The Embodiment of the Real-Time Face Recognition System Using PCA-based LDA Mixture Algorithm

PCA 기반 LDA 혼합 알고리즘을 이용한 실시간 얼굴인식 시스템 구현

  • Published : 2004.07.01

Abstract

In this paper, we propose a new PCA-based LDA Mixture Algorithm(PLMA) for real-time face recognition system. This system greatly consists of the two parts: 1) face extraction part; 2) face recognition part. In the face extraction part we applied subtraction image, color filtering, eyes and mouth region detection, and normalization method, and in the face recognition part we used the method mixing PCA and LDA in extracted face candidate region images. The existing recognition system using only PCA showed low recognition rates, and it is hard in the recognition system using only LDA to apply LDA to the input images as it is when the number of image pixels ire small as compared with the training set. To overcome these shortcomings, we reduced dimension as we apply PCA to the normalized images, and apply LDA to the compressed images, therefore it is possible for us to do real-time recognition, and we are also capable of improving recognition rates. We have experimented using self-organized DAUface database to evaluate the performance of the proposed system. The experimental results show that the proposed method outperform PCA, LDA and ICA method within the framework of recognition accuracy.

본 논문에서는 실시간 얼굴인식 시스템을 위한 새로운 PCA 기반 LDA 혼합 알고리즘을 제안한다. 크게 얼굴추출 부분과 얼굴인식 부분으로 구성되어 있으며, 얼굴추출 부분에는 차영상, color filtering, 눈과 입의 영역 검출 그리고 정규화 방법을 사용하였고, 얼굴인식 부분에는 추출된 얼굴 후보 영역 영상에 PCA와 LDA를 혼합하여 적용하였다. 기존의 PCA만을 사용한 인식시스템은 낮은 인식률을 보였으며, LDA만을 사용한 인식시스템에서는 학습데이터의 수에 비하여 영상의 화소 개수가 많은 경우 LDA를 입력 영상에 그대로 적용하기 곤란하였다. 이러한 단점을 극복하기 위하여, 정규화 된 영상에 PCA를 적용하여 차원을 축소한 후 LDA를 사용하여 실시간 인식을 가능하게 하였으며, 인식률 또한 향상시킬 수 있었다. 제안한 시스템의 성능을 평가하기 위하여 자체 제작한 DAUface의 데이터베이스를 가지고 실험을 하였다. 실험 결과, 제안된 방법이 PCA 방법과 LDA 방법, 그리고 ICA 방법에 비해 인식률이 상당히 우수함을 알 수 있었다.

Keywords

References

  1. M.Turk and A.Pentland: 'Eigenfaces for face recognition', J. Cognitive Neuroscience, vol.3, no.1, pp.71-86, 1991
  2. Peter J. B. Hancock, A. Mike Burton, and Vicki Bruce. 'Face processing: Human perception and principal components analysis,' Memory and Cognition, Volume: 24, Issue: 1, pp. 26-40, 1996
  3. Juwei Lu, K.N. Plataniotis, and A.N. Venetsanopoulos, 'Face recognition using LDA based algorithms', IEEE Transactions on Neural Networks, vol.14, no.1, pp.195-200, January 2003 https://doi.org/10.1109/TNN.2002.806647
  4. J. Karhunen, E. Oja, L. Wang, R. Vigario, and J. Joutsensalo, 'A class of neural networks for independent component analysis,' IEEE Trans. Neural Networks, vol. 8, pp. 486 - 504, May 1997 https://doi.org/10.1109/72.572090
  5. A.Martinez and A.Kak: 'PCA versus LDA', IEEE Trans. On PAMI, 23(2):228-233, 2001 https://doi.org/10.1109/34.908974
  6. Belhumeur P. N., Hespanha J. P., Kriegmaqn D. J., 'Eigenfaces vs. Fisherfaces : recognition using class specific Linear Projection,' IEEE Trans. on Pattern Analysis and Machine Intell., Vol.19, No.7, pp.711-720, 1997 https://doi.org/10.1109/34.598228