1 |
1
다수의 훈련 데이터를 이용하여 생성된 특징 마스크를 적용하여 얼굴을 인식하는 방법으로서,
(a) 다수의 훈련 데이터를 포함하는 갤러리 데이터를 데이터베이스화하는 단계;
(b) 상기 다수의 훈련 데이터에 PCA와 LDA의 융합모델을 적용하여 훈련 데이터의 특징을 나타내는 복수 개의 피셔훼이스를 연산하는 단계;
(c) 상기 복수 개의 피셔훼이스 중 기준값 이상인 고유값을 갖는 피셔훼이스를 선택하는 단계;
(d) 상기 선택된 피셔훼이스의 각 픽셀 값이 미리 설정된 임계치를 초과하면 중요 데이터 영역으로 판단하는 단계;
(e) 상기 선택된 피셔훼이스에 대한 각각의 중요 데이터 영역으로부터 특징 마스크를 만드는 단계;
(f) 시험 데이터에 특징 마스크를 적용하여 중요 데이터를 추출하는 단계; 및
(g) 상기 추출된 중요 데이터를 이용하여 상기 시험 데이터에 상응하는 갤러리 데이터를 판별하는 단계;
를 포함하여 구성되는 특징 되먹임을 이용한 얼굴 인식 방법
|
2 |
2
청구항 1에 있어서,
상기 미리 설정된 임계치는 피셔훼이스의 각 픽셀값에 절대값을 적용하여 얻어지는 절대값에 대한 평균과 평균에 가중치를 두어 계산된 값인 것을 특징으로 하는 특징 되먹임을 이용한 얼굴 인식 방법
|
3 |
3
청구항 1에 있어서,
상기 (b) 단계는, 다수의 훈련 데이터에 대해 선형판별 기법(LDA)을 적용하는 단계; 및
선형판별 기법 적용 시 시스템의 분류 바이어스가 커지는 문제 및 학습 데이터의 특성에 따라 변환벡터의 계산 알고리즘이 수렴하지 않는 문제점을 극복하기 위해 고차원의 데이터를 주성분 분석법(PCA)을 이용하여 저차원으로 변환하여 적용하는 단계;를 포함하며, 이를 통해 변환 후 서로 다른 클래스에 속하는 영상간의 분산은 최대로 하고 같은 클래스의 영상간의 분산은 최소가 되도록 하는 변환벡터를 구하는 것을 특징으로 하는 특징 되먹임을 이용한 얼굴 인식 방법
|
4 |
4
청구항 3에 있어서,
상기 (c) 단계는 복수 개의 피셔훼이스 중 고유값이 큰 피셔훼이스를 미리 설정된 개수만큼 선택하는 단계를 포함하고,
상기 (e) 단계는 미리 설정된 개수만큼 선택된 피셔훼이스에 대한 각각의 중요 데이터 영역을 논리합하여 특징 마스크를 만드는 단계를 포함하여 구성된 것을 특징으로 하는 특징 되먹임을 이용한 얼굴 인식 방법
|
5 |
5
청구항 1에 있어서,
상기 시험 데이터에 특징 마스크를 적용하여 추출된 중요 데이터에 대해 고품질로 압축하는 단계; 및
상기 중요 데이터 이외의 중요하지 않은 데이터에 대해 저품질로 압축하는 단계;를 더 포함하여 구성된 것을 특징으로 하는 특징 되먹임을 이용한 얼굴 인식 방법
|
6 |
6
청구항 5에 있어서,
상기 고품질로 압축된 중요 데이터를 복호화하여 중요 데이터를 획득하는 단계; 및
상기 획득된 중요 데이터를 이용하여 상기 시험 데이터에 상응하는 갤러리 데이터를 판별하는 단계;를 더 포함하여 구성된 것을 특징으로 하는 특징 되먹임을 이용한 얼굴 인식 방법
|
7 |
7
다수의 훈련 데이터를 이용하여 생성된 특징 마스크를 적용하여 얼굴을 인식하는 방법으로서,
다수의 훈련 데이터를 포함하는 갤러리 데이터를 데이터베이스화하는 단계;
상기 다수의 훈련 데이터의 특징을 나타내는 복수 개의 피셔훼이스를 연산해서 복수 개의 피셔훼이스 중 기준값 이상인 고유값을 갖는 피셔훼이스를 선택하는 단계;
상기 선택된 피셔훼이스의 각 픽셀값이 미리 설정된 임계치를 초과하면 중요 데이터 영역으로 판단해서 중요 데이터 영역으로부터 특징 마스크를 만드는 단계; 및
시험 데이터에 상기 특징 마스크를 적용하여 중요 데이터를 추출하고 추출된 중요 데이터를 이용하여 시험 데이터에 상응하는 갤러리 데이터를 판별하는 단계;
를 포함하여 구성되는 특징 되먹임을 이용한 얼굴 인식 방법
|
8 |
8
다수의 훈련 데이터를 이용하여 생성된 특징 마스크를 적용하여 얼굴을 인식하는 방법으로서,
다수의 얼굴 원본 데이터를 포함하는 갤러리 데이터를 데이터베이스화하는 단계;
주성분 분석법(PCA)을 통해 상기 얼굴 원본 데이터의 특징을 표현하는 고유 얼굴을 구하는 단계;
상기 고유 얼굴에 대한 각 픽셀값의 평균을 구하는 단계;
상기 고유 얼굴에 대해 평균 이상인 영역과 평균 이하인 영역으로 구성되는 특징 마스크를 구하는 단계;
얼굴 훈련 데이터에 상기 특징 마스크를 적용하여 잡음을 제거하는 단계;
잡음이 제거된 얼굴 훈련 데이터에 PCA와 LDA 융합모델을 적용하여 훈련 데이터의 특징을 나타내는 복수의 피셔훼이스를 연산하는 단계;
상기 복수 개의 피셔훼이스 중 기준값 이상인 고유값을 갖는 피셔훼이스를 선택하고, 선택된 피셔훼이스의 각 픽셀 값이 미리 설정된 임계치를 초과하면 중요 데이터 영역으로 판단하는 단계;
상기 선택된 피셔훼이스에 대한 각각의 중요 데이터 영역으로부터 특징 마스크를 만들고, 얼굴 시험 데이터에 상기 특징 마스크를 적용하여 중요 데이터를 추출하는 단계;
상기 추출된 중요 데이터를 이용하여 얼굴 시험 데이터에 상응하는 갤러리 데이터를 판별하는 단계;
를 포함하여 구성되는 특징 되먹임을 이용한 얼굴 인식 방법
|