• Proceedings of the Korean Society of Computer Information Conference
• /
• 2016.07a
• /
• pp.55-58
• /
• 2016

본 논문은 사람의 얼굴 영상에서 잡티를 제거하는 방법을 제안한다. 먼저 입력받은 영상에서 Haar-like Feature 기반 Adaboost 알고리즘과 색상 정보를 이용하여 얼굴 영역을 검출한다. 검출된 얼굴 영역에서 잡티를 제거하기 위해서는 먼저 눈, 코, 입, 눈썹과 같은 얼굴의 주요부위를 검출하고 이 영역을 제외한 순수 피부 영역에 잡티 검출 알고리즘을 적용해야한다. 사람의 얼굴은 미세하게 명암도 차이가 나는 부분이 많기 때문에 가우시안 스무딩을 적용한 후, 그래프 기반 분할 방법을 사용하여 눈, 입, 눈썹을 분할한다. 코 영역은 각 픽셀에 대해 인접픽셀과의 R 채널의 차이값을 가중치 맵으로 만들고 가중치 맵을 분석하여 영역을 분할한다. 분할된 영역에 사람 얼굴의 기하학적 위치 정보를 이용하여 주요부위를 검출한다. 얼굴의 주요부위를 검출하고 그 부위를 제외한 피부 영역에 잡티 검출 알고리즘을 적용한다. 잡티는 Edge와 색상 정보를 이용하여 검출하고, 잡티주변을 검사하여 잡티가 아닌 깨끗한 피부를 잡티 영역에 복사하여 채워나가는 방식으로 피부 영역을 복원한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.592-594
• /
• 2002

얼굴 영역 검출의 수행 방법으로 개선된 얼굴 칼라 히스토그램과 에지 정보를 결합한 검출 시스템을 제안한다. 배경이 복잡한 영상에서 사람의 얼굴 영역과 배경 영역이 얼굴 영역과 비슷한 칼라 분포를 가지는 물체를 포함하는 영상이더라도 강인한 추출이 가능하도록 하였다. 본 논문에서는 효율적인 얼굴 검출을 위하여 얼굴의 칼라 분포를 얼굴 칼라의 확률 히스토그램으로 모델링하고 에지 정보와 reconstruction에 의한 형태학적 필터링(morphological filtering)을 적용하여 얼굴 후보 영역을 검출한다. 검출된 후보 영역에서 얼굴 구성 요소간의 위치 관계를 이용하여 눈동자와 흰자위의 명도차 특성으로 눈 영역의 위치를 추정하고 상대적인 위치 관계로 입 영역을 추정하여 얼굴 구성 요소의 정보를 얻어서이 요소 정보가 존재하는 후보 영역들이 최종적으로 얼굴 영역으로 판단되어 검출된다. 제안한 방법을 여러 영상에 이용하여 좋은 결과를 얻을 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.712-714
• /
• 2004

본 논문에서는 다양한 변화에서 얼굴을 효과적으로 검출할 수 있는 방법론을 제안한다. 우리는 복잡한 배경에서 보다 효과적으로 얼굴 영역을 검출하기 위해 영역 분할 알고리즘인 JSEG를 이용하여 영역을 분할을 하게 된다. 그리고 조명 변화에 따른 간섭이 비교적 작은 YCrCb 칼라 모델을 이용하여 분할된 영역에서 후보 얼굴 영역을 찾는다. 마지막으로 보다 정확한 결과를 위하여 검출된 얼굴 후보 영역에서 눈과 눈썹을 검출하고 눈과 눈썹의 기하학적 정보를 이용해서 최종 얼굴 영역을 결정한다. 영역 분할을 이용함으로써 복잡한 배경과 다양한 조명 변화를 지닌 환경에서 다양한 얼굴 영상들을 실험한 결과 높은 정확도를 보여주었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.790-792
• /
• 2004

