변경코드 : ver. 1.0 페이지수 : 13
얼굴 인식 프로그램 계획서
해양전자통신공학부 정보통신전공
작성자
학번 이름 서명
20084025 윤태현
20084024 오하나
20084043 김다영
요 약
본 문서는 “’얼굴인식 프로그램’ 프로젝트”를 수행하기 위한 프로젝트 계획서이다. 본 문서는 이후 산 출될 모든 문서의 기본이 된다. 이 문서의 후속 문서는 요구사항서이다. 이 문서는 프로젝트의 진행방 향을 잡기 위한 프로젝트 계획을 목적으로 작성하였다. 이 문서의 열람권한은 프로젝트 매니저인 윤태 현과 프로젝트 팀원인 오하나, 김다영, 그리고 지도교수인 정종면 교수님과 소프트웨어공학과 멀티미 디어를 듣는 목포해양대학교 학생에게 있으며, 수정 권한은 윤태현, 오하나, 김다영에게 있다.
얼굴인식 프로그램은 사용자의 편의성 측면에서 가장 탁월한 시스템으로, 값비싼 생체정보 입력장치 를 필요하지 않으며, 지문이나 홍채와 같은 다른 인식 방법들이 더 정밀할 수 있음에도 불구하고, 이 시 스템을 이용하는 사용자들에게 거부감 없이 자연스럽고 직관적으로 보이기 때문에 주요한 연구 개발 대상이 될 수 있다.
하지만 이 시스템은 조명이나 카메라와의 거리 등에 따라 인식률이 변할 수 있으며, 얼굴의 각도, 표 정, 나이에 따라 안면의 모양은 계속 변하기 때문에 실용화하기에는 어려운 부분이 있다. 또 수염, 눈 썹, 안경 및 화장 등과 같은 외관의 변형에 따른 문제점 발생할 수도 있다.
문서 이력
변경 코드 작성자 작성일 변경내용
Ver. 0.1 윤태현 외 2인 2011. 03. 21. 프로젝트 계획서 기본 구성
Ver. 0.2 윤태현 외 2인 2011. 03. 28 조직구성 및 인력배치 수정
Ver. 0.9 윤태현 외 2인 2011. 03. 30 요약, 관련기술동향 보완
Ver. 1.0 윤태현 외 2인 2011. 04. 05 주제 변경 및 배경 수정
목 차
1. 개요... 4
2. 관련 기술 현황...4
2.1 배경... 4
2.2 관련 기술 동향...4
2.2.1 얼굴인식 프로그램 종류 ………...4
2.2.2 얼굴인식 알고리즘 종류 ………6
2.2.3 얼굴인식 관련기술 종류 ………7
3. 개발 범위 및 내용...10
3.1. 닮은 꼴 연예인 찾기 프로그램 제작 프로젝트 개요...10
3.2. 개발 범위...10
4. 개발 방법... 11
4.1. 필요 자원 및 일정 예측...11
4.2 조직 구성 및 인력 배치...11
5. 현안 문제 및 구현 시 고려사항...11
6. 문서화 계획... 11
7. 약어... 12
8. 참고문헌... 12
1. 개요
본 문서는 “’얼굴 인식 프로그램’ 프로젝트”를 수행하기 위한 프로젝트 계획서이다. 본 문서는 이후 산 출될 모든 문서의 기본이 된다. 이 문서의 후속 문서는 요구사항서이다.
이 문서의 열람권한은 프로젝트 매니저인 윤태현과 프로젝트 팀원인 오하나, 김다영, 그리고 지도교 수인 정종면 교수님과 소프트웨어공학과 멀티미디어를 듣는 목포해양대학교 학생에게 있으며, 수정 권한은 윤태현, 오하나, 김다영에게 있다.
