• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권7호
• /
• pp.548-559
• /
• 2009

Viola와 Jones가 제안한 에이다부스트 얼굴 검출기는 속도와 정확도면에서 매우 훌륭한 성능을 보이고 있는 얼굴 검출기이다. 하지만 에이다부스트 얼굴 검출기에도 여전히 오검출이 발생하며, 이를 줄이기 위해서는 더욱 많은 계산이 필요하다. 에이다부스트 얼굴 검출기는 흑백 영상만을 사용하므로, 색상정보를 사용하면 더 적은 연산으로 오검출율을 낮출 수 있다. 본 논문은 얼굴 색상 정보를 이용하여 대상 영상에서 부 윈도우를 효율적으로 검색하고, 에이다부스트 얼굴 검출기의 첫 단계에 계산속도가 매우 빠른 얼굴 색상을 이용한 얼굴/비얼굴 분류기를 채용하여 더 빠른 얼굴 검출 속도와 더 낮은 오검출율을 달성할 수 있는 단계별 얼굴 검출 모텔을 제안하였다. 얼굴색상 필터링을 위해 정의된 얼굴색상 소속함수를 이용하여 얼굴색상 필터 영상과 그 누적영상을 계산한다. 누적 영상에 의해 빠른 속도로 임의의 부 윈도우의 밀도를 계산할 수 있다. 제안된 검색 방법은 이 색상 밀도에 기반하여 얼굴일 가능성이 없는 부 윈도우들을 생략하게 된다. 그리고 부 윈도우의 밀도를 이용한 얼굴/비얼굴 분류기는 단계별 얼굴 검출기의 앞단에서 얼굴이 아닌 부 윈도우를 빠르게 거절한다. 제안된 얼굴 검출 모델은 적은 계산으로 오검출율을 낮출 수 있었으며, 실시간 얼굴 검출 속도를 비약적으로 향상시킬 수 있었다.

• 한국지능시스템학회논문지
• /
• 제26권1호
• /
• pp.70-75
• /
• 2016

머신비전을 사용하여 사람의 얼굴을 인식하는 다양한 연구가 진행되고 있다. 머신비전은 기계에 시각을 부여하여 이미지를 분류 혹은 분석하는 기술을 의미한다. 본 논문에서는 이러한 머신비전 기술을 적용한 얼굴을 분류하는 알고리즘을 제안한다. 이 얼굴 분류 알고리즘을 구현하기 위해 컨볼루셔널 신경망(Convolution neural network)과 Cascade 안면 검출기를 사용하였고, 피험자들의 얼굴을 분류하였다. 구현한 얼굴 분류 알고리즘의 학습을 위해 한 피험자 당 이미지 2,000장, 3,000장, 40,00장을 10회와 20회 컨볼루셔널 신경망에 각각 반복하여 학습과 분류를 진행하였고, 학습된 컨볼루셔널 신경망과 얼굴 분류 알고리즘의 실효성을 테스트하기 위해 약 6,000장의 이미지를 분류하였다. 또한 USB 카메라 영상을 실험 데이터로 입력받아 실시간으로 얼굴을 검출하고 분류하는 시스템을 구현하였다.

• 제어로봇시스템학회논문지
• /
• 제22권3호
• /
• pp.241-246
• /
• 2016

Nowadays many people have an interest in facial expression and the behavior of people. These are human-robot interaction (HRI) researchers utilize digital image processing, pattern recognition and machine learning for their studies. Facial feature point detector algorithms are very important for face recognition, gaze tracking, expression, and emotion recognition. In this paper, a cascade facial feature point detector is used for finding facial feature points such as the eyes, nose and mouth. However, the detector has difficulty extracting the feature points from several images, because images have different conditions such as size, color, brightness, etc. Therefore, in this paper, we propose an algorithm using a modified cascade facial feature point detector using a convolutional neural network. The structure of the convolution neural network is based on LeNet-5 of Yann LeCun. For input data of the convolutional neural network, outputs from a cascade facial feature point detector that have color and gray images were used. The images were resized to $32{\times}32$. In addition, the gray images were made into the YUV format. The gray and color images are the basis for the convolution neural network. Then, we classified about 1,200 testing images that show subjects. This research found that the proposed method is more accurate than a cascade facial feature point detector, because the algorithm provides modified results from the cascade facial feature point detector.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2007년도 하계종합학술대회 논문집
• /
• pp.339-340
• /
• 2007

Face detection plays an important role in HCI and face recognition. In this paper, we propose a rotation-invariant real-time face detection algorithm for color images in complex background. It consists of four processing step: (1) motion detection, (2) skin color region filler, (3) Eyemap detector for rotated face, and (4) Adaboost face classifier. This system has been tested in in-door environments, such as office and achieves over 95% detection rate.

• 대한전자공학회논문지SD
• /
• 제44권4호
• /
• pp.43-54
• /
• 2007

본 논문에서는 실시간 처리를 위한 얼굴 검출 알고리즘의 하드웨어 엔진을 설계하고 검증하였다. 얼굴 검출 알고리즘은 주어진 이미지에서 학습된 얼굴의 특징데이터를 통하여 얼굴의 대략적인 위치를 찾는 연산을 수행한다. 얼굴 검출 알고리즘을 하드웨어 구조로 설계하기 위해 Integral Image Calculator, Feature Coordinate Calculator, Feature Difference Calculator, Cascade Calculator, Window Detector 등의 5 단계로 구조를 나누었으며, On-Chip Integral Image memory 와 Feature Parameter Memory를 설계하였다. 삼성전자의 S3C2440A 프로세서 칩과 Xilinx사의 Virtex4LX100을 이용하여 검증 플랫폼을 구축하고, CCD카메라를 통하여 실제 얼굴의 영상을 받아들여 얼굴 검출을 실시간으로 구동시켜 검증하였다. 설계된 하드웨어는 Virtex4LX100 FPGA를 타겟으로 합성 시에 3,251 LUTs 를 사용하고, 24MHz의 동작 속도에서 검색 윈도우의 이동 간격에 따라 프레임 당 1.96$\sim$0.13 초의 실행속도를 가진다. 그리고 매그나칩 0.25um ASIC 공정으로 제작 시 41만 게이트 (Combinational area 약 34.5만 게이트, Noncombinational area 약 6.5만 게이트)의 크기를 가지며, 100MHz의 동작 속도에서 프레임 당 0.5초 미만의 실행 속도로, 임베디드 시스템의 실시간 얼굴 검출 솔루션에 적합함을 보여준다. 실제 XF1201칩의 일부 모듈로 구현되어 동작함이 확인되었다.