비디오속의 얼굴추적 및 PCA기반 얼굴포즈분류와 를 이용한 얼굴인식

김진율,김용석 한국지능시스템학회 2013 한국지능시스템학회논문지 Vol.23 No.5

In typical face recognition systems, the frontal view of face is preferred to reduce the complexity of the recognition. Thus individuals may be required to stare into the camera, or the camera should be located so that the frontal images are acquired easily. However these constraints severely restrict the adoption of face recognition to wide applications. To alleviate this problem, in this paper, we address the problem of tracking and recognizing faces in video captured with no environmental control. The face tracker extracts a sequence of the angle/size normalized face images using IVT (Incremental Visual Tracking) algorithm that is known to be robust to changes in appearance. Since no constraints have been imposed between the face direction and the video camera, there will be various poses in face images. Thus the pose is identified using a PCA (Principal Component Analysis)-based pose classifier, and only the pose-matched face images are used to identify person against the pre-built face DB with 5-poses. For face recognition, PCA, (2D)PCA, and algorithms have been tested to compute the recognition rate and the execution time. 통상의 얼굴인식은 사람이 똑바로 카메라를 응시해야 하거나, 혹은 이동하는 통로의 정면과 같이 특정 얼굴포즈를 취득할 수 있는 위치에 카메라를 설치하는 등 통제적인 환경에서 이루어진다. 이러한 제약은 사람에게 불편을 초래하고 얼굴인식의 적용 범위를 제한하는 문제가 있다. 본 논문은 이러한 기존방식의 한계를 극복하기 위하여 대상이 특별한 제약 없이 자유롭게 움직이더라도 동영상 내에서 대상의 얼굴을 추적하고 얼굴인식을 하는 방법을 제안한다. 먼저 동영상 속의 얼굴은 IVT(Incremental Visual Tracking) 추적기를 사용하여 지속적으로 추적이 되며 이때 얼굴의 크기변화와 기울기가 보상이 되어 추출이 된다. 추출된 얼굴영상은 사람과 카메라의 각도를 특정각도로 제한하지 않았으므로 다양한 포즈를 가지게 되며 따라서 얼굴인식을 하기 위해서 포즈에 대한 판정이 선행되어야 한다. 본 논문에서는 PCA(Principal Component Analysis)기반의 얼굴포즈판정방법을 사용하여 추적기에서 추출된 이미지가 5개 포즈별 DB속의 학습된 포즈와 유사한 것으로 판정될 때만 얼굴인식을 수행하여 인식률을 높이는 방법을 제안하였다. 얼굴인식에서는 PCA, 2DPCA, 의 인식알고리즘을 사용하여 얼굴인식률과 수행시간을 비교 제시하였다.

일반 카메라 영상에서의 얼굴 인식률 향상을 위한 얼굴 특징 영역 추출 방법

김성훈 ( Seong Hoon Kim ),한기태 ( Gi Tae Han ) 한국정보처리학회 2016 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.5 No.5

