• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.733-735
• /
• 2004

본 논문에서는 얼굴 요소 기반의 얼굴 검출을 설명한다. 기존의 얼굴 전체 영역을 사용한 검출의 문제점과 얼굴 요소 기반의 얼굴 검출 방법의 차이점을 제시하며, 얼굴 전체 영역을 사용한 검출 방법에서 해결하기 어려운 문제점을 해결 하고자 한다. 얼굴 요소 기반의 얼굴 검출 방법은 Support Vector Machines (SVM)을 사용한다. 이 SVM을 사용하여 독립적으로 얼굴 요소를 찾으며, 각각의 얼굴 요소의 위치 정보를 이용한 지식 기반 방법을 이용하여 최종 얼굴 영역을 판별해 낸다 실험 결과에서 알 수 있듯이 얼굴 요소 기반 알고리즘은 얼굴 요소 가려짐 및 얼굴 요소의 유실에 강인함을 볼 수 있다.

• 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.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.291-294
• /
• 2002

본 논문은 얼굴 영역 및 얼굴 구성 요소의 얼굴 특징점을 추출하는 방법을 제안한다. 얼굴 특징점은 얼굴 인식을 하는데 있어서 중요한 자료이다. 얼굴 영역은 객체 단위 추출 방법을 사용하여 얼굴의 고유 영역만을 추출한다. 얼굴의 구성요소는 각 요소간의 기하학적 정보를 이용하여 얼굴 영역 내에서 추출해 간다. 얼굴 구성요소의 특징점은 미리 정해진 위치에서 특징점을 결정한다. 그리고 이런 특징점간의 상호 연관관계를 설정한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.06a
• /
• pp.142-145
• /
• 2001

본 논문에서는 얼굴추출을 하는데 있어서 빠른 속도로 얼굴의 구성요소들을 분할하고 추출한다. 효율적인 분할과 추출물 위해서 3가지의 정보를 사용한다. 첫 번째는 얼굴의 색상정보로써 배경 속의 얼굴을 찾는데 이용한다. 두 번째는 얼굴의 윤곽선 정보로 얼굴의 구성요소를 추출해 내는데 사용한다. 세 번째는 얼굴의 구조적인 정보를 이용하여 색상 및 윤곽선 정보를 이용하여 추출된 요소에 대해 얼굴의 다른 구성요소를 추출하는데 이용한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.7 no.3
• /
• pp.499-505
• /
• 2003

This paper proposes methods to extract face elements and facial characteristics points for face recognition. We select a candidate region of the face elements with geometrical information between them inside the extracted face region with skin color and extract them using their inherent features. The facial characteristics to be applied to face recognition is expressed with geometrical relation such as distance and angle between the extracted face elements. Experiment results shows good performance to extract of face elements.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.520-522
• /
• 2001

얼굴영역 및 얼굴구성요소 추출은 얼굴을 구별하고 인식하거나 얼굴 데이터베이스로부터 원하는 얼굴을 검색하기 위하여 필요한 기술로 다양한 방법들이 연구되어 왔다. 본 연구에서는 배경이 복잡한 칼라 얼굴영상에서 워터쉐드와 동적 피부색 범위로 얼굴후보영역을 선택한 후 각 영역내의 소영역들에 대한 칼라특성과 대칭정보를 분석하여 얼굴영역과 비얼굴 영역을 구분함으로써 얼굴영역 및 얼굴구성요소를 추출하는 방법을 제안한다. 제안된 방법이 기존연구에 비해 피부색 배경영역에 의한 오류를 제거하고 정확성이 우수한 점을 실험결과롤 제시하고 분석한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.436-438
• /
• 2001

본 논문에서는 기울어진 얼굴 영상에서 얼굴 구성 요소를 추출하는 방법을 제안한다. 제안하는 방법은 먼저 피부 색상 정보를 이용하여 얼굴 후보 영역을 추출한다. 이때 YIQ 색상 좌표계를 이용하고 조명의 영향을 반영하기 위하여 피부색상 영역을 다단계로 분할하여 색상 영역을 각각 결정한 뒤 적중률을 계산하여 얼굴 후보 영역을 결정하는 방법을 제안하였다. 2단계에서는 얼굴의 구성 요소중 가장 두드러진 특징인 눈동자 영역을 기준으로 한국인의 표준 얼굴 통계치를 적응하여 탐색하는 방법을 사용하였다. 이때 탐색된 눈동자 좌표로부터 얼굴의 기울기를 추정한다. 다음 단계에서는 얼굴 후보 영역에 대하여 기울어짐 보정을 수행한 뒤, 수평 수직 투영값을 이용하여 얼굴의 구성요소를 탐색한 뒤 얼굴 포함 최소 사각형을 정의하였다. 마지막으로 얼굴 영상 데이터 베이스로부터 얼굴 포함 최소 사각형에 대한 명암값 표준템플릿을 정의하고, 입력 영상에서 탐색된 최소 포함 사각형에 대하여 얼굴 영역 검증하는 방법을 제안하였다.

• The Journal of the Korea Contents Association
• /
• v.14 no.11
• /
• pp.7-15
• /
• 2014

This paper proposed a recognition algorithm of human facial expressions using the PCA and the template matching. Firstly, face image is acquired using the Haar-like feature mask from an input image. The face image is divided into two images. One is the upper image including eye and eyebrow. The other is the lower image including mouth and jaw. The extraction of facial components, such as eye and mouth, begins getting eye image and mouth image. Then an eigenface is produced by the PCA training process with learning images. An eigeneye and an eigenmouth are produced from the eigenface. The eye image is obtained by the template matching the upper image with the eigeneye, and the mouth image is obtained by the template matching the lower image with the eigenmouth. The face recognition uses geometrical properties of the eye and mouth. The simulation results show that the proposed method has superior extraction ratio rather than previous results; the extraction ratio of mouth image is particularly reached to 99%. The face recognition system using the proposed method shows that recognition ratio is greater than 80% about three facial expressions, which are fright, being angered, happiness.

• Journal of the Korea Society of Computer and Information
• /
• v.16 no.10
• /
• pp.93-100
• /
• 2011

The necessity of research on extracting information of face and facial components in animation characters have been increasing since they can effectively express the emotion and personality of characters. In this paper, we introduce a method to extract face and facial components of animation characters by defining a mesh model adequate for characters and by using dominant colors. The suggested algorithm first generates a mesh model for animation characters, and extracts dominant colors for face and facial components by adapting the mesh model to the face of a model character. Then, using the dominant colors, we extract candidate areas of the face and facial components from input images and verify if the extracted areas are real face or facial components by means of color similarity measure. The experimental results show that our method can reliably detect face and facial components of animation characters.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2002.11a
• /
• pp.240-243
• /
• 2002

In this paper, we propose a face region detection based on skin-color distribution and facial feature extraction algorithm in color still images. To extract face region, we transform color using general skin-color distribution. Facial features are extracted by edge transformation. This detection process reduces calculation time by a scale-down scanning from segmented region. we can detect face region in various facial Expression, skin-color deference and tilted face images.