• 한국콘텐츠학회논문지
• /
• 제7권2호
• /
• pp.11-20
• /
• 2007

AAM은 얼굴 윤곽 검출에 잘 적용되어 왔으나 초기값에 민감하다는 특성을 가지고 있다. 본 논문에서는 점진적 AAM을 이용한 얼굴 윤곽 검출 방법을 제안한다. 제안한 방법은 얼굴 모델 구성 및 관계 추출 단계와 얼굴 윤곽 검출 단계의 2단계로 구성된다. 얼굴 모델 구성 및 관계 추출 단계에서는 먼저 얼굴 내부 영역만으로 구성된 얼굴 내부 AAM 모델 구성과 얼굴 전체 영역으로 구성된 얼굴 전체 AAM 모델 구성을 수행한 후에, 이후 얼굴 내부 AAM 모델 파라미터 벡터와 얼굴 전체 AAM 모델 파라미터 벡터간의 관계 행렬을 추출한다. 얼굴 윤곽 검출 단계는 2단계 절차로 수행된다. 먼저 새로 입력되는 얼굴 이미지에 대해 얼굴 내부 AAM 모델을 맞추어 얼굴 내부에 대한 특징 파라미터 벡터를 구한다. 이후 얼굴 모델 구성 및 관계 추출 단계에서 구한 관계 행렬과 첫 단계에서 구한 얼굴 내부 특징 파라미터 벡터를 이용하여 얼굴 전체 AAM 특징 파라미터 벡터에 대한 초기값을 추정하고 이를 이용하여 새로 입력되는 얼굴 이미지에 대해 얼굴 전체 AAM 모델을 맞추어 전체 얼굴 윤곽 검출을 수행한다. 실험을 통해 제안된 점진적 AAM 기반 얼굴 윤곽 검출 방법이 자세, 얼굴 배경 등에 대해 기존 기본 AAM 기반 얼굴 검출 방법보다 더 강인한 것으로 확인되었다.

• 대한전자공학회논문지SP
• /
• 제48권6호
• /
• pp.88-95
• /
• 2011

모바일 단말과 같은 임베디드 환경은 범용 컴퓨터에 비하여 연산 성능이 현저히 낮다. 따라서 기존 얼굴 및 추적 알고리즘은 모바일 환경에서 적용하기에는 복잡도가 높아 검출 시간이 오래 걸리기 때문에 모바일 단말에서의 실시간 적용에는 적합하지 않다. 모바일 단말에서 실시간 시선 추적은 사용자와 단말 간의 양방향 멀티미디어 서비스를 가능하게 함으로써 단방향 서비스에 비해 고품질의 서비스를 제공할 수 있게 된다. 따라서 모바일 환경에 최적화된 실시간 시선 추적 기법의 개발이 필요하다. 이에 본 논문에서는 지상파 3D DMB 컨텐츠의 품질 향상을 위하여 단말에서 사용자 얼굴의 수평 위치를 실시간으로 추적할 수 있는 기법을 제안한다. 본 논문에서 제안하는 방법은 에지의 방향성을 이용하여 얼굴의 좌/우 경계 지점을 추정하며 컬러 에지 정보에 의하여 얼굴의 수평 위치 및 크기를 최종적으로 판단한다. 소벨 연산 과정에서의 경사도 벡터를 수직 방향으로 크기 투영한 데이터에서 얼굴의 경계 후보 지점들이 선택되며 정확한 판단을 위하여 평활화 방법 및 탐색 방법을 제안하였다. 일반적인 얼굴 검출 알고리즘은 멀티스케일의 특징 벡터를 사용하기 때문에 모바일 환경에서는 검출 시간이 오래 걸리지만 본 알고리즘은 수평 위치 검출이라는 제약 조건 하에서의 단일 스케일에서의 검출 방법이므로 기존 얼굴 검출 방법에 비하여 빠른 검출이 가능하다.

