의료자산보호에서 얼굴인식을 위한 가보 웨이블릿 분석

국문 초록 (Abstract)

개인정보보호법의 시행은 의료기관에서 의료자산에 대한 보안이 중요시 되고 있으며 이를 위한 얼굴인식은 가장 흥미롭지만 다양한 문제점을 가지고 있는 요소 중의 하나이다. 얼굴인식은 얼굴 영상의 변화하는 요인인 포즈, 조명, 표정과 크기의 변화요소를 포함하고 있다. 이와 같은 변화 요인 중에서 빛의 위치와 방향의 변화요인이 가장 큰 어려움중의 하나이다. 이와 같은 단점을 극복하기 위하여 본 논문에서는 의료자산 보호를 위한 CCTV 관제에서 얼굴인식을 위하여 가보웨이블릿의 계수의 분석, 커널 선정, 특징점, 커널크기와 같은 요소를 분석하였다. 제안된 방법은 분석으로 구성되어있다. 첫 번째 분석은 이미지로부터 커널을 선정하기 위한 것이며, 두 번째 분석은 커널 크기에 대한 계수 분석이다. 마지막으로 입력 영상의 크기에 따른 가보커널 크기의 변화에 대한 측정이다. 실험을 통하여 도출된 계수를 이용하여 얼굴인식을 수행하였으며, 평균 97.3%라는 인식 결과를 도출하였다. 제안하는 방법을 개발하여 논리적 타당성과 유효성을 검증하기 위해 실험적인 적용을 시도하고자 한다. 따라서 얼굴인식에서 서비스의 만족도와 질을 향상시켰다.

다국어 초록 (Multilingual Abstract)

Medical asset protection is important in each medical institution especially because of the law on private medical record protection and face recognition for this protection is one of the most interesting and challenging problems. In recognizing human faces, the distortion of face images can be caused by the change of pose, illumination, expressions and scale. It is difficult to recognize faces due to the locations of lights and the directions of lights. In order to overcome those problems, this paper presents an analysis of coefficients of Gabor wavelets, kernel decision, feature point, size of kernel, for face recognition in CCTV surveillance. The proposed method consists of analyses. The first analysis is to select of the kernel from images, the second is an coefficient analysis for kernel sizes and the last is the measure of changes in garbo kernel sizes according to the change of image sizes. Face recognitions are processed using the coefficients of experiment results and success rate is 97.3%. Ultimately, this paper suggests empirical application to verify the adequacy and the validity with the proposed method. Accordingly, the satisfaction and the quality of services will be improved in the face recognition area.

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. 서론
• Ⅱ. 가보 웨이블릿
• Ⅲ. 가보 웨이블릿 계수 분석
• Ⅳ. 실험결과
• Ⅴ. 결론
• 참고문헌
• 저자소개

참고문헌 (Reference)

1 M. H. Laili, "Secured Network Authentication using Biometrics Application"

2 J. Cook, "Multiscale Representation for 3-D Face Recognition," Information Forensics and Security" 2 (2): 529-535, 2007

3 T. S. Lee, "Image Representation using 2D Gabor Wavelets" 18 (18): 959-971, 1996

4 Y. C. Huang, "Gabor-Based Kernel Independent Component Analysis for Face Recognition" 376-379, 2010

5 Laurenz Wiskott, "Face Recognition by Dynamic Link Matching" Ruhr-Universitat Bochum 1996

6 Laurenz Wiskott, "Face Recognition by Dynamic Link Matching" Ruhr-Universitat Bochum 1996

7 K. B. Vinay, "Face Recognition Using Gabor Wavelets" 593-597, 2007

8 Guoqiang Wang, "Face Recognition Based on Image Enhancement and Gabor Features" 9761-9764, 2006

9 X. Y. Tan, "Enhanced Local Texture Feature Sets for Face Recognition Under Difficult Lighting Conditions" 19 (19): 1635-1650, 2010

10 G. Donato, "Classifying Facial Actions" 21 (21): 974-989, 1999

11 P. S. P. Wang, "Biometrics Intelligence Information Systems and Applications" 2007 : 1454-, 2007

12 J. Jones, "An Evaluation of the Two Dimensional Gabor Filter Model of Simple Receptive Fields in Cat Striate Cortex" 1233-1258, 1987

13 Chengjun Liu, "A Gabor feature classifier for face recognition"