한국시뮬레이션학회논문지 (Journal of the Korea Society for Simulation)

한국시뮬레이션학회 (The Korea Society for Simulation)
권호 표지
DOI QR코드

DOI QR Code

퍼지기반 Segment-Boost 방법을 통한 효과적인 얼굴인식

Fuzzy-based Segment-Boost Method for Effective Face Recognition

  • 장원석 (인하대학교 컴퓨터정보공학과) ;
  • 노창현 (인하대학교 컴퓨터정보공학과) ;
  • 이종식 (인하대학교 컴퓨터정보공학과)
  • 투고 : 2008.11.11
  • 심사 : 2009.01.28
  • 발행 : 2009.03.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문에서는 퍼지기반 Segment-Boost 방법을 소개하고, 이를 이용한 효과적인 얼굴인식 방법을 제안한다. 퍼지기반 Segment-Boost는 기존의 Segment-Boost가 갖고 있던 문제점과 성능의 한계요소들을 제거함으로써, 향상된 학습 성능뿐만 아니라 학습 성능의 안정성과 신뢰성을 보장하여 준다. 퍼지기반 Segment-Boost는 퍼지이론을 이용함으로써 서브벡터 선택개수를 최적화하고, 이를 통해 최상의 학습 성능이 유도될 수 있도록 설계되었다. 또한, 퍼지기반 Segment-Boost 내에서의 퍼지추론을 위해 본 논문에서 설계한 퍼지 제어기는 퍼지기반 Segment-Boost의 학습 성능을 측정하고, 최적화된 서브벡터 선택개수를 추론함으로써 서브벡터 선택개수를 제어한다. 시뮬레이션 결과, 본 논문에서 설계한 퍼지 제어기는 실제 최적의 서브벡터 선택개수에 매우 근접한 값을 추론하였다. 그 결과, 퍼지기반 Segment-Boost는 비교 실험한 boosting 방법보다 높은 얼굴인식률을 보여줌과 동시에 기존 Segment-Boost 만큼의 빠른 특징선택 속도를 유지하였고, 이러한 실험결과를 통해 퍼지기반 Segment-Boost의 학습 성능과 이를 이용한 특징선택 및 얼굴인식 방법에 있어서의 성능향상 및 안정성이 입증되었다.

This paper suggests fuzzy-based Segment-Boost method and an effective method for face recognition using the fuzzy-based Segment-Boost. Fuzzy-based Segment-Boost eliminates the limitations of Segment-Boost, and it guarantees improved learning performance and the stability of the performance. By using the fuzzy theory, fuzzy-based Segment-Boost optimizes the selection number of sub-vectors, and leads the optimized learning performance. The fuzzy controller designed in this paper measures learning performance of the fuzzy-based Segment-Boost, and it controls the selection number of sub-vectors by inferring the optimized selection number. The simulation results show that the fuzzy controller inferred the selection number which is very approximate to the true optimized value. As a result, fuzzy-based Segment-Boost showed higher face recognition rate than compared boosting methods and it preserves the velocity of feature selection as fast as that of Segment-Boost. From the experimental results, it was proved that fuzzy-based Segment-Boost has improved and stable performances of learning, feature selection and face recognition.

키워드

참고문헌

  1. Bellhumer, P. N., Hespanha, J. and Kriegman, D., "Eigenfaces vs. Fisherfaces: Recognition using class specific linear projection", IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 17, pp. 711-720, 1997.
  2. Chang, W. S., Lee, J. S., "Segment-Boost Learning for Facial Feature Selection", In Proc. of International Conference on Convergence and hybrid Information Technology, Vol. 1, pp. 358-363, 2008.
  3. Daugman, J. G., "Two-dimensional Spectral Analysis of Cortical Filters", Vision Research, Vol. 20, pp. 847-856, 1980. https://doi.org/10.1016/0042-6989(80)90065-6
  4. Kyrki, V., Kamarainen, J. K. and Kalviainen, H., "Simple Gabor Feature Space for Invariant Object Recognition", Pattern Recognition Letters, Vol. 25, pp. 311-318, 2004. https://doi.org/10.1016/j.patrec.2003.10.008
  5. Lee, C. C., "Fuzzy Logic in Control Systems: Fuzzy Logic Controller", IEEE Trans. Systems, Man and Cybernetics, Vol. 20, pp. 404-435 1990. https://doi.org/10.1109/21.52551
  6. Li, S. Z. and Zhang, Z. Q., "FloatBoost Learning and Statistical Face Detedtion", IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 26, pp. 511-518, 2004.
  7. Liu, C. J. and Wechsler, H., "Gabor Feature Based Classification Using the Enhanced Fisher Linear Discriminant Model for Face Recognition", IEEE Trans. Image Process, Vol. 11, pp. 467-476, 2002. https://doi.org/10.1109/TIP.2002.999679
  8. Mamdani, E. H., Assilian, S., "An Experiment in Linguistic Synthesis with a Fuzzy Logic Controller", International Journal of Man-Machine Studies, Vol. 7, pp. 1-13, 1974.
  9. Moghaddam, B., Wahid, W. and Pentland, A., "Beyond Eigenfaces: Probabilistic Matching for Face Recognition", In Proc. of IEEE International Conference on Automatic Face and Gesture Recognition, pp. 30-35, 1998.
  10. Shen, L. and Bai, L., "MutualBoost Learning for Selection Gabor Features for Face Recognition", Pattern Recognition Letters, Vol. 27, pp. 1758-1767, 2006. https://doi.org/10.1016/j.patrec.2006.02.005
  11. Specht, D. F., "Probabilistic Neural Networks", Neural Networks, Vol. 3, pp. 109-118, 1990. https://doi.org/10.1016/0893-6080(90)90049-Q
  12. Viola, P. and Jones, M., "Rapid Object Detection Using a Boosted Cascade of Simple Features", In Proc. of IEEE Conference on Computer Vision and Pattern Recognition, pp. 511-518, 2001.
  13. Zadeh, L. A., "Fuzzy Sets", Information and Control, Vol. 8, pp. 338-353, 1965. https://doi.org/10.1016/S0019-9958(65)90241-X