신호처리 분야에서 미지의 신호원 분리에 주로 응용되는 독립 성분 분석법을 이용하여 얼굴인식을 할 수 있는 한 방식을 제안하였다. 하나의 얼굴영상 자체가 통계적으로 서로 독립인 어떤 미지의 특징영상의 합으로 표현될 수 있다고 가정하고 이 특징영상을 독립성분분석을 이용하여 구한 후, 새로운 얼굴이나 변화된 얼굴을 특징영상의 공간에 투영시켜 투영된 성분을 기준 얼굴영상과 비교하는 방법으로 인식을 수행하였다. 변화가 심한 여러 얼굴영상으로 구성된 데이터베이스(한 사람 당 10개씩의 변화된 400개의 얼굴 영상)에 대해 얼굴인식 실험을 수행하였고 또한 주성분 분석에 기초한 고유얼굴을 이용한 인식률과 비교 분석하였다. 제안된 방식은 주성분 분석법에 비해 높은 인식률을 제공하며, 특히 입력 얼굴 영상에 첨가되는 랜덤 잡음에 대단히 강한 특성을 갖는다.
We present a method that can recognize face images using independent component analysis that is used mainly for blind sources separation in signal processing. We assumed that a face image can be expressed as the sum of a set of statistically independent feature images, which was obtained by using independent component analysis. Face recognition was peformed by projecting the input image to the feature image space and then by comparing its projection components with those of stored reference images. We carried out face recognition experiments with a database that consists of various varied face images (total 400 varied facial images collected from 10 per person) and compared the performance of our method with that of the eigenface method based on principal component analysis. The presented method gave better results of recognition rate than the eigenface method did, and showed robustness to the random noise added in the input facial images.
