초록
한정된 공간에서는 낮은 해상도, 적은 조명, 예상할 수 없는 머리의 움직임 ,연속적으로 변화하는 얼굴의 표정과 색 등으로 인하여 사람의 얼굴인식에 많은 문제점을 가지고 있다. 이러한 문제점들을 해결하기 위하여 동적 공간 변화(DSW)라는 새로운 알고리즘을 제안한다. 알고리즘은 공간의 제약이 따르는 환경에서의 국부적 특징들을 조합하는 것이며 모아진 자료를 기초로 고유한 얼굴 이미지와 DSW를 비교하고, 정면과 프로필 얼굴 이미지, 두 단계의 색 변화를 가지는 이미지를 가지고 테스트하였다. 실험 결과로 PCA 알고리즘이 82.7% DSW가 89.4%로 DSW를 적용한 경우가 PCA 방법보다 6.9% 더 좋은 결과를 나타내었으며 고유한 얼굴이미지에 접근함을 알 수 있었다.
In this paper, we investigate recognition of human faces in a meeting room. The major challenges of identifying human faces in this environment include low quality of input images, poor illumination, unrestricted head poses and continuously changing facial expressions and occlusion. In order to address these problems we propose a novel algorithm, Dynamic Space Warping (DSW). The basic idea of the algorithm is to combine local features under certain spatial constraints. We compare DSW with the eigenface approach on data collected from various meetings. We have tested both front and profile face images and images with two stages of occlusion. As a result from the experiment, we obtained 82.7% for PCA algotithm, and 89.4% for DSW. We get to obtain 6.9% better result from conductive DSW approach rather than PCA. It turned out to be that it shows more original and unique facial image.