얼굴 인식은 얼굴 영상에서 특징을 추출하고, 이를 다양한 알고리즘을 통해 학습하여 학습된 데이터와 새로운 얼굴 영상에서의 특징과 비교하여 사람을 인식하는 기술로 인식률을 향상시키기 위해서 다양한 방법들이 요구되는 기술이다. 얼굴 인식을 위해 학습 단계에서는 얼굴 영상들로 부터 특징 성분을 추출해야하며, 이를 위한 기존 얼굴 특징 성분 추출 방법에는 선형판별분석(Linear Discriminant Analysis, LDA)이 있다. 이 방법은 얼굴 영상들을 고차원의 공간에서 점들로 표현하고, 클래스 정보와 점의 분포를 분석하여 사람을 판별하기 위한 특징들을 추출하는데, 점의 위치가 얼굴 영상의 화소값에 의해 결정되므로 얼굴 영상에서 불필요한 영역 또는 변화가 자주 발생하는 영역이 포함되는 경우잘못된 얼굴 특징이 추출될 수 있으며, 특히 일반 카메라 영상을 사용하여 얼굴인식을 수행하는 경우 얼굴과 카메라간의 거리에 따라 얼굴 크기가 다르게 나타나 최종적으로 얼굴 인식률이 저하된다. 따라서 본 논문에서는 이러한 문제점을 해결하기 위해 일반 카메라를 이용하여 얼굴영역을 검출하고, 검출된 얼굴 영역에서 Gabor Filter를 이용하여 계산된 얼굴 외곽선을 통해 불필요한 영역을 제거한 후 일정 크기로 얼굴 영역 크기를 정규화하였다. 정규화된 얼굴 영상을 선형 판별 분석을 통해 얼굴 특징 성분을 추출하고, 인공 신경망을 통해 학습하여 얼굴 인식을 수행한 결과 기존의 불필요 영역이 포함된 얼굴 인식 방법보다 약 13% 정도의 인식률 향상이 가능하였다. Face recognition is a technology to extract feature from a facial image, learn the features through various algorithms, and recognize a person by comparing the learned data with feature of a new facial image. Especially, in order to improve the rate of face recognition, face recognition requires various processing methods. In the training stage of face recognition, feature should be extracted from a facial image. As for the existing method of extracting facial feature, linear discriminant analysis (LDA) is being mainly used. The LDA method is to express a facial image with dots on the high-dimensional space, and extract facial feature to distinguish a person by analyzing the class information and the distribution of dots. As the position of a dot is determined by pixel values of a facial image on the high-dimensional space, if unnecessary areas or frequently changing areas are included on a facial image, incorrect facial feature could be extracted by LDA. Especially, if a camera image is used for face recognition, the size of a face could vary with the distance between the face and the camera, deteriorating the rate of face recognition. Thus, in order to solve this problem, this paper detected a facial area by using a camera, removed unnecessary areas using the facial feature area calculated via a Gabor filter, and normalized the size of the facial area. Facial feature were extracted through LDA using the normalized facial image and were learned through the artificial neural network for face recognition. As a result, it was possible to improve the rate of face recognition by approx. 13% compared to the existing face recognition method including unnecessary areas.

비디오속의 얼굴추적 및 PCA기반 얼굴포즈분류와 (2D)²PCA를 이용한 얼굴인식

김진율(Jin-Yul Kim),김용석(Yong-Seok Kim) 한국지능시스템학회 2013 한국지능시스템학회논문지 Vol.23 No.5

통상의 얼굴인식은 사람이 똑바로 카메라를 응시해야 하거나, 혹은 이동하는 통로의 정면과 같이 특정 얼굴포즈를 취득할 수 있는 위치에 카메라를 설치하는 등 통제적인 환경에서 이루어진다. 이러한 제약은 사람에게 불편을 초래하고 얼굴인식의 적용 범위를 제한하는 문제가 있다. 본 논문은 이러한 기존방식의 한계를 극복하기 위하여 대상이 특별한 제약 없이 자유롭게 움직이더라도 동영상 내에서 대상의 얼굴을 추적하고 얼굴인식을 하는 방법을 제안한다. 먼저 동영상 속의 얼굴은 IVT(Incremental Visual Tracking) 추적기를 사용하여 지속적으로 추적이 되며 이때 얼굴의 크기변화와 기울기가 보상이 되어 추출이 된다. 추출된 얼굴영상은 사람과 카메라의 각도를 특정각도로 제한하지 않았으므로 다양한 포즈를 가지게 되며 따라서 얼굴인식을 하기 위해서 포즈에 대한 판정이 선행되어야 한다. 본 논문에서는 PCA(Principal Component Analysis)기반의 얼굴포즈판정방법을 사용하여 추적기에서 추출된 이미지가 5개 포즈별 DB속의 학습된 포즈와 유사한 것으로 판정될 때만 얼굴인식을 수행하여 인식률을 높이는 방법을 제안하였다. 얼굴인식에서는 PCA, 2DPCA, (2D)²PCA의 인식알고리즘을 사용하여 얼굴인식률과 수행시간을 비교 제시하였다. In typical face recognition systems, the frontal view of face is preferred to reduce the complexity of the recognition. Thus individuals may be required to stare into the camera, or the camera should be located so that the frontal images are acquired easily. However these constraints severely restrict the adoption of face recognition to wide applications. To alleviate this problem, in this paper, we address the problem of tracking and recognizing faces in video captured with no environmental control. The face tracker extracts a sequence of the angle/size normalized face images using IVT (Incremental Visual Tracking) algorithm that is known to be robust to changes in appearance. Since no constraints have been imposed between the face direction and the video camera, there will be various poses in face images. Thus the pose is identified using a PCA (Principal Component Analysis)-based pose classifier, and only the pose-matched face images are used to identify person against the pre-built face DB with 5-poses. For face recognition, PCA, (2D)PCA, and (2D)²PCA algorithms have been tested to compute the recognition rate and the execution time.

