문단 (context)
1988년에 개발된 주요 요소 분석법은 프로브 이미지와 갤러리 이미지를 동일한 크기가 되도록 만들고, 이미지들 내의 대상들의 눈과 입을 동일한 위치에 정렬하기 위해 우선적으로 표준화가 요구되며, 이를 위해 데이터 크기를 줄이는 데이터 압축도 필요하게 된다. 주요 요소 분석법의 경우 크기를 축소함으로써 불필요한 데이터들을 제거하고 아이겐페이스로 알려진 사각형 모양의 사진으로 구분하여 나열하게 된다. 이때, 각각의 얼굴영상들은 아이겐페이스의 가중치 합(특성 벡터)으로 표현될 수 있는데, 그에 따라 1차원 배열로 저장되며, 해당 프로브 이미지는 각각의 특성벡터들 사이의 거리를 측정함으로써 갤러리 이미지와 대조된다. 주요 요소 분석의 단점은 얼굴분석을 위해서는 언제나 정면의 전체얼굴이 요구된다는 것인데, 아래의 사진에서 보는 바와 같이 정면의 전체얼굴이 데이터로 저장되지 않을 경우 제대로 된 대조를 할 수 없게 된다. 하지만 이 방법의 장점으로는 앞서 언급한 바와 같이 사진을 압축하여 저장하기 때문에 개인식별을 위해 필요한 데이터를 원본 데이터의 1/1000로 줄일 수 있다는 것이다.
기계독해 질의응답 4건
| question_id | 질문 | 답변 불가 | 정답 |
|---|---|---|---|
| 977285 | 이미지들 내의 대상들의 눈과 입이 동일 위치에 오도록 표준화가 요구되는 방법이 뭐야 | 가능 | 주요 요소 분석법 |
| 977286 | 표준화를 이미지들 내의 대상들의 눈과 입이 동일 위치에 정렬하도록 요구하는 방식이 뭐지 | 가능 | 주요 요소 분석법 |
| 977287 | 이미지 대상과 갤러리 이미지의 비교를 위해 눈과 입을 정렬하는 표준을 요청하는 것은 뭘까 | 가능 | 주요 요소 분석법 |
| 977288 | 이미지들 내의 대상들의 눈과 입이 다른 위치에 오도록 표준화를 바라는 방법은 무엇이지 | 불가 | 주요 요소 분석법 |