본 논문에서는 컬러 영상에서 얼굴 구성요소 융합을 이용하여 얼굴 영역을 검출하는 방법을 제시한다. 먼저 광범위한 조명 환경과 인종을 포괄하는 피부색의 범위를 이용해 피부 영역을 검출하고. 영역 그룹화로 후보 얼굴 영역을 찾는다. 색 정보를 이용해 얼굴 구성요소(눈, 입)를 검출한 후, 검출된 구성요소와 구성요소 간의 관계를 융합하여 주어진 영상에서 얼굴 영역을 검출한다. 본 논문이 제안하는 구성요소 융합 방법은 구성요소 간의 관계에 대한 불확실성을 고려하고 있어, 구성요소간의 최적의 조합으로 얼굴의 크기와 포즈, 조명의 변화가 어느 정도 허용된 얼굴 검출이 가능하다.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.1012-1018
• /
• 2007

본 논문에서는 비전 기반 3차원 얼굴 모델의 자동 표정 생성 시스템을 제안한다. 기존의 3차원 얼굴 애니메이션에 관한 연구는 얼굴의 움직임을 나타내는 모션 추정을 배제한 얼굴 표정 생성에 초점을 맞추고 있으며 얼굴 모션 추정과 표정 제어에 관한 연구는 독립적으로 이루어지고 있다. 제안하는 얼굴 모델의 표정 생성 시스템은 크게 얼굴 검출, 얼굴 모션 추정, 표정 제어로 구성되어 있다. 얼굴 검출 방법으로는 얼굴 후보 영역 검출과 얼굴 영역 검출 과정으로 구성된다. HT 컬러 모델을 이용하며 얼굴의 후보 영역을 검출하며 얼굴 후보 영역으로부터 PCA 변환과 템플릿 매칭을 통해 얼굴 영역을 검출하게 된다. 검출된 얼굴 영역으로부터 얼굴 모션 추정과 얼굴 표정 제어를 수행한다. 3차원 실린더 모델의 투영과 LK 알고리즘을 이용하여 얼굴의 모션을 추정하며 추정된 결과를 3차원 얼굴 모델에 적용한다. 또한 영상 보정을 통해 강인한 모션 추정을 할 수 있다. 얼굴 모델의 표정을 생성하기 위해 특징점 기반의 얼굴 모델 표정 생성 방법을 적용하며 12개의 얼굴 특징점으로부터 얼굴 모델의 표정을 생성한다. 얼굴의 구조적 정보와 템플릿 매칭을 이용하여 눈썹, 눈, 입 주위의 얼굴 특징점을 검출하며 LK 알고리즘을 이용하여 특징점을 추적(Tracking)한다. 추적된 특징점의 위치는 얼굴의 모션 정보와 표정 정보의 조합으로 이루어져있기 때문에 기하학적 변환을 이용하여 얼굴의 방향이 정면이었을 경우의 특징점의 변위인 애니메이션 매개변수를 획득한다. 애니메이션 매개변수로부터 얼굴 모델의 제어점을 이동시키며 주위의 정점들은 RBF 보간법을 통해 변형한다. 변형된 얼굴 모델로부터 얼굴 표정을 생성하며 모션 추정 결과를 모델에 적용함으로써 얼굴 모션 정보가 결합된 3차원 얼굴 모델의 표정을 생성한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.343-345
• /
• 2003

본 논문에서는 색상 정보와 변형 모델을 이용한 얼굴 영역 및 얼굴의 특징 영역의 자동 검출 방법을 제시한다. 영상으로부터 획득할 수 있는 정보 중 가장 빠르고 쉽게 얻을 수 있는 정보가 색상 정보이며, 색상정보는 사물을 판단함에 있어서 가장 효율적이면서 컴퓨터의 계산량을 줄일 수 있다는 장점을 갖고 있기 때문에 얼굴 영역 검출 방법으로 많이 이용되고 있다. 본 연구에서는 얼굴영역 및 얼굴 특성 추출함에 있어 컬러모델 사용 시 외부 조명의 영향을 줄여주는 조명 보정 방법을 제시하고, 조명 보정에 의해 평활화된 YCbCr 색상모델에 적용하여 각 성분 특성을 고려한 얼굴영역 및 얼굴의 특성 영역에 해당하는 후보 영역을 검출하는 방법을 제시한다. 검출된 얼굴후보 영역 및 특성 영역은 가변 모델인 동적 윤곽선 모델의 초기값으로 자동 적용되어 윤곽선 모델 적용시 문제점가운데 하나인 초기값 설정문제를 해결함과 동시에 얼굴 및 얼굴 특징 정보의 정확한 윤곽선을 추출하는데 사용된다. 실험 결과 제시된 방법을 적용한 결과 빠르고 효과적으로 얼굴 및 특성 영역을 검출 할 수 있음을 입증 할 수 있었다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.34 no.2C
• /
• pp.194-199
• /
• 2009

