포즈별 특징공간까지거리의 판별분석을 이용한 비디오기반 얼굴인식

Abstract

본 논문에서는 비디오 영상안에서 얼굴을 추적하고, 추적한 얼굴을 인식하는 새로운 방법을 제시한다. 우리는 잡음이 많은 보다 실제적인 비디오의 추적과 인식문제를 다루고자 한다. 이러한 비디오는 조명, 포즈, 자세 변화 등으로 인해 추적이 쉽지 않다. 그러므로 비디오 안에서 변화에 잘 대처하고 시스템의 정확도를 높일 수 있는 점진학습(Incremental Learning)을 기본으로 얼굴을 추적한다. 그러나 점진학습을 이용한 추적기는 갑작스런 표적 물체의 이동으로 한번 궤도에서 이탈하면, 목표가 아닌 물체로 추적하게 되는 경우가 많으므로 추적에 실패하는 경우가 많다. 그러므로 이를 보완하기 위해 포즈별 특징공간까지거리의 판별분석(Discriminant Analysis using Distance From Feature Space of each pose, 이하 'DADFFS')을 이용한다. 사람의 포즈를 총 7가지로 나누어 각각 분별력이 있는 특징공간을 만든다. 그리고 비디오 영상안에서 표적 모델의 후보가 되는 샘플과 각각의 공간과의 거리를 계산하여, 표적과 다소 거리가 있는 샘플들을 걸러내는 과정을 거친다. 표적 모델의 후보들은 파티클 필터(Particle Filter)를 이용해 추출한다. 또한, 초기 설정을 인위적으로 설정하는 다른 추적기와는 달리 본 논문에서는 눈 검출 신뢰 척도를 이용해서 추적의 처음 단계를 설정한다. 그것을 이용했을때, 눈 검출과 얼굴 인식에서 성능의 우수성을 검증해 보았다. 이러한 방법들을 이용해 우리가 제시한 방법이 단순한 점진학습 보다 우수함을 여러방법을 통해 검증해 본다. 정확한얼굴추적은후에얼굴인식에도영향을준다. 은닉마르코프모델(Hidden Markov Model)을 이용한 얼굴 인식은 많은 정보가 있는 비디오 영상에서 이용하기에 적합한 알고리즘이다. HMM의 매개 변수들은 바움-웰치(Baum-Welch) 재추정 알고리즘으로 학습된다. 얼굴 인식 단계에서는 얼굴을 5가지 포즈로 나누어 은닉 상태(hidden state)로 설정함으로서 인식의 효율성을 높여준다. 일정 수 이상의 비디오 프레임이 모여야 얼굴 인식이 가능한 은닉 마르코프 모델과는 달리, 추적한 물체가 사람의 정면 얼굴이라고 판단되면 바로 얼굴 인식을 수행할 수 있는 새로운 방법 또한 제시한다. 이 두가지 방법을 이용해서 얼굴 인식 실험을 수행하였고 그 결과를 비교해 보았는데, 정면 얼굴을 이용한 얼굴 인식 방법이 은닉 마르코프 모델을 이용한 방법보다 더 우수함을 확인할 수 있었다.