사용자 인증을 위한 딥러닝 기반 얼굴인식 기술 동향

문형진,김계희 대한산업경영학회 2019 산업융합연구 Vol.17 No.3

차이가 나는 물체를 구별하는 물체인식과 달리, 얼굴인식은 유사한 패턴을 가진 얼굴의 Identity를 구별한다. 이에 따라 LBP, HOG, Gabor과 같은 특징 추출 알고리즘이 딥러닝 기반으로 대체되고 있다. 딥 러닝 기술을 활용하여 머신러닝으로 얼굴을 식별할 수 있는 기술이 발전하면서 다양한 분야에서 얼굴인식 기술이 활용되고 있다. 특히, 금융 거래 외에도 사용자 식별이 필요한 다양한 오프라인 환경에서 활용되어 세밀하고 개인에 적합한 서비스가 제공될 수 있다. 얼굴 인식 기술은 스마트 미러와 같은 장치를 통해 손쉽게 사용자 인증을 하고, 식별이 된 사용자에게 서비스를 제공할 수 있는 기술로 발전할 수 있다. 본 논문에서는 사용자 인증의 다양한 기법 중에서 얼굴인식 기술에 대한 조사 및 파이썬으로 작성된 얼굴인식 사례 소스 분석과 얼굴인식 기술을 활용한 다양한 서비스의 가능성을 제시하고자 한다. Object recognition distinguish objects which are different from each other. But Face recognition distinguishes Identity of Faces with Similar Patterns. Feature extraction algorithm such as LBP, HOG, Gabor is being replaced with Deep Learning. As the technology that identify individual face with machine learning using Deep Learning Technology is developing, The Face Recognition Technology is being used in various field. In particular, the technology can provide individual and detailed service by being used in various offline environments requiring user identification, such as Smart Mirror. Face Recognition Technology can be developed as the technology that authenticate user easily by device like Smart Mirror and provide service authenticated user. In this paper, we present investigation about Face Recognition among various techniques for user authentication and analysis of Python source case of Face recognition and possibility of various service using Face Recognition Technology.