2. 관련 기술 현황
2.1 배경
급속도로 발전하는 정보화 사회에서 차세대 보안 기술의 하나로 각광 받고 있는 것 중 하나가 생체 인 식 기술이다. 생체 인식 기술이란 사람의 지문, 얼굴, 손 모양, 정맥패턴, 홍채, DNA, 귀의 모양, 체온, 냄새와 같은 신체적 특징을 이용하는 방법과 목소리, 서명, 키 두드리기, 걸음걸이 등의 행동적 특징을 자동화한 장치를 거쳐 측정하여 개인 식별의 수단으로 활용되는 보안성과 편리성을 갖춘 보안 기술로 서 그 중에서 얼굴인식은 컴퓨터를 이용해 입력 영상만으로 사람의 얼굴을 인식하는 연구이다.
얼굴 인식은 홍채, 지문등과 같이 별도로 제작된 센서가 아닌, 일반 CCD 카메라를 이용하여 쉽게 구 현가능하며, 대부분의 신분증이 사진 데이터를 가지고 있으므로 대량의 데이터를 쉽게 사용 가능하며, 접촉식이 아니므로 대규모 공공시설에서 부안 수단으로 쉽게 적용될 수 있다는 장점 때문에 활발하게 연구되어 지고 있다.
2.2 관련 기술 동향
▪ 2.2.1 얼굴인식 프로그램 종류
▲ 안드로이드 닮은 꼴 연예인 찾기 프로그램
▲ 푸딩 얼굴인식 프로그램(http://pudding.kr/face/)
▲ 닮은꼴 연예인 찾기 프로그램
▲ www.myheritage.co.kr
▪ 2.2.2 얼굴인식 알고리즘 종류 ∙ 기하학적인 방법
특징 : 얼굴의 기하학적 특징점을 추출하여 일치 여부를 판단하여 인식 성능 : 얼굴은 3차원이고 회전이 가능하기 때문에 적용에 한계가 있다 ∙ Eigenfaces: 1991년 Pentland에 의해 개발 되었음
특징 : 특징점 추출로 PCA(Principal Component Analysis)를 적용하고 유사도 측정으로 Euclidean 거리 적용
성능 : 조명이나 환경변화에 민감하게 반응하지만 널리 사용되고 있어 그 성능이 검증된 대표적인 얼굴인식 방법
∙ Fisherfaces
특징 : FLD(Fisher Linear Discriminant)를 분류 알고리즘으로 적용한 얼굴인식 방법
성능 : 사람 개개인의 특성을 학습함으로써 보다 정확하고 환경변화에 둔감한 특성 을 지니고 있어 on-line 상태에서 실시간으로 적용 가능한 알고리즘
∙ SVM( Support Vector Machine)에 기초한 방법
특징 : PCA와 SVM(Support Vector Machine)알고리즘을 사용한 알고리즘 성능 : 비교적 높은 인식률을 높이지만 얼굴인식과 같은 멀티 클래스에 적용하기에 는 시간과 메모리가 많이 소모되는 알고리즘
현재 연구되는 얼굴인식 알고리즘의 대표적인 알고리즘 ∙ 신경회로망
특징 : 흑백의 정지영상에서 슬라이딩 윈도우를 이용해 학습된 얼굴모양을 검색 성능 : 두 개 이상의 다수 얼굴의 추출도 가능하나 속도가 느리며 학습이 어려움 ∙ 퍼지 + 신경망
특징 : 신경회로망회로의 입력으로 픽셀의 밝기 값 대신 퍼지 소속함수를 사용 성능 : 신경회로망만을 이용한 방법보다 성능은 향상되나 처리속도는 떨어짐 ∙ Wavelet + Elastic Matching
특징 : 주파수 변환을 사용하며, 자세 및 표정의 변화를 처리하는데 효과적 성능 : 인식률에 비해서 연산량이 많음
▪ 2.2.3 얼굴인식 관련기술 종류
▪ 첫 번째 관련기술 : 조명변화에 강인한 MCT 기반 얼굴인식 방법
▲ [그림1] MCT기반의 얼굴인식 알고리즘
[그림1]은 MCT 기반의 얼굴인식 방법을 나타내는 방법이다. 우선, 카메라를 통해 획득된 영상은 얼
굴 검출 과정을 통해 m×n 크기로 정규화 된다. 이 방법에서는 이러한 정규화 된 영상을 기반으로 조 명변화에 덜 민감한 지역적 구조 특징을 얻기 위해 MCT변환을 수행한다. 이 지역적 구조특징은 3×3 크기의 윈도우를 이용하여 윈도우 내의 구조특징에 대한 정보를 MCT변환을 통해 {0, 1}로 표현하는 것으로서, 이러한 구조특징들은 윈도우내의 모서리, 선, 면, 교차점 등의 정보를 나타낸다. 변환된 영 상의 각 픽셀 값들은 얼굴영상의 지역적 구조를 나타내는 9비트로 표현되고, 따라서 m×n 크기의 영 상이 m×n×9 크기로 증가하게 된다. 증가된 영상의 차원을 어떠한 처리 없이 그대로 이용할 경우 연 산의 복잡도가 매우 커지기 때문에 연산 속도 및 안정성이 떨어진다.
