얼굴 영상의 전역 및 지역적 특징을 이용한 나이 인식에 관한 연구

국문 초록 (Abstract)

본 논문에서는 얼굴 영상의 전역적 특징(Global features)과 지역적 특징(Local features)을 이용하여 나이 인식 성능을 향상시키는 방법을 제안한다. 얼굴의 전역적 특징으로 기존의 얼굴 나이 인식 연구에서 많이 사용되는 Active Appearance Models(AAM)의 Appearance, Shape 파라미터를 이용하였고, 지역적 특징으로는 주름, 피부 특징을 이용하였다. 얼굴의 전역적 특징으로 이용된 AAM 특징은 주성분 분석(Principle component analysis)을 통해 데이터의 차원을 줄이는 과정에서 나이를 나타내는 주름과 피부의 특징이 손실되어 나이의 특징을 충분히 표현하지 못하는 문제점이 있다. 이러한 문제를 해결하기 위해 지역적 특징으로 주름과 피부의 특징을 추출하여 전역적 특징과 결합하여 나이 인식 성능을 향상시켰다.
지역적 특징으로 사용된 얼굴의 주름과 피부는 나이를 나타내는 중요한 특징이 된다. 나이가 증가함에 따라 얼굴에 생성되는 주름의 특징을 잘 추출하기 위해서 얼굴의 각 부위에 따라 다른 주름의 특징을 반영한 가버 필터(Gabor filter)를 적용하였다. 또 나이 변화에 따른 피부 변화를 분석하기 위해서 지역적 이진 패턴 (Local binary pattern(LBP))을 적용하여, LBP 코드의 히스토그램을 피부 특징으로 이용하였다. 얼굴 영상에서 추출된 전역적 특징과 지역적 특징은 특징 단계 결합(Feature level fusion)과 스코어 단계 결합(Score level fusion)을 이용하여 결합하였다. 그리고 기존의 연구와 성능 비교를 위해 계층적인 나이 인식을 적용하였다.
위와 같이 추출된 지역적 특징과 전역적 특징을 결합하여 한국인 얼굴 나이 데이터베이스를 이용하여 나이 인식 성능을 평가한 실험에서 평균 오류가 4.72세로 전역적 특징만을 사용한 경우의 평균 오류인 5.56세보다 0.84세 성능이 향상된 결과를 얻었다. 이를 통해 이 논문에서 제안한 방법이 나이 인식 성능의 향상에 도움을 준다는 것을 확인하였다.