Journal of the Institute of Electronics Engineers of Korea CI (전자공학회논문지CI)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Eye Detection Using Texture Filters

질감 필터를 이용한 눈 검출

  • Park, Chan-Woo (Dept. of Comp. Sci. and Eng., Hanyang University) ;
  • Kim, Yong-Min (Dept. of Comp. Sci. and Eng., Hanyang University) ;
  • Park, Ki-Tae (Ambient Intelligence Software Team, Institute of Hanyang BK21, Hanyang University) ;
  • Moon, Young-Shik (Dept. of Comp. Sci. and Eng., Hanyang University)
  • 박찬우 (한양대학교 컴퓨터공학과) ;
  • 김용민 (한양대학교 컴퓨터공학과) ;
  • 박기태 (한양대학교 BK21 엠비언트인텔리전스소프트웨어팀) ;
  • 문영식 (한양대학교 컴퓨터공학과)
  • Published : 2009.11.25
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we propose a novel method for eye detection using two texture filters considering textural and structural characteristics of eye regions. The human eyes have two characteristics: 1) the eyes are horizontally long and 2) the pupas are of circular shapes. By considering these two characteristics of human eyes, two texture filters are utilized for the eye detection. One is Gabor filter for detecting eye shapes in horizontal direction. The other is ART descriptor for detecting pupils of circular shape. In order to effectively detect eye regions, the proposed method consists of four steps. The first step is to extract facial regions using AdaBoost method. The second step is to normalize the illumination by considering local information. The third step is to estimate candidate regions for eyes, by merging the results from two texture filters. The final step is to locate exact eye regions by using geometric information of the face. As experimental results, the performance of the proposed method has been improved by 2.9~4.4%, compared to the existing methods.

본 논문에서는 눈 영역의 질감 및 구조적 특성을 고려한 두 가지 질감 필터들을 이용하여 눈 영역을 효과적으로 검출하는 방법을 제안한다. 인간의 눈 형태는 외형적으로 수평 방향으로 길고, 원형의 눈동자로 구성된 구조적 특성을 갖고 있다. 이 두가지 특성을 효율적으로 기술하는 질감 필터(Texture Filters)들로서 가보 필터(Gabor Filter)와 ART 기술자(Descriptor)가 사용된다. 가보 필터는 방향성 정보를 포함하고 있기 때문에, 수평 방향의 눈 형태 특성을 효과적으로 검출할 수 있다. 그리고 ART 기술자는 원형 모양의 특성을 갖는 눈동자를 검출하기 위해 사용되어진다. 본 논문에서는 효과적인 눈 영역을 검출하기 위하여, 첫 번째 단계에서 AdaBoost 분류기를 이용하여 얼굴 영역을 검출한다. 두 번째 단계는 검출된 얼굴 영역에 대해서 지역적인 조명 정규화 과정을 수행한다. 세 번째 단계에서는 두 가지의 질감 필터들을 이용하여 수평 방향과 원형 형태의 구조적 특성을 갖는 눈 후보영역을 검출하고, 마지막 단계에서는 검출된 눈 후보영역들 중에서 얼굴의 구조적인 특성을 가장 잘 표현하는 영역을 최적화된 눈 영역으로 추출한다. 제안한 알고리즘의 성능을 실험적으로 확인한 결과, 제안된 눈 검출 방법은 기존의 방법에 비해 정확률에서 2.9~4.4%의 향상된 검출 결과를 보인다.

Keywords

References

  1. R. Brunelli and T. Poggio, 'Face recognition: features versus templates,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 15, no. 10, pp. 1042-1052, Oct. 1993 https://doi.org/10.1109/34.254061
  2. D. Beymer, 'Face recognition under varying pose,' in Proc. of IEEE Conf. on Computer Vision and Pattern Recognition, pp. 756-761, Seattle, Wash., 1994
  3. Z. H. Zhou and X. Geng, 'Projection functions for eye detection,' Pattern Recognition, Vol. 37, no. 5, pp. 1049-1056, 2004 https://doi.org/10.1016/j.patcog.2003.09.006
  4. J. Wang and L. Yin, 'Detecting and tracking eyes through dynamic terrain feature matching,' in Proc. of IEEE Conf. on Computer Vision and Pattern Recognition, pp. 78, June 2005
  5. R. L. Hsu, M. Abdel-Mottaleb, and A. K. Jain, 'Face detection in color images,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 24, no. 5, pp. 696-706, May 2002 https://doi.org/10.1109/34.1000242
  6. P. Viola and M. Jones, 'Rapid object detection using a boosted cascade of simple features,' in Proc. of IEEE Conf. on Computer Vision and Pattern Recognition, pp. 511-518, 2001
  7. R. E. Schapire, Y. Freund, P. Bartlett, and W. S. Lee, 'Boosting the margin: a new explanation for the effectiveness of voting methods,' Ann. Stat., Vol. 26, No. 5, pp. 1651-1686, 1998 https://doi.org/10.1214/aos/1024691352
  8. R. E. Schapire, 'The boosting approach to machine learning an overview,' in Proc. of the MSRI Workshop on Nonlinear Estimation and Classification, 2002
  9. 성욱, '얼굴의 geometry 특성과 다중 해상도 특징 추출을 이용한 얼굴 영역 검출,' 홍익대학교 전기. 정보. 제어공학과 석사학위논문, 2004.
  10. J. G. Daugman, 'Complete discrete 2-d gabor transforms by neural networks for image analysis and compression,' IEEE Trans. Acoustics, Speech, and Signal processing, Vol. 36, no. 7, pp. 1169-1179, July 1988 https://doi.org/10.1109/29.1644
  11. T. S. Lee, 'Image representation using 2d gabor wavelets,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 18, no. 10, pp. 959-971, Oct. 1996 https://doi.org/10.1109/34.541406
  12. G. Naghdy, J. Wang, and P. Ogunbona, 'Texture analysis using gabor wavelets,' in Proc. of the IS&T/SPIE Symposium on Electronic Imaging, Vol. 2657-10, pp. 74-85, San Jose, USA, Jan. 1996 https://doi.org/10.1117/12.238703
  13. B. S. Manjunath, P. Salembier, and T. Sikora, 'Introduction to MPEGd : multimedia content description interface,' Willy, pp. 238, 2002.
  14. C. W. Park, J. M. Kwak, H. Park, and Y. S. Moon, 'An effective method for eye detection based on texture information,' in Proc. of the International Conf. on Convergence Information Technology, pp. 586-589, 2007
  15. M. J. Lyons, J. Budynek and S. Akamatsu, 'Automatic classification of single facial images,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 21, No. 12, pp. 1357-1362, December 1999 https://doi.org/10.1109/34.817413
  16. W. Gao, B. Cao, S. G. Shan, D. L. Zhou, X. H. Zhang and D. B. Zhao, 'The CAS-PEAL large-scale chinese face database and evaluation protocols,' Technical Report No. JDL-TR_ 04_FR_001, Beijing: Joint Research & Development Laboratory, the Chinese Academy of Sciences, 2004
  17. 박찬우, 박현, 문영식, '텍스처 기반의 눈 검출 기법,' 제27회 한국정보처리학회 춘계학술발표대회 논문집, 제14권, 제1호, pp. 315-318, 2007
  18. The Champion Dataset, http://www.libfind.unl.edu/alumni/events/breakfast_for_champions.htm
  19. 김상훈, 정선태, 정수환, 조성원, '다중 해상도 가버 특징 벡터를 이용한 강인한 눈 검출,' 전자공학회논문지, 제45권, CI편, 제1호, pp. 25-36, 2008