표제지
목차
제1장 서론 9
제2장 전처리 13
2.1. 에지 추출 13
2.2. 얼굴과 배경의 분리 14
2.3. 특징추출 18
2.4. 표정 인식 알고리즘 23
2.5. 이미지 그래픽 모듈 26
제3장 신경회로망 알고리즘 31
3.1. 신경회로망의 배경 31
3.2. 다층신경회로망 33
3.3. ART2 신경회로망 35
3.4. 역전파 학습 알고리즘 37
제4장 뉴로-퍼지 시스템 46
4.1. 퍼지 논리 제어기 46
4.2. 뉴로-퍼지 융합과 제어 시스템 49
제5장 제안한 뉴로-퍼지 알고리듬을 이용한 얼굴인식 62
5.1. 얼굴인식 62
5.2. 영상 입력 68
5.3. 에지 검색 및 영상 추출 70
5.4. 조명에 따른 얼굴인식 73
제6장 실험결과 및 분석 81
6.1. 얼굴특징점 검출 83
6.2. 유클리디안 거리법에 의한 인식 89
6.3. 오류 역전파 알고리듬을 이용한 인식 93
6.4. 뉴로-퍼지 알고리듬을 이용한 인식 95
6.5. 알고리듬 인식율 비교 97
제7장 결론 99
참고문헌 101
Abstract 109
국문요약 112
표 2-1. 근육수축패턴과 얼굴 표정 26
표 5-1. 실험에 사용된 조명조건 75
표 5-2. 얼굴검출 알고리즘의 수행결과 76
표 5-3. 조명 변화에 따른 인식률비교 78
표 6-1. 제안한 눈검출 알고리즘의 수행결과 83
표 6-2. 제안한 코 검출 알고리즘의 수행결과 85
표 6-3. 제안한 입 검출 알고리즘의 수행결과 87
표 6-4. 유클리디안 거리법에 의한 인식률 90
표 6-5. 오류 역전파 알고리듬을 이용한 인식률 94
표 6-6. 제안한 뉴로-퍼지 알고리듬을 이용한 인식률 96
표 6-7. 인식방법의 인식률 97
그림 2-1. Sobel 에지 연산자 13
그림 2-2. 얼굴 인식 시스템 순서도 16
그림 2-3. 특징추출 17
그림 2-4. 얼굴영상의 지식표현 파라미터 18
그림 2-5. 얼굴영상 모델링 20
그림 2-6. 눈 모델과 눈썹 모델 24
그림 2-7. 입 모델 25
그림 3-1. 다층 신경망 학습의 구조 34
그림 3-2. ART2 신경회로망의 구조도 36
그림 3-3. 역전파 학습 흐름도 40
그림 4-1. 퍼지 논리 제어 구성도 47
그림 4-2. 뉴로 제어 구성도 48
그림 4-3. 자기구성 제어 구성도 51
그림 4-4. A₁, A₂와 B의 소속함수 51
그림 4-5. 자기구성의 순서도 53
그림 4-6. 퍼지 신경회로망에 의한 전건부 구성 55
그림 4-7. (a) 소속함수 Aη의 합성 (b) 전건부에서 소속함수(이미지참조) 56
그림 4-8. f₁ = Const 인 경우의 후건부 구성 57
그림 4-9. f₁ 가 선형 방정식인 경우의 후건부 구성 58
그림 4-10. ARIC 모델 59
그림 5-1. 특징값들의 언어변수화 66
그림 5-2. 획득된 학습 영상 69
그림 5-3. 얼굴영상의 전처리 과정 블록다이어그램 70
그림 5-4. 얼굴특징점 추출을 위한 전처리과정 72
그림 5-5. 얼굴 특징의 추출 영상 72
그림 5-6. 얼굴인식 시스템의 흐름도 74
그림 5-7. 조명 조건에 따른 얼굴영상 75
그림 5-8. 얼굴검출의 결과 76
그림 5-9. 퍼지화 멤버십함수 79
그림 6-1. 실험에 사용한 영상들 82
그림 6-2. 눈 검출 영상 83
그림 6-3. 눈의 정확도 84
그림 6-4. 코 검출 영상 85
그림 6-5. 코의 정확도 86
그림 6-6. 입 검출 영상 87
그림 6-7. 입의 정확도 88
그림 6-8. 유클리디안 거리법에 의한 인식률(정규화 안함) 91
그림 6-9. 유클리디안 거리법에 의한 인식률(식 5-3) 91
그림 6-10. 유클리디안 거리법에 의한 인식률(식 5-4) 92
그림 6-11. 오류 역전파 알고리듬을 이용한 인식률 94
그림 6-12. 제안한 뉴로-퍼지 알고리듬을 이용한 인식률 96
그림 6-13. 인식방법에 따른 인식률 98