실시간 응용을 위한 PCA와 LDA를 이용한 얼굴 검출 및 SVM을 이용한 얼굴 검증 = Face detection based on PCA and LDA and face verification using SVM for real-time applications

국문 초록 (Abstract)

본 논문에서는 실시간 응용을 위해 형판 정합 방법을 기반으로 하면서 동시에 외형 기반(appearance_based) 방법에서 제시하는 학습 모델을 이용한 새로운 얼굴검출 방법을 제안한다. 우선, 빛이나 조명의 영향에 의한 오류를 방지하기 위한 효과적인 전처리 과정으로 최소_최대 정규화(Min_max Normalization) 방법과 히스토그램 정규화 방법을 적용시킨다. 그런 뒤에 입력 영상과 형판을 PCA 변환하여 각각의 주성분(PC : Principal Component)을 생성하고 이를 LDA 변환한다. PCA및 LDA 변환된 형판을 이용하여 입력 영상과의 거리 값을 구한 후 거리 값이 가장 작은 영역을 얼굴 영역으로 선택하고, 선택된 영역은 SVM을 이용하여 얼굴인지 아닌지를 검증하는 과정을 거친다. 또한, 본 논문에서는 실시간 얼굴 검출 방법을 위해 전체 영역이 아닌 ±12 화소 크기의 탐색 윈도우를 이용하여 시스템의 속도 및 정확도를 고려하도록 하였다. 실제 환경과 같은 6개 부류의 동영상을 중심으로 실험한 결과, 본 논문에서 제안하는 방법이 기존의 PCA 변환만을 이용한 방법보다 좋은 성능을 보여줌을 알 수 있었고, 또한 SVM을 이용한 얼굴 검증 과정을 추가한 방법이 PCA 변환과 LDA 변환을 사용한 방법보다 좋은 성능을 보여줌을 알 수 있었다.

다국어 초록 (Multilingual Abstract)

In this paper, we propose a new face detection method for real-time applications. It is based on the template-matching and appearance_based method. At first, we apply Min-max normalization with histogram equalization to the input image according to the variation of intensity. By applying the PCA transform to both the input image and template, PC Components are obtained and they are applied the LDA transform. And then, we estimate the distances between the input image and template, and we select one region which has the smallest distance. SVM is used for final decision whether the candidate face region is a real face or not.
Since we detect a face region not the full region but within the ±12 search window, our method shows a good speed and detection rate. Through the experiments with 6 category input video, our algorithm shows the better performance than the existing methods that use only the PCA transform, and only the PCA and LDA transform.

목차 (Table of Contents)

• 목차
• 그림 차례 = iii
• 표 차례 = v
• 국문 요약 = vi
• 제1장. 서론 = 1
• 1.1 연구배경 = 1
• 1.2 본 논문의 구성 = 3
• 제2장. 주 성분의 LDA 변환 = 5
• 2.1 PCA (Principal Component Analysis) = 5
• 2.2 LDA (Linear Discriminant Analysis) = 8
• 2.3 주 성분의 LDA 변환 = 11
• 제3장. 얼굴 영역 검출 = 13
• 3.1 전처리 = 13
• 3.2 형판생성 = 16
• 3.3 학습과정 = 19
• 3.4 얼굴 영역 매칭 = 21
• 3.5 탐색 윈도우를 이용한 얼굴 검출 = 30
• 3.6 얼굴 크기 변화 = 32
• 제4장. 얼굴 검증 = 36
• 4.1 SVM = 36
• 4.2 얼굴 검증 = 40
• 4.2.1 학습과정 = 41
• 4.2.2 얼굴 영역 검증 = 42
• 제5장. 실험 결과 = 44
• 5.1 실험 환경 = 44
• 5.2 실험 결과 = 44
• 제6장. 결론 및 향후 연구과제= 47
• 참고문헌 = 49
• Appendix = 53
• 영문요약(Abstract) = 57