얼굴인식 기술을 이용한 침입자 감시 시스템 구축(Visual C++)

소개글

얼굴인식 기술을 이용한 침입자 감시 시스템 구축(Visual C++)에 대한 보고서 자료입니다.

목차

1. 서론

2. Background Knowledge
2.1 CCTV를 이용한 감시 시스템
2.1.1 CCTV란
2.1.2 CCTV의 구성
2.1.3 원격 감지 시스템
2.1.4 광역 영상 감지 시스템
2.1.5 감시 시스템에 쓰이는 기술
2.1.6 국내 CCTV 의 현재
2.1.6.1 국내 CCTV의 시장 동향
2.1.6.2 CCTV 산업의 향후 시장 전망

2.2 얼굴 인식 알고리즘
2.2.1 얼굴 탐지 및 추출
2.2.1.1 얼굴 탐지
2.2.1.2 얼굴의 특징 추출
2.2.1.3 얼굴 형상 추출 절차
2.2.2 주요 기술
2.2.2.1 얼굴 검출 기술
* 얼굴 검출 이란
* 얼굴 검출 방법
1] Shape - based Systems
2] Feature - based Systems
3] Pattern - based Systems
4] Color - based Systems5] Motion - based Systems
2.2.2.2 신경망을 이용한 얼굴 검출
2.2.2.3 얼굴 특징 추출
2.2.2.3.1 얼굴 특징 추출이란
2.2.2.3.2 얼굴 특징 추출 방법 및 알고리즘
* 특징점 추출을 이용한 얼굴 추출
2.2.2.3.3 PCA(Principal Component Analysis) 를 이용한 얼굴 추출
2.2.3 응용분야
2.2.3.1 인간의 조작을 최소화 혹은 대체하는 분야
2.2.3.2 보안/ 인증 분야
2.2.3.3 내용기반 검색 분야
2.2.4 문제점
2.2.5 얼굴 검출 및 특징 추출 방법의 필요성

2.3 Open CV(Open Computer Vision)
2.3.1 OpenCV란
2.3.2 Open CV를 이용하여 cam의 영상 받기
2.3.2.1 소스 코드 및 분석

3. 직접 구현한 감시 프로그램

3.1 감시 프로그램의 Flow chart

3.2 각 프로그램

3.3 프로그램 실행 결과
1) compile 후 실행했을 때 결과
2) capture 버튼을 클릭해서 기준영상 등록 후 결과
3) START 버튼을 클릭한 후의 결과
4) 스토킹 성공모드 결과
5-1) 얼굴의 일부가 가려졌을 때 결과
5-2) 얼굴의 일부가 가려졌을 때 결과

3.4 보완점
3.4.1 얼굴 인식 기법
1] Linear Discriminant Analysis (LDA)
2] PCA (Principal Component Analysis)
2] PCA (Principal Component Analysis)
3] SVM (Support Vector Machine)
4] Haar-like feature

