Boosted 국부 이진 패턴을 적용한 얼굴 표정 인식에 관한 연구

Abstract

최근 얼굴 표정 인식에 있어 영상 기반의 방법의 하나로서 ULBP 블록 히스토그램 피쳐와 SVM을 분류기로 사용한 연구가 수행되었다. Ojala 등에 의해 소개된 LBP는 높은 식별력과 조명의 변화에 대한 내구성과 간단한 연산 때문에 영상 인식 분야에 많이 사용되고 있다. 본 논문에서는 ULBP 블록 히스토그램을 계산함에 있어 분할 영역의 이동, 크기 변화에 더하여 미세한 특징 요소를 표현할 수 있도록 <TEX>$LBP_{8,2}$</TEX>과 <TEX>$LBP_{8,1}$</TEX>를 결합하였다. <TEX>$LBP_{8,1}$</TEX> 660개, <TEX>$LBP_{8,2}$</TEX> 550개의 분할 창으로부터 1210개의 ULBP 히스토그램 피쳐를 추출하고 이로부터 AdaBoost를 이용하여 50개의 약 분류기를 생성하였다. <TEX>$LBP_{8,1}$</TEX>와 <TEX>$LBP_{8,2}$</TEX>가 결합된 하이브리드 형태의 ULBP 블록 히스토그램 피쳐와 SVM 분류기를 이용함으로써 표정 인식률을 향상시킬 수 있었으며 다양한 실험을 통하여 이를 확인하였다. 본 논문에서 제안한 하이브리드 Boosted ULBP 히스토그램의 경우에 표정의 인식률이 96.3%로 가장 높은 결과를 보였으며 제안한 방법의 우수성을 확인하였다. Recently, as one of images based methods in facial expression recognition, the research which used ULBP block histogram feature and SVM classifier was performed. Due to the properties of LBP introduced by Ojala, such as highly distinction capability, durability to the illumination changes and simple operation, LBP is widely used in the field of image recognition. In this paper, we combined <TEX>$LBP_{8,2}$</TEX> and <TEX>$LBP_{8,1}$</TEX> to describe micro features in addition to shift, size change in calculating ULBP block histogram. From sub-windows of 660 of <TEX>$LBP_{8,1}$</TEX> and 550 of <TEX>$LBP_{8,2}$</TEX>, ULBP histogram feature of 1210 were extracted and weak classifiers of 50 were generated using AdaBoost. By using the combined <TEX>$LBP_{8,1}$</TEX> and <TEX>$LBP_{8,2}$</TEX> hybrid type of ULBP histogram feature and SVM classifier, facial expression recognition rate could be improved and it was confirmed through various experiments. Facial expression recognition rate of 96.3% by hybrid boosted ULBP block histogram showed the superiority of the proposed method.