• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.370-372
• /
• 2001

본 논문에서는 컬러 정지 영상을 대상으로 상반신 인물 영상이 입력되었을 때, 얼굴 영역을 추출하고 검증하는 방법을 제안한다. 본 논문의 얼굴 추출과정은 1단계로 영상 내 피부색 영역을 추출한 다음, 후보 영역들에 대한 공간적 제한조건을 이용하여 1차 얼굴 후보 영역을 결정한다. 2단계에서는 얼굴 구성 요소 중 가장 두드러진 특징으로서 눈 영역을 탐색하고, 눈 영역을 기준으로 한국인의 얼굴에 대한 구조적 통계값을 적용한다. 이로서 얼굴 포함 최소 사각형 후보 영역을 결정한다. 마지막 3단계에서는 영상 내 색상 정보와 공간 정보 그리고 구조적 통계치로부터 결정된 얼굴 후보 영역에 대하여 얼굴 영역의 텍스춰(texture)를 Wavelet Packet Analysis를 이용해 조사함으로써 얼굴 영역을 확정하게 된다. 일반적으로 2단계에서 대부분의 얼굴 영역이 결정되지만 3단계에서 얼굴 내 텍스춰 정보를 활용하면 보다 적절한 얼굴 포함 사각형의 범위를 결정할 수 있었다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2000.04a
• /
• pp.463-468
• /
• 2000

본 논문에서는 얼굴의 9가지 상태를 인식하고 이를 상태 시퀀스로 생성한 후, 오토마타 기법을 적용하여 13가지(준비, 상측, 하측, 좌측, 우측, 전진, 후퇴, 좌 윙크, 우 윙크, 좌 더블 윙크, 우 더블 윙크, 긍정, 부정) 헤드 제스처를 인식하는 방법을 제안한다. 얼굴 영역을 추출하는 방법에서는 최적의 얼굴색 정보와 적응적 움직임 정보를 이용하여 얼굴 영역을 추출한다. 눈의 후보 영역을 추출하는 방법에서는 소벨 연산자와 투영 기법을 이용한다. 이 때 눈의 후보들을 제거하기 위하여 눈의 기하학적 정보와 눈은 쌍으로 존재한다는 정보를 이용한다. 얼굴의 상태를 인식하기 위해서는 계층적인 특징분석 방법을 사용한다. 13가지 헤드 제스처는 얼굴 상태 인식의 처리에서 생성된 상태 시퀀스를 이용한 오토마타 기법에 의해 인식된다. 실험 결과, 93.3%의 헤드제스처 인식률을 얻었다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2000.12a
• /
• pp.97-100
• /
• 2000

본 논문에서는 얼굴의 특징 추출 알고리즘을 제안한다. 입력 영상을 이진 영상으로 처리한 후, 얼굴 요소 후보 블록의 면적, 둘레, 원형도, 종횡비를 이용하여 불변하는 눈, 코, 입의 특징 요소를 추출한다. 사람의 얼굴에 대한 특징 요소를 추출하기 위하여 우선 이진 영상을 생성한다. 하나 하나의 고립된 영역으로 분리하기 위하여 화소 레이블링을 한 후 만들어진 얼굴 요소 후보 블록 단위로 면적을 구하고, 윤곽선 추적 방법에 의하여 둘레를 구한 다음 면적, 둘레, 원형도 및 종횡비의 유사도를 구한다 블록의 종합 유사도, 대칭적 거리, 위치의 유사도를 활용하여 눈, 코, 입을 추출한다. 추출된 각 특징 요소간의 거리와 각도를 이용하여 12개의 특징 인수를 구하는 제안 알고리즘을 수행함으로써 얼굴의 특징 인수들을 추출한다. 각 특징점 사이의 거리와 각 거리간의 기울기를 이용하여 100명으로부터 획득한 297개의 원 영상을 대상으로 12개의 특징 파라미터를 추출한 결과 92.93%의 추출 성공률을 보였다. 이러한 결과는 외부 환경의 영향을 덜 받는 눈, 코, 입의 위치 관계의 블록을 근거로 특징 요소를 추출할 수 있도록 제안 알고리즘을 구성하였던 것으로 판단된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05a
• /
• pp.599-602
• /
• 2003