This paper proposes a face detection algorithm that uses geometrical information on face and hair region. This information that face adjoins hair regions can be the important one for face detection. It is also kept in images with frontal, rotated and lateral face. The face candidates are founded by the analysis of skin regions after detecting the skin and hair color regions in an image. Next, the intersected lesions between face candidates and hair's are created. Finally, the face candidates that include the subsets of these regions turn out to be face. Experimental results showed the high detection rates for frontal and lateral faces as well as faces geometrically distorted.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2005.11a
• /
• pp.201-204
• /
• 2005

동영상에서 얼굴을 인식하는 기술은 Eigen-Face를 이용하는 방법, 템플릿을 이용하는 방법 등과 같이 다양한 방법이 연구되어지고 있다. 하지만 이들 기법들이 모두 동영상에서 얼굴영역을 검출했을지는 모르지만 얼굴영역이 영상에서 차지하는 위치와 크기를 일정하게 제한하고 있다. 그 중에서 입력되는 영상이 촬영 도구로부터 제한된 거리에서 촬영되어 얻어 지거나 실험을 통해 얻어진 영상을 이용하여 얼굴영역을 검출한다. 하지만 실제 다양한 응용분야에서 얼굴영역 검출 기술을 이용하기 위해서는 이러한 제한된 입력 영상뿐만이 아니라 어떠한 환경에서의 입력 영상에서도 얼굴영역을 검출할 수 있어야 한다. 본 논문은 근거리뿐만이 아니라 원거리에서 획득한 영상에서도 얼굴영역을 검출할 수 있으며, 얼굴의 특징 추출과 예측기법을 통하여 보다 향상된 얼굴영역 검출을 할 수 있다. 움직임 정보와 얼굴색상정보를 이용하여 8x8블록을 만들고 이런 블록 정보들을 특정한 규칙에 적용함으로써 얼굴영역을 후보를 검출하게 된다. 그리고 후보 얼굴영역의 고유한 특징들을 추출하고 칼만 필터를 적용한 예측기법을 통하여 얼굴영역 판단하게 된다.

• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.453-456
• /
• 2000

본 논문에서는 색상정보를 이용한 얼굴 검출 알고리즘에 대해 소개하고자 한다. 여러 개의 얼굴 검출에 적용되는 이 알고리즘은 피부색의 학습 과정과 입력영상에 대한 얼굴 검출 과정으로 크게 두 가지로 나눌 수 있다. 특히 본 연구에서는 피부색이 본 논문에서 제안한 새로운 RGB 영역에서 직선을 이루는 특징을 이용하여 학습 data를 구성한다. 이렇게 구성된 data를 입력영상에 적용함으로써 1차 얼굴 후보영역을 결정한다. 그런 후 1차 후보영역을 세로방향과 가로방향으로 투영시킴으로써 최종 얼굴 영역을 찾아낸다. 실험을 통해 이 알고리즘은 기존의 색상정보를 이용한 얼굴검출 방법에 비해 얼굴 개수에 상관없이 높은 검출 성공률을 보여주었다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.11b
• /
• pp.85-88
• /
• 2002

얼굴 영역을 검출하는 데 있어서 가장 기본적이면서도 중요한 정보가 컬러 정보이다. 하지만 컬러정보는 사용하는 컬러모델링 및 얼굴의 Skin Color를 평가하는 범위를 어떻게 정의하느냐에 따라 얼굴의 검출 성능에 많은 영향을 끼친다. 본 논문에서는 얼굴 영역을 검출하기 위한 첫 번째 조건으로 Skin color영역을 색상값과 다양한 데이터로부터 명암도에 따른 Skin color의 분포와 비율을 학습 함으로써 Skin color 영역을 검출 성능을 높이며, 퍼지 아트 알고리즘을 이용하여 얼굴과 비얼굴 데이터에 인증함으로써 얼굴 영역의 검출 성능을 높인다.