디지털 라이브러리[ 검색결과 ]
이진 분류기를 이용한 안면 인식 스마트 도어의 생체인증 성능개선
http://doi.org/10.5626/JOK.2023.50.7.598
안면 인식 기반의 스마트 도어는 카메라를 이용하여 영상을 수집하고, 추출된 안면을 인식하여 방문자의 등록 여부를 판단하는 생체인증 시스템이다. 최근 1인 가구 수의 증가에 따라 출입 편의에 대한 요구가 증가하고 있다. 이에 따라 안면 인식 기법을 이용한 스마트 도어에 관한 연구가 활발하다. 안면 인식 기반의 스마트 도어는 딥러닝 기법을 이용하여 방문자의 안면을 인식한다. 그리고 방문자의 얼굴과 등록자의 얼굴의 차이를 엔코딩을 거쳐 거리로 환산한다. 두 안면의 거리가 임계값 보다 작으면 동일 인물로 판단하여 문을 열어주게 된다. 안면 유사도 임계값은 지역, 인종, 의복 문화에 따라 차이를 가지는데 임계값의 설정에 따라 생체인증 성능이 달라진다. 기존의 연구에서는 등록 여부의 판단 기준이 되는 안면 유사도 임계값을 0.4의 상수를 사용하였다. 본 논문에서는 안면 유사도 임계값을 다섯 가지 이진 분류기를 이용하여 산출하여 생체인증 성능을 비교하였다. LFW 데이터세트를 이용하여 실험한 결과 상수를 사용하였을 때 보다 평균 EER 16.59%가 개선되었다.
지능형 CCTV 환경에서의 다중객체 인증기반 프라이버시 보호방안
http://doi.org/10.5626/JOK.2019.46.2.154
지능형 CCTV 감시환경에서는 얼굴인식을 기반으로 개인의 신원을 확인한다. 그러나 아직까지도 현재의 얼굴인식 기술은 인식률이 완전하지 않다는 단점이 있다는 문제를 안고 있다. 특히, CCTV 촬영화질, 날씨, 개인의 포즈 및 표정, 헤어스타일, 조명상태 등 다양한 원인에 따라 얼굴인식이 정확하게 작동하지 않을 경우가 발생할 것이다. 이 경우, 잘못된 객체 판단으로 인하여 영상감시환경에서 객체의 프라이버시 정보를 노출하게 될 위험성이 크다. 제안하는 방법은 CCTV-RFID 복합인증방식을 기반으로 객체의 인식률을 보다 높일 수 있어 영상 객체의 프라이버시를 안전하게 보호할 수 있다는 장점이 있다.
조명 변화 환경에서 얼굴 인식을 위한 Non-Alpha Weberface 및 히스토그램 평활화 기반 얼굴 표현
얼굴 외형은 조명의 영향을 크게 받기 때문에 조명 변화는 얼굴 인식 시스템의 성능을 저하시키는 요인 중 하나이다. 본 논문에서는 non-alpha Weberface(non-alpha WF)와 히스토그램 평활화를 결합하여 조명 변화에 강건한 얼굴 표현 방법을 제안한다. 먼저, 입력 얼굴 영상에 대해 명암 대비 조절 파라미터를 적용하지 않은 non-alpha WF를 생성한다. 이후, non-alpha WF의 히스토그램 분포를 전역적으로 균일하게 하고 명암 대비를 향상시키기 위해 히스토그램 평활화를 수행한다. 제안하는 방법을 통해 전처리된 얼굴 영상으로부터 저차원 판별 특징을 추출하기 위해 (2D)²PCA를 적용한다. Extended Yale B 및 CMU PIE 얼굴 데이터베이스에 대해 실험한 결과, 제안하는 방법으로 각각 93.31%와 97.25%의 평균 인식률을 얻었다. 또한, 제안하는 방법은 기존 WF뿐만 아니라 여러 조명 처리 방법들과 비교하여 향상된 인식 성능을 보였다.