4. 결론
4.1 구현 시스템
4.2 시스템 구성
4.3 face detection
4.4 시스템의 완성도
4.5 보완 방법

5. Comment

6. reference

본문내용

그러나 PCA 를 이용한 얼굴인식은 대용량 데이터 베이스 안에서 얼굴을 인식하기에는 한계가 있다. 이는 PCA 의 특성상 가장 주요한 부분으로 얼굴을 표현했기 때문이다. 비슷한 결과 값들로 얼굴이 표현되면 데이터 베이스 안에 동일한 값으로 표현되는 얼굴들이 존재하게 되기 때문에 PCA 만을 사용하는 것은 적합하지 않다.
3] SVM (Support Vector Machine)
SVM은 데이터를 두 개의 클래스로 분류하는 문제를 해결하기 위해 사용되는 기법이다. 이미 분류되어 있는 샘플 데이터로부터 계산된 함수를 통해서 다른 데이터를 두 개의 클래스로 분리하는 방법이다.(데이터 학습 과정을 필요로 한다.) margin 최대화를 통해 에러 발생을 최소화 하여 구하는 방법이며 구조적 위험을 감소하는 기법이다. 그러나 SVM은 이진 분류만이 가능한 기법, 즉 패턴 영상을 두 개의 클래스로만 구분할 수 있다는 제약을 가진다. 또한 다양한 변화에 능동적인 대처가 부족하다.
이진 분류가 가능한 기법인 SVM
SVM은 face와 non-face를 구분 하는데 비교적 효과적이다.
4] Haar-like feature
Haar-like feature 는 가장 간단하면서도 효율적인 인식자로 쓰인다. 이를 얼굴 검출에서 사용하면 얼굴을 배경으로 판단할 확률이 1%보다 작아진다. 뿐만 아니라 특징 값을 구하는데 요구되는 계산 량은 단순히 합연산 밖에 없기 때문에 빠른 얼굴 검출을 요하는 응용분야에서 사용될 수 있다. Haar-like feature 얼굴을 인식하는 인식자로 픽셀 자체를 가지고 연산하는 것이 아니라 특징 값을 가지고 수행하는 방식이다. 픽셀 자체를 가지고 연산을 수행하는 것 보다 특징 값을 가지고 수행하는 것이 더 빠르다. 이는 개별 영역 안에 있는 픽셀들의 값을 더하여 영역 합을 구하고 그 값들에 가중치를 곱하여 합을 계산함으로써 하나의 특징 값을 구할 수 있는 Haar-like feature 의 특성의 기인한다.
Haar-like feature 의 프로토 타입
특징 값들은 x 와 y 방향으로 최대 24*24 까지 크기가 확장된다. 특징 값은 또한 윈도우에서 위치할 수 있는 여러 경우로 자유롭게 변하기 때문에 많은 특징 정보 값을 얻을 수 있다. 예를 들어, 위의 그림과 같은 Haar-like feature 프로토 타입은 서로 다른 위치와 비율을 유지한 크기확장을 통하여24*24 윈도우에서 43,200 개의 경우가 생길 수 있다. 특징 값은 아래와 같은 공식으로 구할 수 있다.
4. 결론
4.1 구현 시스템
: 차연산을 이용한 침입자 감시와 OpenCV를 이용한 face detection.
4.2 시스템 구성 :
INIT Dialog
( Dialog 초기화 설정 )
On-Timer
(timer 및 전체 시스템 관리)
↓
IplImage
( 원영상 생성, m_Dib1 )
↓
Gray-scale
(원영상, 기준영상 gray화)
On Capture
(원영상에서 기준영상추출)
←
↓
→
Check Detect
(침입자 판별)
→
Fitering
→
Subtraction
↓
↓
←
ObjRatio
←
Binarization
Detect (Open CV)
( 침입자의 얼굴 인식 )
↓
SaveDetectImage
(침입자의 얼굴 저장 )
4.3 face detection
face의 data base를 이용하여 입력된 영상에서 추출된 data와 일치할 때 입력된 영상을 얼굴로 인식한다.(코딩 참조)
4.4 시스템의 완성도
기준 영상과 현 영상의 처리를 통해 차이를 감지하는 부분에서는 상당한 성공률을 보였다. 한계 사항으로는, 조명의 상태에 따라서 동일한 이미지를 침입자로 인식하는 경우가 발생한다. 예를 들어서 밤에 기준영상을 입력 후 낮이 되어 밝은 조명 상태를 갖게 되는 경우 조도에 따라 침입자 없이도 감지가 되어 에러가 발생한다. 또한 침입자가 감지되었을 때에 얼굴이 완전히 보이지 않는 경우에 얼굴인식의 성공률이 현저히 떨어짐을 확인하였다.
4.5 보완 방법
data base에 패턴 추가, 패턴과 입력 받은 영상의 일치 기준 값을 낮춘다. 조명에 의한 에러는 충분한 시간을 간격으로 기준 영상을 새롭게 입력 받음으로 시간에 따른 조도의 영향을 최소화 시킬 수 있다. (한 시간 기준으로 입력 영상 renew)
5. Comment
실제로 현장에서 쓰이는 프로그램은 우리가 작성한 것에서 더욱 많은 것을 추가, 보완 하여야 하겠지만, 이번 프로젝트를 통하여서 직접 구현 해 봄으로서 감시프로그램의 동작 원리에 대해서 간단하게나마 알 수 있었다. 특별히 얼굴 인식 분야는 구현하기가 좀 어려웠지만 프로젝트를 진행 하면서 조사 해 봄으로서 그 분야의 여러 가지 방법이나 쓰이는 분야 및 가능성 등, 몇 가지를 좀 더 자세히 알 수 있었다. 프로젝트를 통해 한 학기동안 배웠던 것들을 마무리 하고 정리 할 수 있어서 좋았다.
6. reference
1]http://www.eic.re.kr 전자 정보 센터, 무선 CCTV동향.
2]http://www.robotrnd.com, 디지털 CCTV 기술 동향 및 중장기 전망.
3]http://www.kasnet.co.kr/html/sol/cctv_01.html, 한국 알파 시스템 주식회사
4]http://ics1.mk.co.kr/file/cd104/2d_face.pdf, samsung SDS IT review,
'2D 영상으로부터 얼굴 탐지 및 특징 추출‘, 이광현/이효일
5]http://dongkang.ivyro.net/zbxe/?document_srl=1063&mid=D_Data&sort_index=regdate&order_type=desc, opencv facedetect.c source code
6]http://blog.paran.com/weber/18254920
7]Face Recognition Using Haar-like feature/LDA, 한양대학교 전자통신전파공학부 영상공학연구실, 박 성 훈, 이 재 호, 김 회 율
8]http://cbcl.mit.edu/cbcl/people/heisele/iccv2001.pdf svm pdf

키워드

얼굴인식,   얼굴인식기술,   얼굴인식 기술,   cctv,   감시시스템,   프로그래밍,   PCA,   LDA