Multiple point signature를 이용한 3차원 얼굴인식 = 3D face recognition using multiple point signature

다국어 초록 (Multilingual Abstract)

In this dissertation, we propose a distinctive facial feature for a pose invariant 3D face recognition method using Multiple Point Signature. We acquire 3D face models using the different devices and input faces which include different poses. All data must be preprocessed and normalized using EC-SVD. We extract the invariant facial feature point using shape indexes and depth values from the range image. We propose a Multiple Point Signature method for measuring global facial surface information. A Multiple Point Signature represents several one-dimensional signatures. This method may not use error tolerance band to deal with noisy data and a registration technique to matching signatures. In addition, it is invariant to translation and rotation. Derivatives of facial surface are not required. Due to these characteristic, a Multiple Point Signature is fast and efficient to describe global information of facial surface. We use Euclidean distance matching for face recognition. We compared the proposed method with a single point signature method. From the experimental results, we have 94.6% recognition rate for the minimum distance matching, 85.4% by a single point signature. The proposed method shows 9.2% higher recognition rate than the single point signature.

국문 초록 (Abstract)

본 논문은 3차원 얼굴 인식 방법에 관한 것으로, 3차원 얼굴 인식에 적합한 전역적 특징을 추출하는 Multiple Point Signature를 이용한 3차원 얼굴 인식 방법을 제안하였다. 3차원 얼굴 데이터의 경우 정규화를 통하여 데이터베이스와 같은 공간상에 놓이도록 하고, 얼굴 포즈 변화를 보정하기 위해 오류 보상 특이치 분해(EC-SVD)방식을 사용한다.3차원 레이저 스캐너로 획득된 3차원 얼굴 데이터는 얼굴의 구조적 정보를 이용하여 데이터 정규화 과정을 수행한다. 이렇게 정규화된 3차원 얼굴 데이터로부터 깊이 정보와 표면곡률지수(shape index)를 이용하여 얼굴의 구조적 정보를 알아내고, Multiple Point Signature를 적용시켜 얼굴의 전역적 특징을 나타내는 특징점 정보를 추출한다. 이 특징점 정보들을 3차원 얼굴 데이터베이스로 구성한다. 구조적 조명 방식의 얼굴 획득 장비에 의한 입력 영상의 경우도 동일한 방식으로 특징점을 추출하게 된다.Multiple Point Signature에 의해 추출된 얼굴의 전역적 특징을 나타내는 특징점들은 여러 개의 1차원 Signature로 표현된다. 여러 개의 Signature로 표현된 각 얼굴 데이터의 특징들을 RBFN의 학습을 거친 후 거리 매칭을 이용하여 얼굴 인식을 수행한다.최종적으로 100명의 데이터베이스에서 총 5가지 포즈 변화에 대한 실험을 통하여 제안한 알고리듬이 기존의 국소적 영역으로 제한되었던 방법의 단점을 극복하였고, 93.8%의 인식률을 나타내었다.