B-스플라인 능동적 윤곽 기반 얼굴 검출을 위한 차 에지 영상 획득

Difference Edge Acquisition for B-spline Active Contour-Based Face Detection

  • 김가현 (연세대학교 전기전자공학과, 생체인식연구센터) ;
  • 정호기 (연세대학교 전기전자공학과, 생체인식연구센터) ;
  • 서재규 (연세대학교 전기전자공학과, 생체인식연구센터) ;
  • 김재희 (연세대학교 전기전자공학과, 생체인식연구센터)
  • Kim, Ga-Hyun (School of Electrical and Electronic Engineering, Yonsei University, Biometric Engineering Research Center) ;
  • Jung, Ho-Gi (School of Electrical and Electronic Engineering, Yonsei University, Biometric Engineering Research Center) ;
  • Suhr, Jae-Kyu (School of Electrical and Electronic Engineering, Yonsei University, Biometric Engineering Research Center) ;
  • Kim, Jai-Hie (School of Electrical and Electronic Engineering, Yonsei University, Biometric Engineering Research Center)
  • 투고 : 2010.04.20
  • 발행 : 2010.11.25

초록

본 논문은 B-스플라인 능동적 윤곽을 차 에지 영상에 적용하여 얼굴을 검출함에 있어, 검출 결과의 정확도를 제고하고 연산량을 감소시키는 방법을 제안한다. 제안 방법은 먼저, 차이 영상의 첨도(kurtosis)를 이용하여 사용자의 움직임량을 추정한다. 이때, 첨도 값에 따라 사용자의 움직임량이 작다고 판단된 경우에는 윤곽선 적합을 실시하지 않으며, 움직임량이 크다고 판단된 경우에만 윤곽선 적합을 실시한다. 그 후, 윤곽선 적합을 위하여 이진화된 차이 영상의 거리변환(distance transform)된 결과와 현재 영상의 에지(edge)를 사용하여 움직임과 관련된 차 에지 영상을 추출하고, 마지막으로 이렇게 추출된 차 에지 영상에 윤곽선 적합을 실시하여 얼굴의 위치를 검출하게 된다. 첨도를 이용하여 사용자의 움직임량을 추정하는 방법은 윤곽선 적합 결과를 안정화시켜주는 동시에 연산량을 절약시켜주며, 현재 영상의 에지와 이진화된 차이 영상의 거리변환을 사용한 움직임 에지 추정 방법은 윤곽선 처짐과 불연속적인 에지 추출의 문제점을 개선시켜준다. 실험을 통해, 제안한 방법이 기존의 윤곽선 처짐이나 에지 끊어짐에 의한 오류를 줄여 주는 동시에, 약 39%의 영상에 대한 윤곽선 적합을 생략시켜주어 연산량을 줄여 줄 수 있음을 확인하였다.

This paper proposes a method for enhancing detection performance and reducing computational cost when detecting a human face by applying B-spline active contour to the frame difference of consecutive images. Firstly, the method estimates amount of user's motion using kurtosis. If the kurtosis is smaller than a pre-defined threshold, it is considered that the amount of user's motion is insufficient and thus the contour fitting is not applied. Otherwise, the contour fitting is applied by exploiting the fact that the amount of motion is sufficient. Secondly, for the contour fitting, difference edges are detected by combining the distance transformation of the binarized frame difference and the edges of current frame. Lastly, the face is located by assigning the contour fitting process to the detected difference edges. Kurtosis-based motion amount estimation can reduce a computational cost and stabilize the results of the contour fitting. In addition, distance transformation-based difference edge detection can enhance the problems of contour lag and discontinuous difference edges. Experimental results confirm that the proposed method can reduce the face localization error caused by the contour lag and discontinuity of edges, and decrease the computational cost by omitting approximately 39% of the contour fitting.

키워드

참고문헌

  1. M. H. Yang, D. J. Kriegman, N. Ahuja, "Detecting Faces in Images: A Survey", In IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(1) 34-58, January 2002. https://doi.org/10.1109/34.982883
  2. P. Kakumanu, S. Makrogiannis, N. Bourbakis, "A Survey of Skin-color Modeling and Detection Methods", Pattern Recognition, 40, 1106-1122, 2007. https://doi.org/10.1016/j.patcog.2006.06.010
  3. P. Viola, M. J. Jones, "Robust Real-Time Face Detection", International Journal of Computer Vision, 57(2) 137-154, 2004. https://doi.org/10.1023/B:VISI.0000013087.49260.fb
  4. T. F. Cootes, G. J. Edwards, and C. J. Taylor, "Active appearance models", In IEEE Transactions on Pattern Analysis and Machine Intelligence, 23(6) 681-685, June 2001 https://doi.org/10.1109/34.927467
  5. A. Blake, M. Isard, "Active Contours: The Application of Techniques from Graphics, Vision, Control Theory and Statistics to Visual Tracking of Shapes in Motion", Springer-Verlag, 1998.
  6. M. Kass, A. Witkin, and D. Terzopoulos, "Snakes: Active Contour Models", Infernational lournni of Computer Vision, vol. 1, pp. 321-331, 1988. https://doi.org/10.1007/BF00133570
  7. B. Wu, R. Nevatia, "Detection and Segmentation of Multiple, Partially Occluded Objects by Grouping, Merging, Assigning Part Detection Responses", International Journal of Computer Vision, 82 (2) 185-204, April 2009. https://doi.org/10.1007/s11263-008-0194-9
  8. 김가현, 서재규, 정호기, 김재희, "B-spline Active Contour 기반 원거리 홍채 인식 시스템의 얼굴 검출 성능 평가," 대한전자공학회 추계학술대회, 제 32권, 제2호, 275쪽-276쪽, 2009년.
  9. G. H. Kim, J. K. Shur, H. G. Jung, J. H Kim, "Face Verification by using B-spline Active Contour and Skin Color Information," submitted to International Conference on Control, Automation, Robotics and Vision
  10. http://en.wikipedia.org/wiki/Three-sigma_rule
  11. http://en.wikipedia.org/wiki/Three-sigma_rule
  12. Daw-Tung Lin, Ming-Ju Liu, "Face Occlusion Detection for Automated Teller Machine Surveillance", The Pacific-Rim Symposium on Image and Video Technology(PSIVT), LNCS 4319, pp.641-651, 2006.
  13. Breu, Heinz, J. Gil, D. Kirkpatrick, M. Werman, "Linear Time Euclidean Distance Transform Algorithms," In IEEE Transactions on Pattern Analysis and Machine Intelligence, 17(5) 529-533, May 1995. https://doi.org/10.1109/34.391389