1 |
1
후보군에 해당되는 후보자들의 얼굴을 촬영한 복수의 학습영상들을 데이터베이스에 저장하는 단계;인식대상자의 얼굴에 대한 테스트영상이 입력되면, 상기 테스트영상과 상기 학습영상들 사이의 전역적 유사도를 주성분 분석 기법(PCA;Principle Component Analysis)으로 분석하여 1차 얼굴 인식을 수행하는 단계;상기 1차 얼굴 인식 결과를 이용하여 상기 학습영상들 중 상대적으로 유사도가 높은 상위 후보군을 결정하는 단계;상기 상위 후보군에 해당하는 학습영상들의 유사도 순위 결과를 분석하여, 상기 1차 얼굴 인식에 대한 확신성을 판단하는 단계;상기 1차 얼굴 인식의 결과가 확실한 것으로 판단되는 경우에는 상기 상위 후보군 중 상기 1차 얼굴 인식 결과를 통하여 선택된 학습영상에 대응하는 후보자를 상기 인식대상자와 동일한 인물로 인식하는 단계; 상기 1차 얼굴 인식의 결과가 확실한 것으로 판단되지 않는 경우에는 상기 테스트 영상과 상기 상위 후보군에 속하는 학습영상들 사이의 지역적 유사도를 가버 웨이블렛 기법(Gabor Wavelet)으로 분석하여 2차 얼굴 인식을 수행하는 단계; 및상기 2차 얼굴 인식 결과를 통하여 선택된 학습영상에 대응하는 후보자를 상기 인식대상자와 동일한 인물로 인식하는 단계를 포함하는 PCA와 가버 웨이블렛을 사용한 혼합형 얼굴 인식 방법
|
2 |
2
청구항 1에 있어서,상기 복수의 학습영상들은 상기 각각의 후보자들의 얼굴의 정면 부근에 산재되어 위치한 복수의 광원에 의해 촬영된 영상이며,상기 테스트 영상은 상기 인식대상자의 얼굴의 정면 또는 측면 부근에 위치한 광원에 의해 촬영된 영상인 PCA와 가버 웨이블렛을 사용한 혼합형 얼굴 인식 방법
|
3 |
3
청구항 2에 있어서,상기 1차 얼굴 인식에 대한 확신성을 판단하는 단계는,상기 상위 후보군 중에서, 상기 유사도 순위가 1위부터 n위(n은 자연수)에 해당하는 상기 학습영상들이 모두 동일 후보자에 대한 학습영상들인 경우에는, 상기 1차 얼굴 인식의 결과를 확실한 것으로 판단하는 PCA와 가버 웨이블렛을 사용한 혼합형 얼굴 인식 방법
|
4 |
4
청구항 2에 있어서,상기 1차 얼굴 인식에 대한 확신성을 판단하는 단계는,상기 상위 후보군은 상기 유사도 순위가 1위부터 m위(m은 자연수)인 학습영상들을 포함하고 상기 상위 후보군 중에서, 유사도 순위가 1위인 학습영상에 대응하는 후보자에 대한 다른 학습영상들이 k개(k는 m-1 이하의 자연수) 이상 더 포함되어 있는 경우, 상기 1차 얼굴 인식의 결과를 확실한 것으로 판단하는 PCA와 가버 웨이블렛을 사용한 혼합형 얼굴 인식 방법
|
5 |
5
청구항 2에 있어서,상기 2차 얼굴 인식을 수행하는 단계는,상기 테스트영상과 상기 상위 후보군에 속하는 학습영상들을 이진화된 픽셀들로 표현되는 LGBP(Local Gabor Binary Patern) 영상으로 각각 변환한 다음, 상기 LGBP 영상을 복수 개의 서브영역들로 구분하고 각 서브영역들에 대한 히스토그램을 생성하는 단계;상기 테스트영상의 히스토그램과 상기 상위 후보군에 속하는 학습영상들의 히스토그램 사이의 유사도를 분석하는 단계; 및상기 히스토그램 사이의 유사도가 가장 큰 학습영상을 선택하는 단계를 포함하는 PCA와 가버 웨이블렛을 사용한 혼합형 얼굴 인식 방법
|
6 |
6
청구항 5에 있어서,상기 LGBP 영상은,상기 학습영상과 상기 테스트영상에 대하여, 해당 영상을 구성하는 각 픽셀들의 밝기값과, 상기 각 픽셀들의 밝기값에 대한 평균값을 비교하여, 상기 픽셀의 밝기값이 상기 평균값 이상인 경우는 1, 상기 평균값 이하인 경우 0으로 할당하여 생성된 영상인 PCA와 가버 웨이블렛을 사용한 혼합형 얼굴 인식 방법
|
7 |
7
청구항 5에 있어서,상기 히스토그램 사이의 유사도를 분석하는 단계는,아래의 수학식을 이용하여 바타차야 거리를 계산하는 PCA와 가버 웨이블렛을 사용한 혼합형 얼굴 인식 방법:여기서, 은 상기 테스트영상의 히스토그램, 는 상기 상위 후보군에 속하는 학습영상들의 히스토그램, 는 히스토그램의 빈(bin)의 개수를 나타낸다
