Tensor Space 기반의 게이트 인식 성능 향상 기법

Abstract

최근 각종 매스컴에서 보도되고 있는 여러 범죄 수사에 생체인식이 새롭게 대두되고 있다. 생체인식에 얼굴인식, 홍채인식 등의 여러 방법들이 있으나 사용자의 적극적인 의지 없이도 충분히 인식이 가능하고, 낮은 해상도에서도 물체를 확인할 수 있는 방법론에 대한 욕구가 높아지면서 새로운 생채인식 방법인 게이트(Gait)가 주목받고 있다. 게이트(Gait)의 기존 여러 연구 중에서 사전연구를 통해 인식률 확인을 하기위해 가장 보편적인 방법인 PCA방법을 통하여 인식률 확인을 해보았다. PCA로 게이트 인식은 67%의 인식률을 갖고 있었고, 특히 변별력에 있어서 매우 낮은 수치인 28%를 나타내었다. 이는 인식은 가능하나 여러 가지 외부환경 또는 대량의 데이터를 집어넣거나, 데이터가 깨끗하지 못할 경우 오인식 가능성을 가질 수 있다는 결과를 얻을 수 있었다. 본 논문에서는 이러한 인식률과 변별력 향상을 위하여 Tensor 구성을 사용하였다. 기존 연구에서 동영상으로 촬영 된 물체의 전체 누적영상을 하나의 데이터로 구성하여 사용하였다면, 본 논문에서는 한 프레임의 걸음걸이를 네 주기로 나누어 걸어가고 있는 물체의 특징을 보다 구체적으로 포착할 수 있게 했다. 게이트 인식 실험결과는 사전연구인 PCA연구와 비교 분석하였고, 기준은 인식률과 분별력의 성능비교를 하였다. 실험결과 Tensor분석이 PCA분석 결과보다 인식률은 유지되면서 분별력에 있어 큰 차이를 보였다. 따라서 데이터 구성에 따라 인식률뿐만 아니라 분별력에 있어서도 큰 차이가 있음을 확인하였다.