본 논문에서는 스테레오 영상의 정합을 통한 얼굴의 굴곡 특징과 좌표 정보로서 정지 영상에서 생기는 제약 조건의 약화와 굴곡 특징을 이용하여 보다 강건한 얼굴 특징 추출 알고리즘을 제안한다. 얼굴 인식 기술은 정지 영상을 통한 얼굴 영역의 특징들로 얼굴을 구별하고, 얼굴을 검색하기 위하여 다양한 특징을 추출하는데 정지 영상에서는 추출할 수 없는 좌표 정보를 이용한 눈, 코, 입의 정보들과 굴곡 정보를 이용함으로서 얼굴 인식의 효율성을 높이는데 있다. 제안된 알고리즘의 단계는 색상으로부터의 얼굴 영역 검출 단계 얼굴 특징의 추출을 위한 전처리 단계, 눈, 코, 입에 대한 특징 정보로서 사람의 판별 유무와 찾아진 얼굴 영역에 눈 템플릿을 적용하고, 눈 사이의 거리와 기울어짐 코와 입에 대한 거리 정보들로서 스테레오 영상의 굴곡 특징 정보를 추출하는 단계로 이루어져 있다. 또한, 기존의 특징 정보뿐만 아니라 스테레오 영상의 정합을 통한 굴곡 특징 정보를 사용 각각 영상의 종류에 대해서 100%, 93%, 76%의 인식률을 얻었으며 평균 90%로서 정지 영상과의 비교를 통해 8%의 인식률의 향상으로 본 연구의 유효성을 입증하였다.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.37 no.2
• /
• pp.31-43
• /
• 2000

This paper presents a novel algorithm lot extraction of the eye and mouth fields (facial features) from 2D gray level face images. First of all, it has been found that Eigenfeatures, derived from the eigenvalues and the eigenvectors of the binary edge data set constructed from the eye and mouth fields are very good features to locate these fields. The Eigenfeatures, extracted from the positive and negative training samples for the facial features, ate used to train a MultiLayer Perceptron(MLP) whose output indicates the degree to which a particular image window contains the eye or the mouth within itself. Second, to ensure robustness, the ensemble network consisting of multiple MLPs is used instead of a single MLP. The output of the ensemble network becomes the average of the multiple locations of the field each found by the constituent MLPs. Finally, in order to reduce the computation time, we extracted the coarse search region lot eyes and mouth by using prior information on face images. The advantages of the proposed approach includes that only a small number of frontal faces are sufficient to train the nets and furthermore, lends themselves to good generalization to non-frontal poses and even to other people's faces. It was also experimentally verified that the proposed algorithm is robust against slight variations of facial size and pose due to the generalization characteristics of neural networks.

• Journal of Korea Society of Industrial Information Systems
• /
• v.11 no.4
• /
• pp.82-92
• /
• 2006

In the field of image recognition, research on face recognition has recently attracted a lot of attention. The most important step in face recognition is automatic eye detection researched as a prerequisite stage. Existing eye detection methods for focusing on the frontal face can be mainly classified into two categories: active infrared(IR)-based approaches and image-based approaches. This paper proposes an eye region detection method in non-frontal faces. The proposed method is based on the edge--based method that shows the fastest computation time. To extract eye region in non-frontal faces, the method uses edge orientationhistogram of the global region of faces. The problem caused by some noise and unfavorable ambient light is solved by using proportion of width and height for local information and relationship between components for global information in approximately extracted region. In experimental results, the proposed method improved precision rates, as solving 3 problems caused by edge information and achieves a detection accuracy of 83.5% and a computational time of 0.5sec per face image using 300 face images provided by The Weizmann Institute of Science.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.14 no.3
• /
• pp.89-97
• /
• 2014