마스크 착용에 적응적인 얼굴인식 방법

이승호 한국정보통신학회 2023 한국정보통신학회논문지 Vol.27 No.3

Face recognition (FR) has been used in various applications, such as user authentication in smart devices, access control in building, and intelligent surveillance system, and so on. Research of masked FR has become increasingly important due to the COVID-19 pandemic. In masked FR, mismatch between test face image (with mask) and training face images (without masks) could be often encountered, which could significantly degrade recognition rate. To cope with this problem, the proposed method exploits training data augmentation by synthesizing masks with unmasked face images. For a masked or unmasked test face image, reconstruction error is computed per each person class for the optimal combination of the face images in the training data. The person class is determined by finding the minimum reconstruction error. The proposed method does not require prior knowledge about whether the test face image has mask or not. Recognition rates of 82% and 75% have been achieved for masked and unmasked test face images, respectively. 얼굴인식(face recognition)은 스마트 기기의 사용자 인증, 건물 출입 통제, 지능형 감시 시스템 등에 널리 활용되는 생체인식 기술이다. 코로나19 팬데믹 이후로 마스크 착용이 일상화되면서 마스크 착용 얼굴을 식별하는 마스크 얼굴인식 연구에 대한 중요도가 높아지고 있다. 마스크 얼굴인식에서는 테스트 얼굴 이미지는 마스크 착용이 많은 반면 학습용 얼굴 이미지는 마스크 미착용이 많아서 마스크 착용 여부로 인한 불일치가 발생하고 이는 인식 정확도 저하로 이어지기 쉽다. 본 논문에서 제안하는 마스크 얼굴인식 방법은 앞서 언급한 문제를 극복하기 위해 마스크 미착용 학습용 얼굴 이미지들에 마스크를 합성하여 마스크 착용/미착용 쌍으로 증강된 학습셋을 구성한다. 그리고 마스크 착용 여부를 알 수 없는 테스트 얼굴 이미지를 마스크 착용/미착용 쌍의 학습용 얼굴 이미지들의 최적 조합으로 복원(reconstruction)한 뒤(인물 별로 수행) 복원 오류가 최소인 인물 클래스를 찾아 어떤 인물에 해당하는지 최종 판정한다. 제안하는 방법은 테스트 얼굴 이미지의 마스크 착용 여부와 관계 없이 사용할 수 있다는 장점이 있으며 마스크 착용 시 약 82%, 미착용 시 약 75%의 인식 정확도를 달성하였다.

