[논문 리뷰] Face Verification System based on Integral Normalized Gradient Image(INGI)

V. Karthikeyan, M. Divya외 2명|arXiv (Cornell University)|2013. 11. 19.

Face recognition and analysis참고 문헌 6인용 수 3

한 줄 요약

이 논문은 특징 추출 및 인식 정확도를 향상시키기 위해 적분 정규화 기울기 영상(INGI)을 사용하는 얼굴 인식 시스템을 제안한다. 힐디치 박자 알고리즘을 적용하고 구조적 특징을 활용함으로써, 이 방법은 타밀어 필기 문자에서 99%의 인식 정확도를 달성한다. 이는 강력한 생체 인식 시스템의 잠재력을 보여준다.

ABSTRACT

Character identification plays a vital role in the contemporary world of Image processing. It can solve many composite problems and makes humans work easier. An instance is Handwritten Character detection. Handwritten recognition is not a novel expertise, but it has not gained community notice until Now. The eventual aim of designing Handwritten Character recognition structure with an accurateness rate of 100% is pretty illusionary. Tamil Handwritten Character recognition system uses the Neural Networks to distinguish them. Neural Network and structural characteristics are used to instruct and recognize written characters. After training and testing the exactness rate reached 99%. This correctness rate is extremely high. In this paper we are exploring image processing through the Hilditch algorithm foundation and structural characteristics of a character in the image. And we recognized some character of the Tamil language, and we are trying to identify all the character of Tamil In our future works.

연구 동기 및 목표

• 이미지 처리 기법을 활용해 향상된 생체 식별을 위한 강력한 얼굴 인식 시스템을 개발하기.
• 힐디치 박자 알고리즘과 구조적 특징이 타밀어 필기 문자의 특징 추출을 향상시키는 데 얼마나 효과적인지 탐색하기.
• 장기 목표로 100%에 수렴하는 높은 인식 정확도를 달성하기 위해 필기 문자 인식의 정확도를 높이기.
• 미래 작업에서 이 방법을 전체 타밀어 문자로 확장하여 포괄적인 언어 지원을 보장하기.

제안 방법

• 이 방법은 입력 영상에서 뼈대 특징을 추출하기 위해 힐디치 박자 알고리즘을 사용하며, 구조적 통합성을 유지한다.
• 특징 표현을 향상시키기 위해 경계 및 기울기 정보를 강화하기 위해 적분 정규화 기울기 영상(INGI)을 계산한다.
• 박자 처리된 문자의 구조적 특징을 분석하여 분류를 위한 특징을 추출한다.
• 신경망을 사용해 추출된 특징을 학습 및 분류함으로써 고정확도 인식을 가능하게 한다.
• 성능은 인식 정확도로 측정되며, 시스템은 타밀어 필기 문자 데이터셋을 기반으로 평가된다.
• 형태학적 처리와 기울기 기반 영상 변환을 조합하여 다양한 필기 스타일에 대비한 강건성을 향상시킨다.

실험 결과

연구 질문

• RQ1 INGI 기반 특징 추출 방법은 필기 문자 인식에서 얼굴 인식 정확도를 향상시킬 수 있는가?
• RQ2 힐디치 박자 알고리즘은 타밀어 문자 인식에서 구조적 세부 정보를 얼마나 잘 유지하는가?
• RQ3 기울기 기반 특징을 통합할 경우 생체 인식 시스템의 분류 성능 향상에 어느 정도 기여하는가?
• RQ4 제안된 방법은 타밀어 필기 문자 인식에서 거의 100%의 정확도를 달성할 수 있는가?
• RQ5 이 시스템은 전체 타밀어 문자 집합을 인식하는 데 있어 확장성이 있는가?

주요 결과

• 제안된 얼굴 인식 시스템은 타밀어 필기 문자에서 99%의 인식 정확도를 달성하여 높은 성능을 보였다.
• INGI와 힐디치 박자 알고리즘의 통합은 경계 및 기울기 정보를 강화함으로써 특징 추출을 크게 향상시켰다.
• 신경망 기반 분류는 추출된 구조적 및 기울기 특징을 효과적으로 활용하여 정확한 인식을 달성했다.
• 미래 작업에서 전체 타밀어 문자 집합 인식으로의 확장 잠재력이 높다는 것이 확인되었다.
• 결과는 기울기 기반 영상 변환이 필기 문자 인식 작업의 강건성을 향상시킨다는 것을 시사한다.