본 논문에서는 AAM과 Gabor 특징을 이용한 얼굴 인식 알고리즘을 제안한다. Gabor 특징 벡터는 영상에서 나타나는 형상, 스케일, 회전, 왜곡, 조명 및 자세의 작은 변화에 대해 견고하다고 잘 알려져 있으며, 다수의 객체 탐지 및 인식 알고리즘의 특징 벡터로 널리 사용된다. Gabor 특징 벡터를 이용하는 얼굴 인식 알고리즘 중에서 두드러진 방법인 EBGM은 Gabor 특징 벡터를 추출하기 전에 얼굴 특징점의 국소화(localization)가 필요하다. 그러나 EBGM에서 사용하는 국소화 방법은 Gabor jet의 유사도(similarity)에 기반하며 초기값에 민감하다. 얼굴 특징점이 잘못 국소화되면 얼굴 인식률이 저하된다. AAM은 얼굴 특징점 국소화에 성공적으로 적용되어 있음이 알려져 있다. 본 논문에서는 먼저 AAM을 사용하여 얼굴 특징점을 거칠게 추정하고, AAM으로부터 얻은 거친 얼굴 특징점으로 초기점을 설정한 뒤, Gabor jet 유사도 기반 얼굴 특징점 국소화 방법으로 얼굴 특징점을 정밀하게 보정하는 얼굴 특징점 국소화 방법을 고안한다. 또한, 얼굴 특징점 국소화를 위한 이 고안된 방법과 Gabor 특징 벡터를 이용하는 얼굴 인식 알고리즘을 제안한다. 실험을 통해, AAM과 Gabor jet 유사도 모두에 기반한 연쇄(cascaded) 국소화 방법이 Gabor jet 유사도만을 기반으로 한 국소화 방법보다 더 견고함을 관찰하였다. 또한, 이 고안된 국소화 방법과 Gabor 특징 벡터를 사용하는 제안된 얼굴 인식 알고리즘이, EBGM과 같이 Gabor jet 유사도 기반 국소화 방법과 Gabor 특징 벡터를 사용하는 기존 얼굴 인식 알고리즘보다 더 나은 성능을 보임이 제시된다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.