• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 춘계학술대회
• /
• pp.477-480
• /
• 2018

Viola와 Jones의 객체 검출 알고리즘은 대표적인 얼굴 검출 알고리즘이다. 알고리즘은 얼굴 표현을 위해 하르-유사 특징들을 사용하고 분류를 위해 약분류기들의 선형 조합인 강분류기들로 구성된 cascade-Adaboost 알고리즘을 사용하고 있다. 이 알고리즘은 구현을 위해 몇 개의 변수 설정을 요구하고 설정된 값들이 알고리즘 성능에 영향을 준다. 본 논문은 알고리즘에 설정되는 변수에 따른 얼굴 검출 성능을 분석한다.

• 한국컴퓨터정보학회논문지
• /
• 제15권2호
• /
• pp.55-64
• /
• 2010

본 논문은 수행시간이 빠르면서 효율성이 높은 새로운 Free Rectangle 특징을 사용한 Adaboost 알고리즘 기반 얼굴 검출 방법을 제안한다. 제안하는 Free Rectangle 특징은 동일한 면적의 분리가 가능한 두 개의 사각형으로 구성된 마스크로부터 정의된다. Haar-like 특징은 다양성을 높이기 위해 일반적으로 두 개 이상의 사각 영역으로 구성한 복잡한 마스크 구조를 갖는다. 하지만, 제안하는 특징 마스크는 두 사각형이 특징 윈도우 안에 놓이는 위치와 크기에 따라 효율성이 좋은 다양한 특징을 얻을 수 있다. 또한 제안하는 특징은 일반 Haar-like 특징과 달리 마스크 형태에 상관없이 두 사각 영역의 화소 합의 차만 계산함으로 수행 시간을 크게 줄일 수 있다. 실세계 영상에서 제안하는 Adaboost 알고리즘 기반 얼굴 검출 기법은 빠른 검출 속도와 높은 검출 결과를 보여 학습 데이터만을 바꿔 다른 물체 검출에도 쉽게 적용이 가능하다.

• 한국멀티미디어학회논문지
• /
• 제16권8호
• /
• pp.927-933
• /
• 2013

OpenCV (Open Computer Vision)에서 제공하는 얼굴 인식 알고리즘에서는 Haar 특징(Haar feature)들과 대상 영상의 정합 과정인 Haar 매칭 (Haar Matching)을 통하여 얼굴을 검출하는데, 이때 Haar 특징들은 정면 얼굴로 구성된 훈련 영상을 통해 학습된다. 따라서 OpenCV의 얼굴 검출 방법은 정면 얼굴에 대해서는 높은 얼굴 검출율을 보이지만, 정면을 응시하지 않거나 얼굴의 형태가 변형된 경우에는 얼굴을 정확하게 검출하지 못하는 경우가 빈번히 발생한다. 본 논문에서는 측면 얼굴 혹은 형태가 변형된 얼굴에서도 컬러 히스토그램의 분포 특성은 유사하다고 가정하고, 히스토그램 패턴 매칭(histogram pattern matching)을 이용한 얼굴 검출 방법을 제안한다. 제안한 방법에서는 Haar 매칭 오류가 발생한 프레임에 대하여, 정확하게 검출된 이전 프레임의 얼굴 영역에 대한 히스토그램 패턴 매칭을 통하여 가장 유사한 히스토그램 분포를 갖는 영역을 얼굴로 인식한다. 제안한 방법의 얼굴 검출 알고리즘의 성능을 평가하기 위한 모의실험에서 제안한 얼굴 검출 방법이 OpenCV보다 얼굴 검출율이 8% 정도 향상됨을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 춘계학술대회
• /
• pp.675-678
• /
• 2018

얼굴은 사람을 확인할 수 있는 고유한 성질을 갖고 있어 얼굴 인식이 출입통제, 범죄자 검색, 방법용 CCTV 같은 보안 영역과 본인 인증 영역에 활발히 활용되고 있다. 정면 얼굴 영상은 가장 많은 얼굴 정보를 갖고 있어 얼굴 인식을 위해 가능한 정면 얼굴 영상을 취득하는 것이 필요하다. 본 연구에서 하르유사 특징을 이용한 Adaboost 알고리즘을 이용해 얼굴 영역이 검출되고 mean-shift 알고리즘을 이용해 얼굴을 추적한다. 그리고 얼굴 영역에서 눈과 입 같은 얼굴 요소들의 특징점들을 추출해 그들의 기하학적인 정보를 이용해 두 눈의 비와 얼굴의 회전 정도를 계산하고 실시간으로 근사 정면 얼굴 영상을 제시한다.