얼굴인식에 관한 법적 쟁점 -해외에서의 논의를 중심으로-

이건수 사단법인 한국법이론실무학회 2022 법률실무연구 Vol.10 No.4

Recently, face recognition technology has been introduced in all kinds of life situations. Face authentication is a type of biometric authentication that confirms identity based on the location and size of the eyes, nose, and mouth. The personal image stored in the database and the subject's face image taken with the camera are collated and authenticated. It has the characteristic of being able to quickly perform identity verification without contact. In China, for example, digitization is progressing rapidly and facial recognition technology is also being used to counter the novel coronavirus. In places where large numbers of people gather, surveillance cameras and temperature sensors detect people with high body temperatures, and facial recognition systems identify people. Results will be communicated to local authorities and steps are being taken to conduct COVID-19 testing on specific individuals. In addition, in Japan, facial recognition is being used in various situations, such as airports, commercial facilities, amusement parks, large-scale events, retail store settlements, and immigration systems in offices, utilizing the fact that individuals can be identified smoothly. On the other hand, because it is smooth, our faces are sometimes used for crime prevention and marketing purposes, such as surveillance cameras on street corners, even if we are not conscious of it. Facial recognition technology is poised to make the world a better place, but extensive training in ethical implementation is needed to ensure that businesses can safely adopt this AI biometric technology for the comfort of everyone and everywhere. The possibilities of facial recognition are beyond imagination. For example, you can automate office access control to keep your employees safe. Retailers can provide a stronger customer experience in their stores. It can simplify access control for many restricted areas during manufacturing. Banks and Fintech companies are introducing much stronger authentication and cutting-edge security controls. These are just the tip of the iceberg. Facial recognition is the future of AI biometric technology. The industry must provide consumers with the right information, expose many widespread fakes about technology, and explain the potential benefits of positive value. We also need to properly regulate innovation so that it can embrace many benefits without hindrance. In this study on the prospect of face recognition, the application and implementation of face recognition technology in various industries and public fields were introduced and legal issues were reviewed. 최근에는 모든 종류의 생활 상황에서 얼굴인식 기술이 도입되고 있다. 얼굴인증은 눈, 코, 입 등의 위치와 크기에 따라 신원인지 여부를 확인하는 생체인증의 한 유형이다. 데이터베이스에 저장된 개인 이미지와 카메라로 촬영한 대상자의 얼굴 이미지가 대조되고 인증된다. 접촉없이 신속하게 신원확인을 수행할 수 있다는 특징이 있다. 예를 들어, 중국에서는 디지털화가 빠르게 진행되고 있으며 신종 코로나 바이러스에 대응하기 위해 얼굴인식 기술도 사용되고 있다. 많은 사람들이 모이는 곳에서는 감시 카메라와 온도 센서가 높은 체온을 가진 사람들을 감지하고 얼굴인식 시스템을 통해 사람들을 식별한다. 결과는 지방 당국에 전달되며 특정 인물에 대한 COVID-19 검사를 실시하기 위한 조치가 취해지고 있다. 또한 일본에서도 개인을 원활하게 식별할 수 있다는 사실을 활용해 공항, 상업시설, 놀이공원, 대규모 행사, 소매점 정산, 사무실의 출입국 관리 시스템 등 다양한 상황에서 얼굴인식이 활용되고 있다. 반면에, 매끄럽기 때문에 우리가 그것을 의식하지 않더라도 거리 모퉁이에 있는 감시 카메라와 같은 범죄예방 및 마케팅 목적으로 우리의 얼굴이 사용되는 경우가 있다. 안면인식 기술은 세상을 더 나은 곳으로 만들 태세이지만, 기업이 모든 사람과 모든 곳에서 편안하게 사용할 수 있도록 이 AI 생체인식 기술을 안전하게 채택할 수 있도록 윤리적 구현에 대한 광범위한 교육이 필요하다. 얼굴인식의 가능성은 상상을 초월한다. 예를 들어, 사무실 액세스 제어를 자동화하여 직원의 안전을 유지할 수 있다. 소매업체는 매장에서 더 강력한 고객경험을 제공할 수 있다. 제조과정에서 많은 제한 구역에 대한 액세스 제어를 단순화 할 수 있다. 은행과 핀테크 회사는 훨씬 더 강력한 인증과 최첨단 보안 제어를 도입하고 있다. 이것들은 빙산의 일각에 불과하다. 얼굴인식은 AI 생체인식 기술의 미래이다. 업계는 소비자에게 올바른 정보를 제공하고, 기술에 대한 많은 광범위한 가짜를 폭로하고, 긍정적 인 가치의 잠재적 인 이점을 설명해야 한다. 우리는 또한 혁신이 방해받지 않고 많은 혜택을 받아들일 수 있도록 적절하게 규제해야 한다. 얼굴인식 전망에 관한 이 연구에서는 다양한 산업 및 공적 분야에서 안면인식 기술의 응용 프로그램과 구현 시 고려해야 할 사항을 소개하고 법적 쟁점을 검토하였다.