▪ 두 번째 관련기술 : Contourlet과 PCA에 의한 얼굴인식 방법
▲ [그림2] Contourlet과 PCA에 의한 얼굴인식 시스템
Contourlet과 PCA에 의한 얼굴인식 시스템은 [그림2]에 나타낸 제안된 시스템은 영상 분해부, 특 징추출부, 융합결정부 등 크게 세 부분으로 구성된다. 영상 분해부에서는 2.1절에 기술할 Contourlet 변환에 의하여 영상을 대역별, 방향성분별로 분해하여 부영상을 얻는다.
특징추출부에서는 PCA에 의해 고차원의 입력영상을 주성분방향을 이용하여 저차원으로 선형 변환
된 특징 값을 추출한다. 최종 인식단계인 융합결정부에서는 각각의 대역별로 산출된 매칭도를 효과적 으로 융합할 수 있는 방법을 적용하여 얼굴을 인식한다.
▪ 세 번째 관련기술 : 기저 벡터를 이용한 특징 추출방법
2차원의 얼굴영상을 표현하기 위해서 얼굴 모양정보 및 텍스춰(texture) 정보를 벡터화 한다. 모양 정보는 얼굴 요소 즉 눈, 코, 입 등과 같은 얼굴 요소간의 지형적 특징으로 거리, 비율 등의 정보가 이에 해당한다. 텍스춰 정보는 얼굴 영역내의 밝기 정보 자체로써 표현한다. 2차원의 얼굴 영상은 밝기 값 을 차례대로 나열하여 1차원 벡터로 표현되어 특징이 추출된다. 얼굴인식에서 대부분의 특징 추출은 선형 변환 위한 기저벡터를 찾는 것이 특징 추출과정이 된다. PCA기법은 기저벡터로써 공분산 행렬 에 대한 고유벡터를 찾는 방법이고, LDA는 클래스내의 분산은 작아지고 각 클래스의 평균간 거리는 멀어지도록 하는 기저벡터를 찾는 방법이다. ICA는 데이터들 사이의 통계적인 독립성을 최대화는 기 저벡터를 찾는 방법이다. LFA는 공분산에 기반하여 국소적 특징을 갖는 국소 커널들의 집합을 생성한 다. 이들 방법들은 주어진 얼굴영상을 기저벡터에 투영하여 얻게 되는 계수들을 인식을 위한 특징벡터 로 사용하게 된다. 이들 방법에서 임의의 얼굴영상은 기저 영상들에 가중치가 결합된 선형조합으로 표 현된다.
[그림3]은 대표적인 방법에 의해 추출된 기저벡터를 영상으로 표현한 것이다.
▲ [그림3] 기저벡터를 이용한 특징 추출
최근 관련 기술 연구 동향으로 향후 얼굴 인식 분야의 연구는 얼굴포즈 및 조명에 무관한 얼굴인식 기 술개발에 집중될 것이며, 이를 위해 얼굴표현, 특징추출, 3차원 모델링, 분류기 분야 역시 지속적으로 연구 되어질 것으로 전망된다.