• 한국지능시스템학회논문지
• /
• 제22권1호
• /
• pp.100-107
• /
• 2012

최근 지능형 범죄가 늘면서 첨단 보안 기술에 대한 요구가 점차 늘어나고 있다. 현재까지 보고된 위장한 얼굴의 검출방법은 실용화를 위하여 정확도 개선이 요구된다. 본 논문에서는 사람의 얼굴에 대하여 템플릿 매칭을 통한 유사도와 아다부스트를 사용한 얼굴 위장판별 시스템을 제안한다. 제안된 시스템은 먼저 다중 스케일 가버특징 벡터를 기반으로 눈의 위치를 찾은 후 템플릿 매칭을 통해서 눈에 대한 유사도를 측정하여 선글라스 착용여부를 판단하고 아다부스트를 사용한 코의 검출을 통하여 마스크 착용 여부를 판단한다. 실험을 통하여 본 논문에서 제안한 방법이 더욱 신뢰성 높은 위장 판별 시스템임을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제9권2호
• /
• pp.234-243
• /
• 2006

최근 급속한 HCI(Human-Computer Interaction) 및 감시 기술의 발달로, 얼굴영상을 처리하는 다양한 시스템들에 대한 관심이 높아지고 있다. 그러나 이런 얼굴영상을 처리하는 시스템들에 대한 연구는 주로 얼굴인식이나 얼굴 표정분석과 같은 분야에 집중되었고, 얼굴의 방향성 검출과 같은 분야에는 많은 연구가 수행되지 못하였다. 본 논문은 두 눈썹과 아래 입술로 구성된 얼굴삼각형(Facial Triangle)이라는 특징을 이용하여 얼굴의 방향성을 쉽게 측정하는 방법을 제안한다. 특히, 하나의 이미지만을 사용하여 얼굴의 수평 회전각과 수직 회전각을 구하는 간단한 공식을 소개한다. 수평회전각은 좌 우 얼굴삼각형간의 면적비율을 이용하여 계산하고, 수직회전각은 얼굴삼각형의 밑변과 높이 비율을 이용하여 계산한다. 실험을 통해, 제안하는 방법은 오차범위 ${\pm}1.68^{\circ}$ 내에서 수평회전각을 구할 수 있었고, 수직회전각은 회전각이 증가할수록 오류가 줄어드는 경향을 보여주었다.

• 한국멀티미디어학회논문지
• /
• 제11권12호
• /
• pp.1676-1687
• /
• 2008

In this paper, we proposed a new multi-view human recognition method based on face and gait features detection algorithm. For getting the position of moving object, we used the different of two consecutive frames. And then, base on the extracted object, the first important characteristic, walking direction, will be determined by using the contour of head and shoulder region. If this individual appears in camera with frontal direction, we will use the face features for recognition. The face detection technique is based on the combination of skin color and Haar-like feature whereas eigen-images and PCA are used in the recognition stage. In the other case, if the walking direction is frontal view, gait features will be used. To evaluate the effect of this proposed and compare with another method, we also present some simulation results which are performed in indoor and outdoor environment. Experimental result shows that the proposed algorithm has better recognition efficiency than the conventional sing]e view recognition method.

• 융합신호처리학회논문지
• /
• 제6권1호
• /
• pp.15-22
• /
• 2005

본 논문은 CCD 칼라 영상을 이용하여 얼굴을 인식할 수 있는 방법을 제안한다. YCbCr 컬러모델에서 피부색에 대한 색상 정보와 적응적인 피부범위 확장을 통하여 얼굴후보영역을 추출하였다. 추출된 얼굴후보영역을 이용하여 곡선전개 방식의 초기곡선으로 사용하여 얼굴영역을 정확히 추출하였다. 얼굴의 특징점을 추출하기 위하여 얼굴영역에서 칼라정보를 이용한 Eye Map과 Mouth Map을 이용하였다. Log-polar변환의 중심점을 얻기 위하여 검출된 얼굴의 특징점을 이용하였다. 특징벡터를 추출하기 위하여 DCT, 웨이브렛 변환을 통하여 추출한 계수들을 이용하였다. 제안된 방법의 타당성을 검토하기 위하여 BP 학습알고리즘을 사용하는 신경망에서 얼굴인식을 수행하였다. 실험결과, 제안한 방법이 입력영상의 회전, 크기변화에 대하여 기존의 방법에 비하여 강인한 인식결과를 얻을 수 있었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권1호
• /
• pp.43-48
• /
• 2013

