ANN_분류
신경망의 분류
1. 통계기법 : 회귀분석, 로지스틱 회귀분석, 시계열분석, 판별분석
2. 의사결정나무
3. 신경망 분석
4. 군집분석
신경망 적용, 분류/회귀/비지도학습
[출처] https://ettrends.etri.re.kr/ettrends/172/0905172005/
얼굴인식 파이프라인
DeepFace, 페이스북
Distance Metric learning
비디오 얼굴인식
[출처 : https://m.blog.naver.com/PostView.nhn?blogId=i09000&logNo=20041887423&proxyReferer=http%3A%2F%2Fwww.google.com%2Furl%3Fsa%3Dt%26rct%3Dj%26q%3D%26esrc%3Ds%26source%3Dweb%26cd%3D5%26ved%3D2ahUKEwir3735g_rlAhXLc94KHSycDL0QFjAEegQIAhAB%26url%3Dhttp%253A%252F%252Fm.blog.naver.com%252Fi09000%252F20041887423%26usg%3DAOvVaw00gAD5sCt6C6oQw_WMvoc5]
* 얼굴인식시스템의 장점 및 특징
- 사용자의 편의성 측면에서 가장 탁월한 시스템
- 값비싼 생체정보 입력장치를 필요치 않음(비디오 및 PC 카메라 이용)
- 지문이나 홍채와 같은 다른 인식 방법들이 더 정밀할 수 있음에도 불구하고
이용자들에게 거부감없이, 자연스럽고 직관적으로 보이기 때문에 주요한
연구 개발 대상
- 대상자로 하여금 자신이 검사 당하고 있다는 사실을 전혀 눈치채지 못하게 할
수 있다.
* 얼굴인식 시스템의 단점 및 어려운점
- 조명이나 카메라와의 거리등에 따라 인식률이 변한다
- 얼굴의 각도, 표정, 나이에 따라 안면의 모양은 계속 변하기 때문에 실용화하기
어려움
- 수염, 눈썹, 안경 및 화장 등과 같은 외관의 변형에 따른 문제점 발생
* 얼굴 인식 시스템의 구성단계
영상 획득 : CCD 카메라로부터 영상을 획득하여 저장
전처리 : 잡음제거 영상처리 및 분할
얼굴 검출 : 입력영상으로부터 얼굴영역을 검출
얼굴 표준화 : 특징 추출, 밝기 및 기하학적 표준화
얼굴 인식 : 검출된 영상과 데이터 베이스 영상간의 비교 및 인식
* 기하학적 방법
특징 : 얼굴의 기하학적 특징점을 추출하여 일치여부를 판단하여 인식
성능 : 얼굴은 3차원이고 회전이 가능하기 때문에 적용에 한계가 있다.
* Eigenfaces: 1991년 Pentland에 의해 개발 되었음.
특징 : 특징점 추출로 PCA(Principal Component Analysis)를 적용하고 유사도
측정으로 Euclidean 거리 적용.
성능 : 조명이나 환경변화에 민감하게 반응하지만 널리 사용되고 있어 그 성능이
검증된 대표적인 얼굴인식 방법.
* Fisherfaces
특징 : FLD(Fisher Linear Discriminant)를 분류 알고리즘으로 적용한 얼굴인식
방법.
성능 : 사람 개개인의 특성을 학습함으로써 보다 정확하고 환경변화에 둔감한 특성
을 지니고 있어 on-line 상태에서 실시간으로 적용 가능한 알고리즘.
* SVM( Support Vector Machine)에 기초한 방법
특징 : PCA와 SVM(Support Vector Machine)알고리즘을 사용한 알고리즘.
성능 : 비교적 높은 인식률을 높이지만 얼굴인식과 같은 멀티 클래스에 적용하기에
는 시간과 메모리가 많이 소모되는 알고리즘.
현재 연구되는 얼굴인식 알고리즘의 대표적인 알고리즘.
* 신경회로망
특징 : 흑백의 정지영상에서 슬라이딩 윈도우를 이용해 학습된 얼굴모양을 검색
성능 : 두 개 이상의 다수 얼굴의 추출도 가능하나 속도가 느리며 학습이 어려움.
* 퍼지 + 신경망
특징 : 신경회로망회로의 입력으로 픽셀의 밝기 값 대신 퍼지 소속함수를 사용
성능 : 신경회로망만을 이용한 방법보다 성능은 향상되나 처리속도는 떨어짐.
* Wavelet + Elastic Matching
특징 : 주파수 변환을 사용하며, 자세 및 표정의 변화를 처리하는데 효과적.
성능 : 인식률에 비해서 연산량이 많음.
2. 얼굴검출 알고리즘
* 얼굴 검출 : 높은 얼굴인식률을 얻기 위해서는 배경 및 조명에 무관하게
취득된 영상에서 얼굴 부분만을 검출할 수 있는 알고리듬이 필요함.
․ 통제된 배경 이미지에서의 얼굴탐지 : 평면의 단색 배경 이미지를 이용하거나
사전에 정의된 고정 배경 이미지를 이용.
․ 얼굴색에 의한 탐지 : 얼굴영상를 찾기 위해 전형적인 피부색을 이용하므로
실시간 구현이 가능하고 제한된 환경에서는 좋은 성능을 보이므로 가장 널리 쓰이고 있다. 다양한 피부색과 조명조건 하에서 매우 강인하지 못하다는
단점이 있다
․ 움직임에 의한 얼굴 탐지 : 실시간 비디오를 이용하여 움직이는 얼굴영역을
단순히 계산하는 방법. 배경에서 다른 대상물이 움직이는 경우 문제 발생.
․ 제약 없는 장면에서의 얼굴 탐지 : 흑백 이미지에서 인간처럼 얼굴을 정확히
탐지하는 알고리즘으로 통계적 클러스터 정보를 이용하는 신경회로망 접근방법.
댓글
댓글 쓰기