성균관대 매틀랩 기반 HOG 및 SVM을 이용한 얼굴인식 프로젝트(이준호) 코드 및 레포트입니다.
- 최초 등록일
- 2017.05.23
- 최종 저작일
- 2014.11
- 15페이지/
한컴오피스
- 가격 3,000원
![할인쿠폰받기](/images/v4/document/ico_det_coupon.gif)
소개글
매틀랩 기반 HOG 및 SVM을 이용한 얼굴인식 프로젝트 코드 및 레포트입니다.
성균관대 이준호 교수님 멀티미디어 공학 수업 최종 프로젝트 보고서 입니다.
교수님이 제공한 코드에서
run_detector.m(얼굴을 찾는 방법에 대한 코드)
코드만 수정하였습니다(보고서 내에 이부분만 포함하고 있습니다)
인식한 얼굴을 화면에 표시하고
문턱값을 조정하며 정밀함을 늘리는 코드입니다.
목차
1. HOG(Histogram of Oriented Gradients)
2. SVM(Support Vector Machine)
3. Code
4. Results
5. Discussion
본문내용
HOG(Histogram of Oriented Gradients)
HOG는 Gradient 기반으로 feature을 묘사하는 것으로 people detection을 목적으로 개발되었으며, 주로 컴퓨터 비전분야나 이미지 처리 분야에서 쓰인다. 이 기술은 이미지의 localized된 부분에 gradient 방향의 발생을 계산한다. 일반적으로 4000까지의 dimension을 가질 정도로 매우 높은 dimension을 가진다. 자세히 살펴보자면 대상 영역을 일정한 크기의 cell로 분할하고, 각 cell마다 edge pixel 즉, gradient 크기가 어떤 값 이상인 pixel들의 방향에 대한 histogram을 구한 후 이들 histogram bin 값들을 일렬로 연결한 벡터이다.
<그 림>
템플릿 matching의 경우엔 영상의 기하학적 정보를 그대로 유지하며 matching이 가능 하지만 대상의 위치나 형태가 좀만 바뀌어도 matching이 쉽지 않다. 반면에 histogram matching은 대상의 형태가 변해도 matching을 할 수 있지만 영상의 기하학적 정보를 잃게 되고 단지 distribution에 대한 정보만을 기억하기에 잘못된 것들과도 matching이 되는 단점이 있다. HOG는 이 템플릿 matching과 histogram matching의 중간정도의 matching방법이라고 할 수 있으며, block 단위로는 기하학적 정보를 유지하면서 각 block 내부에서는 histogram을 사용함으로써 local한 변화에는 robust한 특성을 가지고 있다.
그리고 HOG는 edge들의 방향정보를 이용한다. Edge는 영상의 밝기 변화나 조명 변화 등에 덜 민감하므로 HOG 역시 이러한 특성을 가진다. 또한 HOG는 물체의 윤곽선 정보를 사용하므로 사람과 같이 내부 pattern이 복잡하지 않고 고유한 윤곽선 정보를 갖는 물체를 식별하는데 적합한 feature descriptor다.
참고 자료
없음