The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Facial Feature Verification System based on SVM Classifier

SVM 분류기에 의한 얼굴 특징 식별 시스템

  • 박강령 (상명대학교 소프트웨어대학 미디어학부) ;
  • 김재희 (연세대학교 전기ㆍ전자공학과) ;
  • 이수연 (광운대학교 컴퓨터공학부)
  • Published : 2004.10.01
Download PDF
⟨ Previous Next ⟩

Abstract

With the five-day workweek system in bank and the increased usage of ATM(Automatic Toller Machine), it is required that the financial crime using stolen credit card should be prevented. Though a CCTV camera is usually installed in near ATM, an intelligent criminal can cheat it disguising himself with sunglass or mask. In this paper, we propose facial feature verification system which can detect whether the user's face can be Identified or not, using image processing algorithm and SVM(Support Vector Machine). Experimental results show that FAR(Error Rate for accepting a disguised man as a non-disguised one) is 1% and FRR(Error Rate for rejecting a normal/non-disguised man as a disguised one) is 2% for training data. In addition, it shows the FAR of 2.5% and the FRR of 1.43% for test data.

금융권의 주 5일제 근무에 따른 무인 현금 인출기의 사용 확대와 함께, 타인의 신용카드를 이용하여 무인 현금 인출기에서 돈을 인출하는 금융 범죄에 대한 원천적인 예방 대책이 필수적으로 요구되고 있다. 특히 무인 현금 인출기 부근에는 감시용 CCTV Camera가 설치되어 있으나, 지능적인 범죄자들은 이러한 사실을 인식하고 선글라스, 마스크 등을 착용하여 이러한 감시 시스템을 피해가고 있다 본 논문에서는 이러한 문제점을 해결하기 위하여 무인 현금 인출기에 설치되어 있는 카메라를 통해 입력된 사용자의 얼굴 및 얼굴 특징점을 영상 신호처리 방법과 SVM(Support Vector Machine)으로 분석하여 향후 얼굴이 식별 가능한 경우에만 금융 거래를 할 수 있도록 하는 시스템을 개발하였다. 실험결과, 학습 데이터에 대해서는 약 1%의 오 인식율과 2%의 오 거부율을 나타냈으며, Test 데이터에 대해서는 약 2.5%의 오 인식율과 1.43%의 오 거부율을 나타냈다.

Keywords

References

  1. http://www.toshiba.com
  2. 김정환, '다층 퍼셉트론을 이용한 얼굴 영역 분할 및 특징부추출에 관한 연구', 연세대학교 대학원 전자공학과 석사학위논문, 1996
  3. Saad Ahmed Sirohey, 'Human face segmentation and identification,' Technical Report(CAR-TR-695) of Center for Automation Research, University of Maryland, Nov., 1993
  4. G. Chow, X Li, 'Towards a system for automatic facial feature detection,' Pattern Recognition, Vol.26, No. 12, pp.1739-1755, 1993 https://doi.org/10.1016/0031-3203(93)90173-T
  5. 이미숙, 김남진, 이 호, 임희석, 이성환, '얼굴 영상의 이해를 위한 얼굴 특징의 자동 추출', HCI'96 학술대회발표논문집, pp. 205-219, 1996
  6. T. Kanade, 'Picture processing by computer complex and recognition of human faces,' Technical Report of Dept. Inform. Science, Kyoto Univ., 1973
  7. Roberto Brunelli, Tomaso Poggio, 'Face Recognition: Features versus Templates,' IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.15, No.10, pp.1042-1052, Oct., 1993 https://doi.org/10.1109/34.254061
  8. D. Terzopoulos, Keith Waters, 'Analysis and Synthesis of Facial Image Sequences Using Physical and Anatomical Models,' IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.15, No.6, pp.569-579, June, 1993 https://doi.org/10.1109/34.216726
  9. Akikazu Takeuchui, Steven Frank, 'A Rapid Face Construction Lab.,' Technical Report(SCSL-TR-92-010) of Sony Computer Science Laboratory Inc., May, 1992
  10. R. Magnolfi, P. Nesi, 'Analysis and Synthesis of Facial Motions,' Proc. of International Workshop on Automatic Face and Gesture Recognition, Zurich, pp.308-313, 1995
  11. A. Yulle, P. Hallinan, 'Deformable Templates,' Active Vision, The MIT Press, London, England, 1993
  12. Marcus E. Hennecke, K. Venkatesh Prasad, David G. Stork, 'Using Deformable Templates to Infer Visual Speech Dynamics,' Technical Report of the Dept. of Electrical Engineering, Standford University
  13. Jun Rekimoto, 'A Vision-Based Head Tracker for Fish Tank Virtual Reality -VR without Head Gear-,' Technical Report of Sony Computer Science Lab., 1995
  14. William L. Pratt, 'Digital Image Processing,' 1st Edition, Addison Wesley, 1993
  15. Vapnik, 'The Nature of Statistical Learning Theory,' New York: Springer Verlag, 1995
  16. Vapnik, 'Statistical Learning Theory,' Wiley-Interscience publication, 1998
  17. Saunders, 'Support Vector Machine User Manual,' RHUL, Technical Report, 1998