In this paper, we propose real-time program that measure open-close frequency of mouth and eyes to detect drowsiness of a driver. This program detects a face to the CCD camera image using OpenCV library. Then that extracts each area using CDF for eye detection and Active Contour for mouth detection based on detected face. This system measures each frequency of Open-Close using extracted area data of eyes and mouth. We propose foundation technique how to perform sleepiness decision of users based on measurement data.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.887-890
• /
• 2004

임의 영상에서 얼굴 영역을 검출하고 얼굴 특징점 정보를 획득하는 기술은 얼굴 인식 및 표정 인식 시스템에서 중요한 역할을 한다. 본 논문은 색도 정보와 Top-hat 연산을 이용함으로써 얼굴의 유효 특징점을 효과적으로 검출할 수 있는 방법을 제안한다. 제안한 방법은 얼굴 영역 검출, 눈/눈썹 특징추출, 입술 특징추출의 세 과정으로 나눈다. 얼굴 영역은 $YC_{b}C_{r}$을 이용하여 피부색 영역을 추출한 후 모폴로지 연산과 분할을 통해 획득하고, 눈/눈썹 특징점은 BWCD(Black & White Color Distribution) 변환과 Top-hat 연산을 이용하며. 입술 특징점은 눈/눈썹과의 지정학적 상관관계와 입술 색상분포를 이용하는 방법을 사용한다. 실험을 수행한 결과. 제안한 방법이 다양한 영상에 대해서도 효과적으로 얼굴의 유효 특징점을 검출할 수 있음을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1816-1818
• /
• 2015

기존 시선추적 시스템의 문제점은 눈을 깜박이는 동안 동공의 크기 및 위치가 변화하여 시스템이 사용자의 시선 방향을 정확히 예측 할 수 없는 문제가 존재한다. 본 연구에서는 이러한 문제점을 해결하기 위해 얼굴이 포함 된 영상에서 눈을 검출하고, 눈 영역의 3개의 특징 (밝기 평균, 분산, 이진화 후 흑화소 영역 비율)을 추출하였다. 추출된 특징을 기계학습방법의 한 종류인 SVM을 이용하여 눈의 개폐여부를 판단할 수 있는 방법을 제안하였고, 그 결과 정확도는 81.4%가 나왔다. 제안한 방법은 동공을 검출하기 전 눈의 개폐를 먼저 확인할 수 있기 때문에 시선추적 시스템에서 처리시간을 단축시키고, 눈 깜박임에 따른 오차를 줄일 수 있다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2000.08a
• /
• pp.293-296
• /
• 2000

본 논문에서는 얼굴의 구조적 특성과 누적 히스토그램을 이용하여 다양한 정보를 포함하고 있는 얼굴의 6가지 표정을 인식하는 알고리즘을 기술하였다. 표정 인식을 위해 특징점 추출 전처리 과정으로 입력 영상으로부터 에지 추출, 이진화, 잡음 제거, 모폴로지 기법을 이용한 팽창, 레이블링 순으로 적용한다. 본 논문은 레이블 영역의 크기를 이용해 1차 특징점 영역을 추출하고 가로방향의 누적 히스토그램 값과 대칭성의 구조적인 관계를 이용하여 2차 특징점 추출 과정을 거쳐 정확하게 눈과 입을 찾아낸다. 또한 표정 변화를 정량적으로 측정하기 위해 추출된 특징점들의 눈과 입의 크기, 미간 사이의 거리 그리고 눈에서 입까지의 거리 정보를 이용하여 표정을 인식한다. 1, 2차 특징점 추출 과정을 거치므로 추출률이 매우 높고 특징점들의 표정에 따른 변화 거리를 이용하므로 표정 인식률이 높다. 본 논문은 안경 착용 영상과 같이 복잡한 얼굴 영상에서도 표정 인식이 가능하다.