한국인터넷방송통신학회논문지 (The Journal of the Institute of Internet, Broadcasting and Communication)

  • 제11권1호
  • /
  • Pages.185-191
  • /
  • 2011
  • /
  • 2289-0238(pISSN)
  • /
  • 2289-0246(eISSN)
한국인터넷방송통신학회 (The Institute of Internet, Broadcasting and Communication)
권호 표지
DOI QR코드

DOI QR Code

효율적인 얼굴 검출을 위한 지역적 켄텍스트 기반의 특징 추출

Local Context based Feature Extraction for Efficient Face Detection

  • 이필규 (인하대학교 컴퓨터공학과) ;
  • 서영철 (인하대학교 컴퓨터공학과) ;
  • 신학철 (인하대학교 컴퓨터공학과) ;
  • 심연 (인하대학교 컴퓨터공학과)
  • 투고 : 2010.11.23
  • 심사 : 2011.02.11
  • 발행 : 2011.02.28
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

최근들어 영상보안 시스템에 관한 관심이 높아지고 있다. 영상으로부터 객체를 검출하고, 객체가 사람인지를 판별하며, 인식하는 기술이 다방면으로 활용되고 있다. 따라서 본 논문에서는 이러한 객체를 검색하기 위한 적응적인 방법을 제안하며, 이를 위하여 지역적 컨텍스트 기반의 얼굴 특징 검출 방법을 제안한다. 가보 번치를 이용하여 검출하는 이와 함께 베이지안 검출 방법을 이용한 특징점 보정에 따른 특징 검색 방법을 설명한다. 전체적인 시스템은 영상에서 오브젝트 영역을 검색하고, 지역적 컨텍스트 기반의 얼굴 검출, 특징 추출 방법을 적용하여 시스템의 성능을 높인다.

Recently, the surveillance system is highly being attention. Various Technologies as detecting object from image than determining and recognizing if the object are person are universally being used. Therefore, In this paper shows detecting on this kind of object and local context based facial feather detection algorithm is being advocated. Detect using Gabor Bunch in the same time Bayesian detection method for revision to find feather point is being described. The entire system to search for object area from image, context-based face detection, feature extraction methods applied to improve the performance of the system.

키워드

참고문헌

  1. Danjjela Vukadinovic and Maja Pantic "Fully Automatic Facial Feature Point Detection Using Gabor Feature Based Boosted Classifiers," IEEE Conference on System, Man and Cybermetics 2005.
  2. Yi Zhou, Wei Zhang, Xiaoou Tang, and Harry hum "A Bayesian Mixture Model for ulti-view Face Alignment," IEEE Computer Society Conference on Computer Vision and Pattern Recognition 2005.
  3. K. Teknomo and G.-P. Gerilla,"Pedestrian Static Trajectory Analysis of a Hypermarket," Proceedings of the Eastern Asia Society for Transportation Studies, Vol.7, 2009.
  4. G. Lavee, M. Rudzsky, E. Rivlin, and A.Borzin, "Video Event Modeling and Recognition in Generalized Stochastic Petri Nets," IEEE Trans. CSVT. 20, No. 1, pp.102-118, 2010.
  5. V. Rabaud and S. Belongie, Counting Crowded Moving Objects, In Proc.Conference on Computer Vision and Pattern Recognition (CVPR'6), pp.705-711,2006.
  6. K. K. Sung and Tomaso Poggio, "Example-Based Learning for View-Based Human Face Detection," IEEE Transaction on Pattern Analysis and Machine Intelligence, Vol. 20, No.1, January 1998.
  7. C. Liu, "A Bayesian Discriminating Features Methods for Face Detection," IEEE Trans. Pattern Anal. mach. Intell., Vol. 25, pp.725-740, 2003. https://doi.org/10.1109/TPAMI.2003.1201822
  8. L. Wiskott, et al., "Face recognition by elastic bunch graph matching," IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 19, no. 7, pp. 775-779, 1997. https://doi.org/10.1109/34.598235
  9. Laurenz Wiskott, Jean-Marc Fellous and Christoph von der Malsburg, "Face Recognition by Elastic Bunch Graph Matching." Intelligent Biometric Techniques in Fingerprint and Face Recognition, eds. L.C. Jain et al., publ. CRC Press, Chapter 11, pp.355-396, 1999.
  10. Likas, A., Vlassis, N., and Verbeek, J.: 'The global k-means clustering algorithm," Pattern Recognit., 36, pp. 451-461, 2003. https://doi.org/10.1016/S0031-3203(02)00060-2