PCA와 신경망을 결합한 얼굴인식 알고리즘의 성능분석 = Performance Analysis of Combined PCA with Neural Networks Algorithms for Face Recognition

국문 초록 (Abstract)

본 논문에서는 PCA(Principle Component Analysis)와 신경망(Back-Propagation과 Radial Basis Function)을 이용한 얼굴인식 알고리즘의 성능을 분석 하였다. 얼굴인식에서 사용할 특징값 추출을 위한 방법으로 PCA와 LDA기법을 사용했으며, 얼굴인식 방법으로는 유클라디안 거리측정법과 신경망의 오류역전파 알고리즘, RBF네트워크를 다르게 사용함으로써 얼굴인식 성능을 분석했다. 또한 실험결과 중 인식률이 우수했던 PCA와 오류역전파 신경망을 결합한 알고리즘에 전처리 과정을 다르게 처리함으로써 얼굴인식에 전처리 방법이 미치는 영향을 평가했다.
전처리과정은 빛에 대한 보상을 위해 널리 사용되는 히스토그램 평활화를 사용하고, 얼굴영상에 잡음제거를 위해서 미디안 필터링과 적응 필터링을 추가적으로 활용했다. PCA기법을 이용해서 얼굴영상에 대한 차원을 축소하면서 특징값을 추출했으며, LDA기법을 이용해서 각 클래스에 따른 얼굴영상들의 패턴분포를 찾아냈다. 신경망 중에서 오류역전파 알고리즘과 RBF네트워크를 이용해서 지역적 학습신경망과 전역적 학습신경망을 통해서 얼굴을 인식하였다.
PCA와 신경망을 결합한 얼굴인식 알고리즘의 성능을 분석한 결과 PCA와 오류역전파 신경망을 결합한 알고리즘이 95.29%라는 가장 우수한 얼굴인식 결과를 보였다. 또한 전처리과정에서 히스토그램 평활화와 미디안 필터링을 같이 사용했을 때, 보다 더 얼굴인식률을 보임을 확인하였다.

다국어 초록 (Multilingual Abstract)

This thesis analyses the performance of combined PCA and neural network algorithms for face recognition.
The PCA method produces a low-dimensional eigenvector and eigenface for the original face images. Then the back-propagation's weights are trained using the produced low- dimensional eigenfaces. The proposed results show better performance of recognition rate of, 95.56%, compared with those of PCA only method.
Also, we analyzes the performance of face recognition algorithms by appling LDA and RBF techniques. The face recognition algorithms used here are based on the PCA, LDA, back-propagation, and RBF algorithms. Before the recognition algorithm is applied, various filtering techniques are applied. to eliminate the noises or the effects of the illuminant variances included in the original face images. The results show that PCA+BP method resulted in the best performance.

목차 (Table of Contents)

• 목차 = i
• Ⅰ. 서론 = 1
• Ⅱ. 얼굴 인식 방법들 = 5
• 2.1 얼굴영역의 추출 = 5
• 2.2 주요 얼굴 인식기법 = 7
• 2.2.1 PCA 이용 기법 = 8
• 2.2.2 LDA 이용 기법 = 9
• 2.2.3 신경망 이용 기법 = 10
• 2.2.4 기타 얼굴인식 기법 = 11
• Ⅲ. 다중기법에 의한 얼굴인식 = 13
• 3.1 전처리과정 = 13
• 3.2 PCA를 이용한 얼굴인식 = 16
• 3.3 LDA를 이용한 얼굴인식 = 19
• 3.4 오류역전파 알고리즘을 이용한 얼굴인식 = 20
• 3.5 Radial Basis Function을 이용한 얼굴인식 = 23
• Ⅳ. 실험 및 결과분석 = 26
• 4.1 실험환경 = 26
• 4.2 PCA와 신경망 결합에 의한 성능 비교 = 30
• 4.3 LDA와 신경망 결합에 의한 성능 비교 = 32
• 4.4 히스토그램 평활화와 필터링에 의한 성능향상 분석 = 32
• Ⅴ. 결론 = 37
• 참고 문헌 = 39
• 요약 = 42
• Abstract = 43