한국통신학회논문지 (The Journal of Korean Institute of Communications and Information Sciences)

  • 제29권8C호
  • /
  • Pages.1184-1192
  • /
  • 2004
  • /
  • 1226-4717(pISSN)
  • /
  • 2287-3880(eISSN)
한국통신학회 (The Korean Institute of Commucations and Information Sciences)
권호 표지

PC 카메라를 이용한 실시간 동공 검출

Real-Time Pupil Detection System Using PC Camera

  • 조상규 (군산대학교 전자정보공학부 영상통신 연구실) ;
  • 황치규 (군산대학교 전자정보공학부 영상통신 연구) ;
  • 황재정 (군산대학교 전자정보공학부)
  • 발행 : 2004.08.01
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

개인용 컴퓨터에 연결하여 널리 사용되는 가시광선 카메라에 의해서 획득된 실시간 영상 데이터를 가지고 동공의 움직임을 검출하는 시스템을 제안하였다. 시스템은 3단계로 구성되는데, 첫 단계로 haar-like 기반의 특징 기법을 이용해서 얼굴 영역이 검출되고, 다음으로 얼굴 영역 내에서 템플릿 기반 기법을 이용하여 눈 영역이 검출된다. 끝으로 눈 영역 내에서 동공 부위가 검출되는데 눈 영상의 수평 및 수직 히스토그램 프로파일에 가우시안 필터를 컨벌루션 한 기법을 제안하였다. 실험 결과 2375개의 영장에 대해서 90% 이상의 검출율을 얻었으며 데이터 처리시간은 약 160㎳로 초당 7회씩 검출할 수 있었다.

A real-time pupil detection system that detects the pupil movement from the real-time video data achieved by the visual light camera for general purpose personal computer is proposed. It is implemented with three steps; at first, face region is detected using the Haar-like feature detection scheme, and then eye region is detected within the face region using the template-based scheme. Finally, pupil movement is detected within the eye region by convolution of the horizontal and vertical histogram profiling and Gaussian filter. As results, we obtained more than 90% of the detection rate from 2375 simulation images and the data processing time is about 160㎳, that detects 7 times per second.

키워드

참고문헌

  1. 적외선과 시각센서를 이용한 실시간 방향 추적 시스템 이방래
  2. First IEEE International Workshop, BMCV 2000 Face and Facial Landmarks Location Based on Log-Polar Mapping S. Chien;I. Choi
  3. Proc. of IEEE v.83 Human and Z. machine Recognition of faces:A Survey R. Chellappa;Wilson,C.L. Sirohey;S. Sirohey https://doi.org/10.1109/5.381842
  4. IEEE Trans.Pattern Anal.Mach.Intelligence v.20 Example-based learning for view-based human face detection K. K. Sung;T. Poggio https://doi.org/10.1109/34.655648
  5. IEEE CVPR Rapid Object Detecion using a Boosted Cascade of Simple Features P. Viola;M. Jones
  6. IEEE ICIP 2002 v.1 An Extended Set of Haar-like Features for Rapid Object Detection R. Lienhart; J. Maybt
  7. Computer Vision and Image Understanding v.83 Face Detection: A Survey Erik Hjelmas;Boon Kee Low https://doi.org/10.1006/cviu.2001.0921
  8. IEEE Trans PAMI v.20 Neural network-based face detection H.A. Rowley;S.Baluja;T. Kanade https://doi.org/10.1109/34.655647
  9. IEEE Trans.PAMI v.20 Face recognition: Reatures Versus Templates R. Rrunelli; T.Poggio
  10. IEEE.Trans, on Neural Network v.10 Face Recognition Using the Nearest Feature Line Method S.Z. Li;J. Lu https://doi.org/10.1109/72.750575
  11. Investigative Oph-thalmology and Visual Science v.35 Object Recognition via Image Invariant : A Case Study P. Sinha
  12. IEEE Trans. PAMI v.24 Detectiong Faces in Images: A Survey M. H. Yang;D. Kriegman;N. Ahuja https://doi.org/10.1109/34.982883
  13. Computational Learning Theory: Eurocolt'95 A decison-theoretic generalization of on-line learning and an application to boosting Y. Freund;R. E. Schapire
  14. DAGM'03,2 5th Pattern Recognition Symposium Empirical Analysis of Detection Cascades of Boosted Classifiers for Rapid Object Detection R. Lienhart;A. Kuranov;V. Ppsarevsky