▪ 네번째 관련 기술 : 가버젯 유사도에 기반한 얼굴 특징점 검출
정규화된 입력 얼굴 이미지에 대해서, 해당 특징점의 추정 초기 위치를 포함한 근방의 각 위치에서 가 버젯을 구하고 모델 번치 그래프에 등록되어 있는 해당 특징점의 가버젯들과의 유사도를 구하여 가장 유사도가 높은 위치를 특징점으로 결정한다. 추정 초기 위치는 보통 모델 번치 그래프에 등록되어 있 는 해당 특징점 위치의 평균값으로 취한다. 나머지 다른 얼굴 특징점들의 검출도 같은 방법으로 수행 된다. 그런데, 추정 초기 위치 근방의 모든 위치에 대해 가버젯을 구하는 것은 많은 계산 시간이 소요되 므로 해당 특징점에 대해 추정 초기 위치 근방의 모든 위치에서 가버젯을 구하고 모델 번치 그래프에 등록되어 있는 해 당 특징점의 가버젯과 유사도를 구하여 가장 유사도가 높은 위치를 특징점으로 결정 하는 방법은 실시간 처리에 적합하지 않다. 따라서 다음과 같이 빠른계산 방법을 제안하였다.
추정 초기 위치 x y에서의 가버젯을 x y라 할 때, 점 xy에서 작은 변위 x y만큼 떨어진 점 x dx y
dy 의 가버젯 ′x dx y dy와 모델 번치 그래프에 등록되어 있는 가버젯 사이의 가버젯 유사도는 점 x
dx y dy에서의 가버젯 ′x dx y dy을 구하지 않고도 다음과 같이 근사적으로 구할 수 있다.
▪ 다섯번째 기술 : AAM 기반 얼굴 특징점 검출법
AAM 기반 얼굴 특징점 검출 방법은 모델링 단계와 검출 단계의 2단계로 구성된다. 얼굴 특징 점의 개
수를 v개라 하고, 모델링에 사용되는 얼굴 모델 이미지의 개수는 M개라 하자. 이때, 각 얼굴 특징점 들로 구성되는 얼굴 형상(shape) 벡터는 v개 특징점들의 좌표 세트로 정의된다. 즉, x yxy(6) 여기서 xi yi 는 i번째 얼굴 특징점의 좌표를,’t’는 벡터(와 행렬의) 전 치(transpose)를 의미한다. 이때, 각 얼굴의 형상 벡터 x는 이미 프로크루스테스(Procrustes) 분석 에 의해 정규화되었다고 가정한다.M 개의 모델 얼굴 이미지 형상에 대해 PCA 하여, 평균 형상 , n 개의 형상 고유 벡터(모드) i= i M 을 구할 수 있으며, 따라서 형상 X는 다음과 같 이 이들의 선형 결합으로 나타낼 수 있다.
그 후 입력된 영상에서 해당 객체 (우리의 경우는 얼굴의 특징점들)를 검출하는 것은 다음과 같이 이
루어진다. 모델 된 객체의 텍스쳐와 입력 영상 이미지에서의 해당 객체의 텍스처 사이의 에러 제곱이 최소화되도록 하는 모델의 파라미터 벡터를 찾은 후 이때의 파라미터 벡터를 가지고 객체 형상(얼굴 특징점들)을 새로 입력된 이미지에서 찾고자 하는 얼굴 특징점들로 판정한다.
3. 개발 범위 및 내용
3.1 얼굴 인식 프로그램 프로젝트 개요
보안 요소로써 중요하게 쓰이는 얼굴인식 프로그램을 제작함으로써 멀티미디어 관련 프로그램의 기 초를 쌓고 바람직한 소프트웨어 제작의 방법은 터득한다.
3.2 개발 범위
웹 캠을 이용해 사용자의 얼굴을 인식하여 데이터 베이스에 사용자의 얼굴과 비슷한 얼굴을 찾아 출 력해주는 프로그램을 제작한다.
4. 개발 방법
4.1 필요 자원 및 일정 예측
원활한 프로그래밍 진행을 위해 3명의 프로그래머가 필요하며 개인 프로그래밍을 하기 위해 1인당 1개의 PC가 필요(총 3대의 PC)하며, 영상처리를 위해 웹캠이 필요하다.(최소 1대, 원활한 프로그 래밍과 테스트를 위해 3대 필요). 프로젝트를 진행하기 위해 약 3달의 기간(구상, 구현, 테스트 포 함)이 필요할 것으로 예상된다.