|
8 |
8
후보군에 해당되는 후보자들의 얼굴을 촬영한 복수의 학습영상들을 저장하는 데이터베이스;인식대상자의 얼굴에 대한 테스트영상이 입력되면, 상기 테스트영상과 상기 학습영상들 사이의 전역적 유사도를 주성분 분석 기법(PCA;Principle Component Analysis)으로 분석하여 1차 얼굴 인식을 수행하는 제1분석부;상기 1차 얼굴 인식 결과를 이용하여 상기 학습영상들 중 상대적으로 유사도가 높은 상위 후보군을 결정하는 결정부;상기 상위 후보군에 해당하는 학습영상들의 유사도 순위 결과를 분석하여, 상기 1차 얼굴 인식에 대한 확신성을 판단하는 판단부;상기 1차 얼굴 인식의 결과가 확실한 것으로 판단되는 경우에는 상기 상위 후보군 중 상기 1차 얼굴 인식 결과를 통하여 선택된 학습영상에 대응하는 후보자를 상기 인식대상자와 동일한 인물로 인식하는 제1인식부;상기 1차 얼굴 인식의 결과가 확실한 것으로 판단되지 않는 경우에는 상기 테스트 영상과 상기 상위 후보군에 속하는 학습영상들 사이의 지역적 유사도를 가버 웨이블렛 기법(Gabor Wavelet)으로 분석하여 2차 얼굴 인식을 수행하는 제2분석부; 및상기 2차 얼굴 인식 결과를 통하여 선택된 학습영상에 대응하는 후보자를 상기 인식대상자와 동일한 인물로 인식하는 제2인식부를 포함하는 PCA와 가버 웨이블렛을 사용한 혼합형 얼굴 인식 시스템
|
9 |
9
청구항 8에 있어서,상기 복수의 학습영상들은 상기 각각의 후보자들의 얼굴의 정면 부근에 산재되어 위치한 복수의 광원에 의해 촬영된 영상이며,상기 테스트 영상은 상기 인식대상자의 얼굴의 정면 또는 측면 부근에 위치한 광원에 의해 촬영된 영상인 PCA와 가버 웨이블렛을 사용한 혼합형 얼굴 인식 시스템
|
10 |
10
청구항 9에 있어서,상기 판단부는,상기 유사도 순위가 1위부터 n위(n은 자연수)에 해당하는 상기 학습영상들이 모두 동일 후보자에 대한 학습영상들인 경우에는, 상기 1차 얼굴 인식의 결과를 확실한 것으로 판단하는 PCA와 가버 웨이블렛을 사용한 혼합형 얼굴 인식 시스템
|
11 |
11
청구항 9에 있어서,상기 상위 후보군은 상기 유사도 순위가 1위부터 m위(m은 자연수)인 학습영상들을 포함하고,상기 판단부는,상기 상위 후보군 중에서, 유사도 순위가 1위인 학습영상에 대응하는 후보자에 대한 다른 학습영상들이 k개(k=3는 m-1 이하의 자연수) 이상 더 포함되어 있는 경우, 상기 1차 얼굴 인식의 결과를 확실한 것으로 판단하는 PCA와 가버 웨이블렛을 사용한 혼합형 얼굴 인식 시스템
|
12 |
12
청구항 9에 있어서,상기 제2분석부는,상기 테스트영상과 상기 상위 후보군에 속하는 학습영상들을 이진화된 픽셀들로 표현되는 LGBP(Local Gabor Binary Patern) 영상으로 각각 변환한 다음, 상기 LGBP 영상을 복수 개의 서브영역들로 구분하고 각 서브영역들에 대한 히스토그램을 생성하고,상기 테스트영상의 히스토그램과 상기 상위 후보군에 속하는 학습영상들의 히스토그램 사이의 유사도를 분석하며,상기 히스토그램 사이의 유사도가 가장 큰 학습영상을 선택하는 PCA와 가버 웨이블렛을 사용한 혼합형 얼굴 인식 시스템
|
13 |
13
청구항 12에 있어서,상기 LGBP 영상은,상기 학습영상과 상기 테스트영상에 대하여, 해당 영상을 구성하는 각 픽셀들의 밝기값과, 상기 각 픽셀들의 밝기값에 대한 평균값을 비교하여, 상기 픽셀의 밝기값이 상기 평균값 이상인 경우는 1, 상기 평균값 이하인 경우 0으로 할당하여 생성된 영상인 PCA와 가버 웨이블렛을 사용한 혼합형 얼굴 인식 시스템
|
14 |
14
청구항 12에 있어서,상기 히스토그램 사이의 유사도 분석은,아래의 수학식을 이용하여 바타차야 거리를 계산하는 PCA와 가버 웨이블렛을 사용한 혼합형 얼굴 인식 시스템:여기서, 은 상기 테스트영상의 히스토그램, 는 상기 상위 후보군에 속하는 학습영상들의 히스토그램, 는 히스토그램의 빈(bin)의 개수를 나타낸다
|