본 연구에서 $(2D)^2$ PCA 알고리즘을 이용한 최적 RBFNNs 기반 나이트비전 얼굴인식 시뮬레이터을 설계한다. CCD 카메라로 야간에 이미지를 취득할 경우 조도가 낮기 때문에 인식을 수행하기 어려운 수준의 이미지가 취득되는 문제점이 발생한다. 따라서 본 논문에서는 나이트 비전 카메라를 이용하여 야간 얼굴을 취득하였다. 또한 얼굴과 비얼굴 이미지 영역에서 야간 얼굴 이미지를 검출하기 위해 Ada-Boost 알고리즘을 사용한다. 그리고 히스토그램 평활화를 이용하여 이미지의 왜곡 현상을 최소화 한다. 이렇게 얻어진 고차원 이미지를 저차원으로 축소하기 위해 $(2D)^2$ PCA 알고리즘을 사용했다. 다항식 기반 RBFNNs을 이용한 지능형 패턴 분류 모델을 통하여 얼굴인식을 수행 한다. 마지막으로 차분진화 알고리즘을 사용하여 파라미터를 최적화 한다. $(2D)^2$ PCA를 최적 RBFNNs 기반 나이트비전 얼굴인식 시스템의 성능 평가를 위하여 IC&CI Lab data를 사용하고 실제 얼굴 인식 시스템을 설계한다.
In this study, we propose optimized RBFNNs based on night vision face recognition simulator with the aid of $(2D)^2$ PCA algorithm. It is difficult to obtain the night image for performing face recognition due to low brightness in case of image acquired through CCD camera at night. For this reason, a night vision camera is used to get images at night. Ada-Boost algorithm is also used for the detection of face images on both face and non-face image area. And the minimization of distortion phenomenon of the images is carried out by using the histogram equalization. These high-dimensional images are reduced to low-dimensional images by using $(2D)^2$ PCA algorithm. Face recognition is performed through polynomial-based RBFNNs classifier, and the essential design parameters of the classifiers are optimized by means of Differential Evolution(DE). The performance evaluation of the optimized RBFNNs based on $(2D)^2$ PCA is carried out with the aid of night vision face recognition system and IC&CI Lab data.
