Enhanced Face Recognition by Fusion of Global and Local Features under Varying Illumination

Abstract

본 논문에서는 조명 변화 조건에서 얼굴인식의 성능을 향상시키기 위한 새로운 방법을 제시하였다, 이는 조명 정규화, 전역 및 국부 특징에 의한 얼굴 표현, 특징값 또는 인식값 레벨의 통합(Fusion)의 강점을 취하였다. 특히 본 논문에서 두 가지의 주요 기술을 소개하였다. 1) 먼저 국부적 이진 패턴(LBP)에 기반한 전역 및 국부적 특징 레벨 통합을 소개하였다. KPCA를 채용하여 통합된 특징벡터의 차원을 낮추었다. 이 특징들은 특징벡터 레벨에서 통합되었으며, SVM을 사용하여 인식을 수행한다. 2) 또한 전역 및 국부적 특징들의 인식값(Score)기반 통합을 적용하여, SVM을 이용하여 인식 성능을 향상시켰다. PSO 방법에 기반하여 최적 통합을 위한 최적 가중값들이 스코어 레벨 통합을 위해 결정되었다. 한국인 얼굴 DB를 대상으로 한 인식 실험결과는 스코어기반 통합이 표준 전역 특징들, 국부적 특징들 그리고 잘 알려진 다른 방법들에 비하여 높은 인식 결과 가짐을 보였다. 특히, 실내 얼굴영상에 대해서는 100% 그리고 실외 얼굴 영상에 대해서는 94.5%의 인식률을 얻었다.