4.2 조직 구성 및 인력 배치
팀장(Project manager) : 윤태현
- 프로젝트 전체적인 진행 관리 및 검토 - 팀원 역할 분배
- DB 설계 및 구현
팀원 : 오하나
- 자료조사 및 세부기능 설계 - 프로그램 인터페이스 구현 김다영
- 자료조사 및 세부기능 설계 - 영상처리 알고리즘 구현
5. 현안 문제 및 구현 시 고려사항
얼굴형, 눈, 코, 입 등을 인식하여 비슷한 생김새가 있는 얼굴을 찾기 위해 닮은 꼴임을 인식할 방법 은 고안해 내는 점과 가장 닮은 사진을 뽑아내는 기준을 명확하게 세워야 하며 지금 현재 직면 한 문제 로는 많은 사진을 저장할 수 있는 데이터 베이스를 구현하거나 다루어 본 경험이 없으므로 데이터 베이 스 관련 심화학습이 필요해 공부를 할 예정이며, 멀티미디어 수업을 통해 사람의 얼굴을 인식하는 법 을 배워, 프로그램에 적용 할 수 있는 수준에 달할 때까지 영상처리 관련분야를 공부할 예정임.
6. 문서화 계획
3월 29일 제안서 확정 문서 제작 4월 5일 요구사항 분석 초안 문서 제작 4월 12일 요구사항 분석 개정본 제작 4월 26일 요구사항 명세서 문서 제작 5월 3일 계획서 초안 문서 제작 5월 10일 계획서 확정 문서 제작 5월 17일 설계서 초안 문서 제작 5월 24일 설계서 확정 문서 제작 5월 31일 설계 명세서 제작 6월 14일 테스트 결과 보고서 제작 6월 21일 최종 결과 보고서 제작
7. 약어
웹캠 : Web Camera DB : Data Base
8. 참고문헌
[1]퍼지기반 Segment-Boost 방법을 통한 효과적인 얼굴인식
장원석(Won-Suk Chang), 노창현(Chang-Hyeon Noh), 이종식(Jong-Sik Lee)
한국시뮬레이션학회, 한국시뮬레이션학회논문지, 제18권 제1호 2009.3, p. 17~25(9pages)
[2]조명변화에 강인한 MCT와 프레임 연관성 기반 실시간 얼굴인식 시스템 [그림1]
조광신(Gwang-Shin Cho), 박수경(Su-Kyung Park), 심동규(Dong-Gyu Sim), 이수연(Soo-Youn Lee)
대한전자공학회, 전자공학회논문지-CI, 제45권 제3호 (통권 제321호) 2008.5, p. 123~134(12pages)
[3]Contourlet 변환 및 PCA에 의한 얼굴인식[그림2]
송창규(Chang-Kyu Song), 권석영(Seok-Young Kwon), 전명근(Myung-Geun Chun) 한국지능시스템학회, 한국지능시스템학회 논문지, 제17권 제3호 2007.6,
p. 403~409(7pages)
[4] 개선된 ICA 기저영상을 이용한 국부적 왜곡에 강인한 얼굴인식[그림3]
김종선(Jong-Sun Kim), 이준호(June-Ho Yi)
한국정보과학회, 정보과학회논문지 : 소프트웨어 및 응용, 제33권 제5호 2006.5, p. 481~488(8pages)
[5]얼굴인식 기술 현황 및 전망 최권택, 변혜란
한국멀티미디어학회, 멀티미디어학회논문지, 제10권 제3호 2006.9, pp. 44~52(9pages)
[6] Fuzzy Elastic Bunch Graph Matching 방법을 이용한 얼굴인식 권만준(Mann-Jun Kwon), 고현주(Hyoun-Joo Go), 전명근(Myung-Geun Chun) 한국지능시스템학회, 한국지능시스템학회 논문지, 제15권 제6호 2005.12, p. 759~764(6pages)
[7] http://blog.naver.com/PostView.nhn?blogId=i09000&logNo=20041887423