특징점기반 Gabor 및 LBP 피쳐를 이용한 얼굴 인식

김진호(Jin-Ho Kim) 한국콘텐츠학회 2013 한국콘텐츠학회논문지 Vol.13 No.1

얼굴 영상 데이터베이스에서 제공하는 눈 좌표에 의존해서 부분 자동 얼굴 인식 알고리즘을 설계 구현하면 실 환경 얼굴 인식 시스템에서는 눈 좌표 추출 알고리즘의 정확도에 따라 인식 성능이 달라질 수 있다. 본 논문에서는 얼굴의 눈, 코, 입 및 윤곽선 정보를 바탕으로 설정한 특징점 기반의 얼굴 모델 그래프를 생성하여 얼굴 영상에 정합시키고 각 특징점에서 Gabor 및 LBP 피쳐를 추출해서 결합하는 방식의 완전 자동 얼굴 인식 알고리즘을 제안하였다. 본 알고리즘에서는 완전 자동으로 얼굴 영상에 얼굴 모델 그래프를 맞출 뿐만 아니라 기존의 Gabor 피쳐에 LBP 피쳐를 추가함으로써 인식 성능을 극대화 시킬 수 있도록 하였다. 제안한 알고리즘을 FERET 데이터베이스에 적용해 본 결과 1,000명 이상의 얼굴을 실시간으로 인식할 수 있었고 각 데이터 집합에 대해서 우수한 인식 성능을 얻을 수 있었다. The accuracy of a real facial recognition system can be varied according to the accuracy of the eye detection algorithm when we design and implement a semi-automatic facial recognition algorithm depending on the eye position of a database. In this paper, a fully automatic facial recognition algorithm is proposed such that Gabor and LBP features are extracted from fiducial points of a face graph which was created by using fiducial points based on the eyes, nose, mouth and border lines of a face, fitted on the face image. In this algorithm, the recognition performance could be increased because a face graph can be fitted on a face image automatically and fiducial points based LPB features are implemented with the basic Gabor features. The simulation results show that the proposed algorithm can be used in real-time recognition for more than 1,000 faces and produce good recognition performance for each data set.

얼굴 인식 Open API를 활용한 출입자 인식 시스템 개발

옥기수 ( Kisu Ok ),권동우 ( Dongwoo Kwon ),김현우 ( Hyeonwoo Kim ),안동혁 ( Donghyeok An ),주홍택 ( Hongtaek Ju ) 한국정보처리학회 2017 정보처리학회논문지. 컴퓨터 및 통신시스템 Vol.6 No.4

최근 보안에 대한 관심과 필요성이 증가하면서 출입자 인식 시스템의 수요가 증대되고 있다. 출입자 인식 시스템은 출입자를 인식하기 위해서 다양한 생체인식 방법을 사용하고 있다. 본 논문에서는 다양한 특성과 강점을 가진 다수의 얼굴인식 Open API 서비스를 통합하고, 그 인식 결과를 앙상블 함으로써 인식 성능을 개선하는 얼굴인식 기반 출입자 인식 시스템을 제안한다. 또한 다양한 얼굴 인식 Open API 서비스를 앙상블 하는 출입자 인식 시스템의 구조를 제안한다. 성능 측정은 약 5개월 간 수집한 얼굴 데이터를 이용하여 수행하였으며, 측정결과로 본 논문에서 제안하는 출입자 인식 시스템이 단일 얼굴인식 Open API 서비스를 사용했을 때보다 더 높은 얼굴인식률을 보임을 확인하였다. Recently, as the interest rate and necessity for security is growing, the demands for a visitor recognition system are being increased. In order to recognize a visitor in visitor recognition systems, the various biometric methods are used. In this paper, we propose a visitor recognition system based on face recognition. The visitor recognition system improves the face recognition performance by integrating several open APIs as a single algorithm and by performing the ensemble of the recognition results. For the performance evaluation, we collected the face data for about five months and measured the performance of the visitor recognition system. As the results of the performance measurement, the visitor recognition system shows a higher face recognition rate than using a single face recognition API, meeting the requirements on performance

