 (en) * 2006-01-25 2007-09-07 한국인식산업(주) Apparatus for recognizing a biological face and method therefor
KR100825689B1 (en) * 2006-08-18 2008-04-29 포항공과대학교 산학협력단 Facial Disguise Discrimination method
WO2009048696A1 (en) * 2007-10-09 2009-04-16 Microsoft Corporation Local image descriptors using linear discriminant embedding
US8520893B2 (en) 2010-09-29 2013-08-27 Electronics And Telecommunications Research Institute Method and system for detecting object
KR101310886B1 (en) * 2012-08-09 2013-09-25 주식회사 에스원 Method for extracting face characteristic and apparatus thereof
US9547790B2 (en) 2014-03-19 2017-01-17 Samsung Electronics Co., Ltd. Method and apparatus for processing images
KR20180029709A (en) * 2016-09-13 2018-03-21 주식회사 네오시큐 System for detecting human using the projected figure for eye

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101077312B1 (en) * 2009-07-01 2011-10-26 삼성전기주식회사 Humman detection appartus using Haar-like fearture and method thereof
KR101407070B1 (en) 2012-09-28 2014-06-12 한국전자통신연구원 Method of extracting feature for human detection and apparatus for performing the same

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100756047B1 (en) * 2006-01-25 2007-09-07 한국인식산업(주) Apparatus for recognizing a biological face and method therefor
KR100825689B1 (en) * 2006-08-18 2008-04-29 포항공과대학교 산학협력단 Facial Disguise Discrimination method
WO2009048696A1 (en) * 2007-10-09 2009-04-16 Microsoft Corporation Local image descriptors using linear discriminant embedding
US8023742B2 (en) 2007-10-09 2011-09-20 Microsoft Corporation Local image descriptors using linear discriminant embedding
US8520893B2 (en) 2010-09-29 2013-08-27 Electronics And Telecommunications Research Institute Method and system for detecting object
KR101310886B1 (en) * 2012-08-09 2013-09-25 주식회사 에스원 Method for extracting face characteristic and apparatus thereof
US9547790B2 (en) 2014-03-19 2017-01-17 Samsung Electronics Co., Ltd. Method and apparatus for processing images
KR20180029709A (en) * 2016-09-13 2018-03-21 주식회사 네오시큐 System for detecting human using the projected figure for eye

Also Published As

Publication number Publication date
KR100545559B1 (en) 2006-01-24

Similar Documents

Publication Publication Date Title
US6188777B1 (en) Method and apparatus for personnel detection and tracking
KR101247147B1 (en) Face searching and detection in a digital image acquisition device
US7218759B1 (en) Face detection in digital images
US6128397A (en) Method for finding all frontal faces in arbitrarily complex visual scenes
US7236632B2 (en) Automated techniques for comparing contents of images
CN100504910C (en) Detection method and apparatus of human
US8345921B1 (en) Object detection with false positive filtering
JP4543423B2 (en) Method and apparatus for automatic object recognition and collation
Viola et al. Robust real-time face detection
CN1276381C (en) Region detecting method and region detecting apparatus
US8000505B2 (en) Determining the age of a human subject in a digital image
US8792722B2 (en) Hand gesture detection
EP1460580B1 (en) Face meta-data creation and face similarity calculation
Jesorsky et al. Robust face detection using the hausdorff distance
US20040252882A1 (en) Object recognition using binary image quantization and Hough kernels
US7742641B2 (en) Confidence weighted classifier combination for multi-modal identification
US6639998B1 (en) Method of detecting a specific object in an image signal
US6151403A (en) Method for automatic detection of human eyes in digital images
US20070237364A1 (en) Method and apparatus for context-aided human identification
US6671391B1 (en) Pose-adaptive face detection system and process
US6885760B2 (en) Method for detecting a human face and an apparatus of the same
Kollreider et al. Real-time face detection and motion analysis with application in “liveness” assessment
DE60215743T2 (en) Method and computer program product for determining the orientation of facial features
KR100438841B1 (en) Method for verifying users and updating the data base, and face verification system using thereof
US20120230545A1 (en) Face Recognition Apparatus and Methods

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130111

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20131230

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20150105

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20151230

Year of fee payment: 11

LAPS Lapse due to unpaid annual fee