본 논문에서는 머리동작의 인식을 위한 새로운 동작 인식방법을 제안하고 있다. 먼저 각 동작을 이루는 얼굴의 자세들 사이의 높은 상관관계를 이용해서 얼굴 화상들을 주성분 분석함으로써 얼굴 화상을 축약된 벡터 형식으로 표현한다. 그 다음에 이 데이터들을 이용하여 SOM을 무감독 학습시키는데 그 결과는 유사한 자세가 인접한 노드에 반응하도록 각 노드가 학습되는 것이다. 각 모델 동작들을 이루는 자세들에 대해서 주성분 분석과 SOM 분류를 시행하여 그 결과를 데이터 베이스에 저장한다. 미지의 동작을 나타내는 임의의 프레임들이 입력되면 각 프레임에 주성분 분석과 SOM 분류를 함으로써 얻어지는 노드 열을 데이터 베이스에 저장된 모델 프레임들의 노드 열과 비교하는데, 인접하는 자세들 사이의 문맥정보를 이용하는 PRL을 적용함으로써 동작을 분류하는 방법을 제시하고 있다.

In this paper a new method for head gesture recognition is proposed. At the first stage, face image data are transformed into low dimensional vectors by principal component analysis(PCA), which utilizes the high correlation between face pose images. Then a self organization map(SOM) is trained by the transformed face vectors, in such a that the nodes at similar locations respond to similar poses. A sequence of poses which comprises each model gesture goes through PCA and SOM, and the result is stored in the database. At the recognition stage any sequence of frames goes through the PCA and SOM, and the result is compared with the model gesture stored in the database. To improve robustness of classification, probabilistic relaxation labeling(PRL)is used, which utilizes the contextual information imbedded in the adjacent poses.