| 1 |
1
a) 복수의 D개의 학습 얼굴 이미지에 대하여 LBP(Local Binary Pattern)로 변환시키고, 상기 LBP 변환된 학습 얼굴 이미지마다 생성한 N 개의 특징 벡터 중에서 사전에 설정된 클래스 레이블 벡터를 이용하여 선택한 M 개의 특징 벡터로 차원이 감소된 학습 얼굴이미지를 생성하는 단계;
b) 상기 차원이 감소된 각각의 학습 얼굴이미지에 대하여 256개의 각 LBP 코드의 출현 빈도를 나타내는 빈도 특징 벡터를 산출하는 단계;
c) 상기 256개의 빈도 특징 벡터에 대하여 상기 클래스 레이블 벡터와 상호 정보를 최대화하는 K개의 OLBP(Optimal Local Binary Pattern) 코드를 선택하는 단계;
d) 등록할 얼굴이미지에 대하여 상기 선택된 OLBP 코드를 이용하여 LBP 변환하고 템플릿 특징벡터를 생성하여 얼굴이미지를 등록하는 단계; 및
e) 입력된 얼굴이미지에 대하여 상기 선택된 OLBP 코드와 상기 얼굴 이미지 등록 단계에서 산출된 템플릿 특징 벡터를 이용하여 얼굴을 인식을 하는 단계를 포함함을 특징으로 하는 상호 정보 최대화 기반의 LBP 코드를 이용한 패턴 인식 방법
|
| 2 |
2
제 1항에 있어서, a) 단계에서,
상기 N 개의 특징 벡터는 상기 LBP로 변환된 각 학습 얼굴 이미지 픽셀의 위치에 기반한 N(가로 픽셀수 × 세로 픽셀수)개의 D차원 특징벡터임을 특징으로 하는 상호 정보 최대화 기반의 LBP 코드를 이용한 패턴 인식 방법
|
| 3 |
3
제 1항에 있어서, a) 단계에서, 선택된 상기 M개의 특징 벡터는,
상기 N 개의 LBP로 변환된 특징 벡터 중에서 이미 설정된 상기 클래스 레이블 벡터와 상호 정보를 최대화하는 특징 벡터임을 특징으로 하는 상호 정보 최대화 기반의 LBP 코드를 이용한 패턴 인식 방법
|
| 4 |
4
제 3항에 있어서,
상기 M개의 특징 벡터의 선택은 다음 수학식으로 산출됨을 특징으로 하는 상호 정보 최대화 기반의 LBP를 이용한 패턴 인식 방법
|
| 5 |
5
제 1항에 있어서, b) 단계에서, 상기 256개의 빈도 특징 벡터의 산출은,
b1) 상기 차원이 감소된 각각의 학습 얼굴이미지당 LBP 코드 기반의 히스토그램 벡터를 생성하는 단계; 및
b2) 상기 히스토그램 벡터로부터 256개의 각 LBP 벡터의 출현빈도를 나타내는 LBP 빈도 특징 벡터를 생성하는 단계; 및
b3) 상기 256개의 빈도 특징 벡터 중에서 상기 클래스 레이블 벡터 간의 상호 정보를 최대화하는 K개의 빈도 특징 벡터를 선택하는 단계를 포함함을 특징으로 하는 상호 정보 최대화 기반의 LBP 코드를 이용한 패턴 인식 방법
|
| 6 |
6
제 5항에 있어서, b3) 단계에서, K개의 상기 빈도 특징 벡터의 선택은 다음 수식으로 계산됨을 특징으로 하는 상호 정보 최대화 기반의 LBP 코드를 이용한 패턴 인식 방법
|
| 7 |
7
제 1항에 있어서, d) 단계는,
d1) 상기 템플릿 특징벡터를 생성하는 단계는 상기 K개의 OLBP 코드를 이용하여 표현된 상기 등록 얼굴이미지를 ra × rb 개의 영역단위로 분할하는 단계; 및
d2) 상기 분할된 등록 얼굴이미지에서 각각의 영역에 대해 K개의 최적의 LBP 기반의 히스토그램을 계산하고, 총 ra × rb개의 영역 각각에 대해 독립적으로 계산된 히스토그램들을 순차적으로 연계시켜 ra × rb × K 차원의 템플릿 특징 벡터를 생성하는 단계를 포함함을 특징으로 하는 상호 정보 최대화 기반의 LBP 코드를 이용한 패턴 인식 방법
|
| 8 |
8
제 1항에 있어서, e) 단계는,
e1) 입력된 얼굴이미지에 대해 상기 K개의 OLBP 코드를 이용하여 ra × rb개의 영역으로 분할하는 단계;
e2) 상기 분할된 입력 얼굴 이미지에서 각각의 영역에 대해 K 개의 OLBP 기반의 히스토그램을 계산하고, 총 ra × rb 개의 영역 각각에 대해 독립적으로 계산된 히스토그램들을 순차적으로 연계시켜 ra × rb × K 차원의 입력 특징 벡터를 구하는 단계; 및
e3) K개의 OLBP 코드들을 이용하여, 각 등록 얼굴 이미지와 입력된 얼굴 이미지에 대해 각 템플릿간의 거리값에 기초하여 상기 입력된 얼굴을 인식하는 단계를 포함함을 특징으로 하는 상호 정보 최대화 기반의 LBP 코드를 이용한 패턴 인식 방법
|
| 9 |
9
a) 복수의 D개의 학습 얼굴 이미지에 대하여 LBP(Local Binary Pattern)로 변환시키고, LBP 변환된 학습 얼굴 이미지로부터 생성한 N 개의 특징 벡터 중에서 사전에 설정된 클래스 레이블 벡터를 이용하여 선택한 M개의 특징 벡터로 차원이 감소된 학습 얼굴이미지를 생성하는 수단;
b) 상기 차원이 감소된 각각의 학습 얼굴이미지에 대하여 256개의 각 LBP 코드에 대한 출현 빈도 특징 벡터를 생성하는 수단;
c) 상기 256개의 빈도 특징 벡터에 대하여 상기 클래스 레이블 벡터와 상호 정보를 최대화하는 K개의 OLBP(Optimal Local Binary Pattern) 코드를 선택하는 수단; 및
d) 등록할 얼굴이미지에 대하여 상기 선택된 OLBP 코드를 이용하여 LBP 변환하고 템플릿 특징벡터를 생성하여 얼굴이미지를 등록하는 수단; 및
e) 입력된 얼굴이미지에 대하여 상기 선택된 OLBP 코드와 상기 얼굴이미지 등록 수단에서 산출된 템플릿 특징 벡터를 이용하여 얼굴을 인식하는 수단을 포함함을 특징으로 하는 상호 정보 최대화 기반의 LBP 코드를 이용한 패턴 인식 장치
|
| 10 |
10
제 1항에 기재된 상호 정보 최대화 기반의 LBP 코드를 이용한 패턴 인식 방법을 컴퓨터로 실행하기 위한 프로그램을 저장한 컴퓨터 판독 가능한 기록 매체
|
