Face Recognition(얼굴인식) 프로젝트 레포트

소개글

성균관대학교 전공 '멀티미디어공학(Computer Vision)' 최종 프로젝트에서 기본이론 관련 레포트입니다.
HOG와 SVM을 이용한 머신러닝기반 얼굴 및 사물인식 이론입니다.

목차

1. HOG
1) 기본개념
2) 처리과정

2. SVM
1) 기본개념
2) 응용

본문내용

(1) 기본 개념
이름에서 알 수 있듯이 기본 개념은 이미지에서 각 이미지 Gradient Histogram을 통해 이미지내부의 형상 특성을 추출하여 물체를 식별하는 방법인데, 보행자 뿐만 아니라 승용차, 트럭 등 다양한 물체 검출에 적용할 수 있는 일반적인 방법이다. 이 알고리즘은 넓게 사용되고 높은 정확도를 보여주지만 속도가 느리다는 단점이 존재한다.
(CPU 병렬처리로 연산할 경우, i7 PC에서 VGA기준 약 7 Hz)
여담으로 논문 저자 N. Dalal과 B. Triggs의 HOG 알고리즘은 2006년도 PASCAL VOC object detection challenge에서 person detection 분야 우승을 차지했다.
이 알고리즘에 핵심인 Gradient의 기본 개념이란 이미지 내의 물체 모양 및 형상은 Pixel의 Gray Value 변화 또는 Edge 방향의 분포에 의해 나타낼 수 있는데 Image Gradient는 간단히 말해 이미지 내의 컬러 or Gray Value의 Magnitude 변화 방향이다.

(2) 처리 과정
[Gradient computation]
HOG의 첫 번째 단계는 각 이미지 Pixel의 Gradient를 구하는 것이다.
가장 일반적인 방법은 단순히 x방향과 y방향에 Filter를 적용하는 것이다.
기본적으로 많이 쓰이는 필터는 다음과 같다. 일반적으로 Gaussian Smoothing을 하면 좋은 결과를 얻기 힘들기 때문에 Smoothing은 하지 않고 진행한다. 또한 RGB이미지는 Red, Green, Blue 세 가지의 Gradient를 Compute해 높은 차이를 가지는 이미지를 사용한다.

참고 자료

없음