• 방송공학회논문지
• /
• 제20권3호
• /
• pp.421-429
• /
• 2015

이 논문은 적외선 영상을 이용하여 보행자를 검출하고 추적하는 방법에 관한 것이다. 영상기반 보행 검출 및 추적 처리 속도를 개선하기 위하여 병렬처리언어인 CUDA(Computer Unified Device Architecture)를 활용한다. 보행자 검출은 하르 유사 특징을 기반으로 Adaboost 알고리즘을 적용한다. Adaboost 분류는 적외선 영상으로 제작한 데이터셋을 이용하여 훈련한다. Adaboost 분류기로 보행자를 검출한 후, HSV 히스토그램을 특징점으로 파티클 필터를 이용하여 보행자를 추적하는 방법을 제안한다. 제안하는 검출 및 추적 방법을 Linux 환경에서 소프트웨어를 개발할 수 있는 NVIDIA의 Jetson TK1 개발보드 상에 구현하였다. 이 논문에서는 보행자 검출 및 추적을 CUDA 개발환경인 GPU를 이용하여 병렬처리한 결과를 나타내었다. GPU를 이용한 보행자 검출과 추적 처리 속도가 CPU 처리속도에 비하여 약 6 배 빠른 것을 확인할 수 있다.

• 한국정보통신학회논문지
• /
• 제22권10호
• /
• pp.1334-1339
• /
• 2018

Viola & Jones의 얼굴 검출 알고리즘은 대표적인 얼굴 검출 알고리즘으로 매우 우수한 얼굴 검출 성능을 보인다. 그러나 많은 얼굴을 포함하는 영상들을 대상으로 한 Viola & Jones 알고리즘은 얼굴의 다양성으로 미검출 얼굴들, 가짜 얼굴들과 중복 검출된 얼굴들 같은 잘못 검출된 얼굴들을 발생시킨다. 본 논문은 Viola & Jones 알고리즘에서 생성된 잘못 검출된 얼굴들을 제거하는 얼굴 검증 알고리즘을 이용한 개선된 얼굴 검출 알고리즘을 제안한다. 제안된 얼굴 검증 알고리즘은 검출된 얼굴들에 대한 크기, 지정된 영역의 피부색, 눈과 입에서 발생된 에지, 중복 검출을 평가하여 얼굴이 유효한지를 확인한다. Viola & Jones 알고리즘에 의해 검출된 658개의 얼굴 영상들을 대상으로 한 얼굴 검증 실험에서 제안된 얼굴 검증 알고리즘은 실제 사람들에 의해 생성된 모든 얼굴 영상들을 검증하는 것을 보여준다.

• 한국정보통신학회논문지
• /
• 제25권7호
• /
• pp.896-902
• /
• 2021

회전된 얼굴 검출은 많은 응용 분야에서 필요하지만 회전에 따른 얼굴 모양의 큰 변화로 인해 여전히 어려운 분야이다. 이 논문에서는 회전의 영향을 받지 않는 극좌표 변환 방법과 변환된 영상을 이용하여 회전얼굴을 효과적으로 검출하는 방법이 제안되었다. 제안한 극좌표계 변환 방법은 회전 각도와 무관하게 눈, 입 등과 같은 얼굴 구성 요소들의 위치가 항상 유지되기 때문에 얼굴 구성요소들 간의 공간 정보가 유지되며, 이로 인해 회전 효과가 제거된다. 극좌표계 변환된 영상을 정면 얼굴 검출에 사용되는 AdaBoost를 이용하여 학습하고 회전 얼굴을 검출하였다. 비얼굴 영상을 LBP를 이용하여 학습하고 검출한 얼굴을 검증하였다. BioID 데이터베이스에 있는 영상을 회전하여 얻은 3600개 얼굴영상에 대한 실험 결과 96.17%의 회전얼굴 검출률을 얻었다. 또한, 다수의 회전 얼굴이 포함된 배경이 있는 영상에서 회전 얼굴들을 정확하게 검출하였다.

• 한국지능시스템학회논문지
• /
• 제20권6호
• /
• pp.806-813
• /
• 2010

표정은 사람의 감정을 표현하는 대표적인 수단이다. 이러한 이유로 표정은 사람의 의도를 컴퓨터에 전하는데 효과적인 방법으로 사용될 수 있다. 본 논문에서는 2D 영상에서 사람의 표정을 보다 빠르고 정확하게 인식하기 위해 Discrete Adaboost 알고리즘과 신경망 알고리즘을 통합하는 방법을 제안한다. 1차로 Adaboost 알고리즘으로 영상에서 얼굴의 위치와 크기를 찾고, 2차로 표정별로 학습된 Adaboost 강분류기를 이용하여 표정별 출력 값을 얻으며, 이를 마지막으로 Adaboost 강분류기 값으로 학습된 신경망 알고리즘의 입력으로 이용하여 최종 표정을 인식한다. 제안하는 방법은 실시간이 보장된 Adaboost 알고리즘의 특성과 정확성을 개선하는 신경망 기반 인식기의 신뢰성을 적절히 활용함으로서 전체 인식기의 실시간성을 확보하면서도 정확성을 향상시킨다. 본 논문에서 구현된 알고리즘은 평온, 행복, 슬픔, 화남, 놀람의 5가지 표정에 대해 평균 86~95%의 정확도로 실시간 인식이 가능하다.