Computer Vision Theory : 이미지 인식

   

이미지 인식 (Image Recognition)


1 이미지 인식 (Image Recognition)객체 (Object), 장소 (Place), 얼굴 (Face), 문자 (Character) 등을 인식하기 위한 방법입니다. 인공신경망 (Artificial Neural Network)을 사용하여 통계적으로 높은 확률을 지니는 값을 찾는 학습 알고리즘입니다. 특정 커널 안의 데이터가 일정 패턴을 보이거나 회귀 분석을 통한 데이터, 일련의 함수 형태와 일치하는 형태 등의 형식을 지니는 이미지를 찾습니다.

대표적으로 객체 인식 (Object Recognition), 문자 인식 (Character Recognition), 얼굴 인식 (Face Recognition) 등이 있습니다.


객체 인식 (Object Recognition)

객체 인식 (Object Recognition)머신 러닝 (Machine Learning)딥 러닝(Deep Learning) 기반의 특징 추출을 기반으로 합니다. Haar, HOG, SIFT, SURF 등을 사용하여 전처리 과정을 거치며, 가장자리 검출 (Edge Detection) 등 을 통하여 분류 (Classification)를 진행하게 됩니다. 해당 객체와 배경 등의 수 천개 이상의 데이터를 통하여 학습을 진행합니다.


문자 인식 (Character Recognition)

문자 인식 (Character Recognition)CNN (Convolutional Neural Network), RNN (Recurrent Neural Network)이나 SVM (Support Vector Machines) 등의 알고리즘을 통하여 학습을 진행합니다. 문자를 더 단순화하여 2 차원 벡터 좌표의 값을 계산합니다. 윤곽 (Contours) 등을 검출하여 진행하기도 합니다. 문자 영역 (Character Localization)을 검출한 뒤, 여러 문자들을 정합하여 문자 인식 (Character Recongnition)을 진행합니다.


얼굴 인식 (Face Recognition)

얼굴 인식 (Facial Recognition)은 사람의 얼굴마다 고유한 특징을 비교하여 특정 인물에 대한 값을 반환합니다. 눈의 크기, 코의 길이, 얼굴형 등을 구분하여 특정 인물의 특징을 찾아냅니다. 기본적으로 얼굴 검출 (Face Detection)을 통하여 얼굴이 존재하는 위치를 검출한 후, 해당 얼굴의 특정 위치 (Land Mark)들을 찾아 해당 위치들이 어떤 패턴을 가지는지로 여러 얼굴을 구분합니다. 특정 위치들이 어떤 형태를 지니는지로 표정이나 상태 등도 구분할 수 있습니다.



  • Writer by : 윤대희




도움이 되셨다면 광고 클릭 부탁드립니다.

⤧  Next post Computer Vision Theory : 움직임 추적 ⤧  Previous post Computer Vision Theory : 유사성 검출