마스크 영역 분할을 이용한 얼굴 표정인식

이승호(Seung Ho Lee) 한국정보통신학회 2023 한국정보통신학회논문지 Vol.27 No.4

얼굴 표정인식(facial expression recognition)은 인간 중심의 사람-기계 인터페이스에서 가장 중요한 요소기술 중 하나이다. 마스크 착용 얼굴의 경우 얼굴 하관이 대부분 가려져 충분한 양의 분별 특징정보(discriminative feature)를 추출하기 어려우며, 마스크 착용 여부 및 마스크 패턴(형태, 크기, 무늬 등)의 다양성은 인식 정확도를 저해시키는 방해요소로 작용할 수 있다. 본 논문에서는 마스크 착용으로 인한 영향을 감소시키기 위한 얼굴 표정인식 방법을 제안한다. 먼저 마스크 착용 여부에 의한 불일치를 감소시키기 위해 마스크를 착용한 테스트 얼굴에 대해 표정인식을 수행할 때 학습용 얼굴 이미지들에 마스크를 합성한다. 그리고 마스크 패턴의 다양성에 의한 불일치를 최소화하기 위해 테스트 및 학습용 얼굴 이미지들에서 이미지 분할을 적용하여 추출된 마스크 영역을 제거하여 검정색으로 표시한다. 마스크 영역이 제거된 테스트 얼굴 이미지를 동일한 방식으로 전처리 된 학습용 얼굴 이미지들의 최적 조합으로 복원(reconstruction)한 뒤 복원 기여도가 가장 높은 클래스를 찾음으로써 테스트 얼굴 이미지의 감정 클래스를 결정한다. 제안하는 방법은 6가지의 대표 감정에 대해 70% 이상의 마스크 얼굴 표정인식 정확도를 달성하였으며 이는 학습용 얼굴 이미지들이 마스크 미착용인 경우에 비해 46% 정도 높은 수치이다. Facial expression recognition is one of the most important technologies in human-machine interface. For the case of masked face image, it is difficult to extract discriminating features as a large facial part is occluded. Moreover, a variety of mask patterns could degrade the recognition rate. In this paper, a facial expression recogition method is proposed aiming to reduce the effect of wearing masks. In the proposed method, to deal with the mismatch due to masked test faces, mask images are synthesized with the training face images. After that, for each of the test and training face images, the mask region is segmented and eliminated. A proprecessed test face image is recontructed with an optimal combination of the preprocessed training face images, and categorized into an emotion class by finding the most contributing class during the reconstruction. The proposed method achieves 70% in recognition rate where about 46% improvement can be achieved compared to the case of unmasked training faces.

역전파가 제거된 CNN과 LDA를 이용한 얼굴 영상 해상도별 얼굴 인식률 분석

문해민(Hae-Min Moon),박진원(Jin-Won Park),반성범(Sung Bum Pan) 한국스마트미디어학회 2016 스마트미디어저널 Vol.5 No.1

높은 수준의 지능형 영상 감시 시스템을 만족하기 위해서는 단순히 객체를 검출해서 분류하는 것뿐만 아니라 대상에 대한 정확한 신원 정보까지 확인할 수 있어야 한다. 사람을 구별하는 대표적인 얼굴 인식은 얼굴 자체의 가변성뿐만 아니라 조명, 배경, 카메라의 각도와 같은 외적요인에 따라 인식률의 변화가 발생한다. 본 논문에서는 다양한 실험을 통해 거리 변화에 의한 얼굴 영상의 크기 변화에 강인한 얼굴 인식 방법을 분석한다. 얼굴 인식 실험은 1m~5m에서 추출한 실제 거리별 얼굴 영상으로 이루어졌다. 실험결과, 1인당 학습 영상의 수가 많을 경우는 얼굴 특징 추출 방법으로 LDA를 사용한 방법이 전체 평균 75.4% 로 가장 우수한 성능을 나타냈다. 하지만 1인당 학습 영상의 수가 5장 이하가 될 때는 CNN을 사용한 방법이 69.8%로 가장 우수한 성능을 나타냈다. 또한, 저해상도 얼굴 인식의 경우 얼굴 영상의 크기가 15×15보다 작아지면 인식률이 급격히 감소함을 확인했다. To satisfy the needs of high-level intelligent surveillance system, it shall be able to extract objects and classify to identify precise information on the object. The representative method to identify one’s identity is face recognition that is caused a change in the recognition rate according to environmental factors such as illumination, background and angle of camera. In this paper, we analyze the robust face recognition of face image by changing the distance through a variety of experiments. The experiment was conducted by real face images of 1m to 5m. The method of face recognition based on Linear Discriminant Analysis show the best performance in average 75.4% when a large number of face images per one person is used for training. However, face recognition based on Convolution Neural Network show the best performance in average 69.8% when the number of face images per one person is less than five. In addition, rate of low resolution face recognition decrease rapidly when the size of the face image is smaller than 15×15.