푸리에 변환과 Dense-SIFT를 이용한 비디오 기반 Face Spoofing 검출
얼굴 인식기반의 사용자 보안 시스템은 접근이 허가된 사용자의 사진이나 비디오를 이용한 공격에 취약하다는 단점을 가지고 있다. 본 연구에서는 인증되지 않은 사용자가 비디오를 이용하여 시스템에 접근할 경우 해당 공격 시도를 검출하기 위한 위변조(Spoof) 검출 방법을 제안한다. 제안하는 방법은 연속된 3개의 Frame에서 푸리에 변환과 Dense-SIFT 구분자를 사용하여 400개의 실제 및 위변조 비디오 영상을 대상으로 실험한 결과 99%의 검출 정확도를 보였다.
얼굴 인식을 위한 연립 대각화와 국부 선형 임베딩
국부 선형 임베딩(Locally Linear Embedding, LLE) [1]는 다양체 학습(manifold learning) 알고리즘 중 하나로 고차원 공간에 있는 데이터들 사이의 내적 값을 기반으로 임베딩하는 방법이다. LLE를 이용하여 임베딩 한 결과는 독특한 성질이 있는데, 고차원 공간 상에서 같은 평면에 있는 데이터들은 내적 값이 크기 때문에 저차원 공간에서도 가깝게 위치하도록 임베딩 되는 반면 수직으로 위치한 평면에 있는 데이터들은 내적 값이 0이 되기 때문에 서로 떨어진 위치에 임베딩된다. 한편, 한 사람의 얼굴에 다양한 각도에서 조명을 비추면서 촬영한 이미지들은 저차원의 선형 부분공간을 구성한다는 사실이 잘 알려져 있다 [2]. 이에 본 논문에서는 다른 평면에 위치하는 데이터들을 자연스럽게 분류하여 임베딩하는 LLE 알고리즘을 얼굴 이미지에 사용하여 효과적으로 얼굴 인식 문제를 해결할 수 있는 방법을 제안한다. 제안하는 방법은 LLE에 연립 대각화(Simultaneous Diagonalization, SD)를 적용한 방법으로, S연립 대각화를 적용하면 데이터들이 형성하는 평면이 수직이 되도록 바꿀 수 있기 때문에 LLE의 성질을 극대화 할 수 있다. 실험 결과, 연립 대각화를 적용하고 LLE를 적용하면 서로 다른 사람의 얼굴 이미지들이 겹치지 않고 뚜렷하게 구분되는 효과가 있음을 확인하였다.
비제약적 환경에서 얼굴 주요위치 특징 서술자 기반의 얼굴인식
본 논문에서는 비제약적 얼굴 데이터 베이스를 위한 확장성 있는 얼굴 인식 방법을 연구하고, 간단한 실험 결과를 소개한다. 기존의 얼굴 인식 연구들은 주로 조명, 얼굴 각도, 표정, 배경 등 제약이 있는 환경에서의 정확도 향상에 초점을 맞추고 있어서 비제약적 얼굴 데이터 베이스에 사용하기에 적합하지 않다. 제안하는 얼굴인식 방법은 비제약적 얼굴 인식을 위한 특징 추출 알고리즘으로, 먼저 지역적 특징이 존재하는 눈, 코, 입과 같이 얼굴의 중요한 특징을 나타내는 영역을 분리한다. 각 얼굴 주요 위치는 고차원의 다중 스케일 국부 이진패턴 히스토그램(Multi-scale LBP histogram) 특징 벡터로 기술된다. 단일 얼굴 주요 위치에 해당하는 다중 스케일 국부 이진패턴 히스토그램 특징 벡터는 주성분 분석법(PCA: Principal Component Analysis)과 선형 판별 분석법(LDA: Linear Discriminant Analysis)의 차원 축소과정을 통해 저차원 얼굴 특징 벡터를 생성한다. 저차원 얼굴 특징 벡터는 랭크 획득과 Precision at k(p@k) 성능 평가 방법을 이용하여 제안한 알고리즘의 얼굴 인식 성능을 검증한다. 본 연구는 FERET, LFW 및 PubFig83 데이터 베이스를 이용하여 얼굴 인식 실험을 수행하였으며, 제안한 알고리즘을 이용한 얼굴 인식 방법이 기존의 방법보다 향상된 인식성능을 보였다.