Adaboost 알고리즘은 얼굴인식을 위한 Haar-like feature들을 이용하기 위해 가장 널리 쓰이고 있는 알고리즘이다. 매우 빠르며 효율적인 성능을 보이고 있으며 하나의 모델이미지가 존재하는 단일분포 데이터에 대해 매우 효율적이다. 그러나 정면 얼굴과 측면 얼굴을 혼합한 인식 등 둘 이상의 모델이미지를 가진 다중 분포모델에 대해서는 그 성능이 저하된다. 이는 단일 학습 알고리즘의 선형결합에 의존하기 때문에 생기는 현상이며 그 응용범위의 한계를 지니게 된다. 본 연구에서는 이를 해결하기 위한 제안으로서 Decision Tree를 Harr-like Feature와 결합하는 기법을 제안한다. Decision Tree를 사용 함으로서 보다 넓은 분야의 문제를 해결하기 위해 기존의 Decision Tree를 Harr-like Feature에 적합하도록 개선한 HDCT라고 하는 Harr-like Feature를 활용한 Decision Tree를 제안하였으며 이것의 성능을 Adaboost와 비교 평가하였다.

• 정보보호학회논문지
• /
• 제21권1호
• /
• pp.85-91
• /
• 2011

영화, 드라마와 같은 비디오에서 등장하는 인물을 검출하고 인식하는 기술은 일반 사용자를 대상으로 PVR(personal video recorder), 모바일 폰과 멀티미디어 공급자를 위한 얼굴 영상의 데이터베이스 관리와 같은 응용분야에 이용될 수 있다. 본 논문에서는 비디오 등장인물을 자동으로 검색하는 얼굴검출 기법을 제안한다. 본 논문에서 제안한 얼굴검출 기법은 크게 세 단계로 구성하였다. 첫 번째, 정지 영상을 생성한 후 장면전환점 검출단계, 두 번째, 색상정보를 이용한 얼굴검출 단계, 마지막으로 얼굴영역을 이용한 얼굴 특징점 검출단계로 구성하였다. 실험결과 다양한 환경에서 성공적으로 얼굴을 검출하였으며, 기존의 색상정보를 이용한 얼굴 검출기법보다 성능이 개선된 것을 확인할 수 있었다.

• 한국통신학회논문지
• /
• 제38A권6호
• /
• pp.486-491
• /
• 2013

본 논문은 객체검출(object detection)에 사용되는 분류기의 학습을 위한 빠르고 효율적인 Haar-like feature 선택 알고리듬을 제안한다. 기존 AdaBoost를 이용한 Haar-like feature 선택 알고리듬은 학습 샘플들에 대한 피쳐의 에러만을 고려하여 형태적으로 유사하거나 중복되는 피쳐가 선택되는 경우가 많았다. 제안하는 알고리듬은 피쳐의 형태와 피쳐간의 거리로부터 피쳐의 유사도를 계산하고 이미 선택된 피쳐와 유사도가 큰 피쳐들을 피쳐 세트에서 제거하여 빠르고 효율적인 피쳐 선택이 이루어지도록 하였다. FERET 얼굴 데이터베이스를 사용하여 제안된 알고리듬을 사용하여 학습시킨 분류기와 기존 알고리듬을 사용한 분류기의 성능을 비교하였다. 실험 결과 제안한 피쳐 선택 방법을 사용하여 학습시킨 분류기가 기존 방법을 사용한 분류기보다 향상된 성능을 보였으며, 동일한 성능을 갖도록 학습시켰을 경우 분류기의 피쳐 수가 20% 감소하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2002년도 춘계종합학술대회
• /
• pp.134-138
• /
• 2002

The human faces do not have distinct features unlike other general objects. In general the features of eyes, nose and mouth which are first recognized when human being see the face are defined. These features have different characteristics depending on different human face. In this paper, We propose a face recognition algorithm using the hidden Markov model(HMM). In the preprocessing stage, we find edges of a face using the locally adaptive threshold scheme and extract features based on generic knowledge of a face, then construct a database with extracted features. In training stage, we generate HMM parameters for each person by using the forward-backward algorithm. In the recognition stage, we apply probability values calculated by the HMM to input data. Then the input face is recognized by the euclidean distance of face feature vector and the cross-correlation between the input image and the database image. Computer simulation shows that the proposed HMM algorithm gives higher recognition rate compared with conventional face recognition algorithms.