Abstract
In this paper an extension to an original active shape model(ASM) for facial feature extraction is presented. The original ASM suffers from poor shape alignment by aligning the shape model to a new instant of the object in a given image using a simple similarity transformation. It exploits only informations such as scale, rotation and shift in horizontal and vertical directions, which does not cope effectively with the complex pose variation. To solve the problem, new shape alignment with 6 degrees of freedom is derived, which corresponds to an affine transformation. Another extension is to speed up the calculation of the Mahalanobis distance for 2-D profiles by trimming the profile covariance matrices. Extensive experiment is conducted with several images of varying poses to check the performance of the proposed method to segment the human faces.
본 논문에서는 ASM(active shape model)의 성능을 향상시키기 위하여 형태(shape) 정렬 방법과 이차원 특징벡터 추출 방법을 제안한다. 기존 알고리즘은 입력 이미지의 중간 검출 랜드마크와 기준 모델 간의 정렬을 위하여 스케일, 회전, 이동 정보 만을 이용한다. 하지만 위의 평면적인 정보 만으로는 얼굴과 같이 입체적인 물체의 포즈 변화나 삼차원적인 움직임 등을 제대로 반영할 수 없다. 이를 개선하기 위하여 자유도를 증가시킴으로써 형태의 복잡한 변화에 보다 강인한 형태정렬 방식을 제안한다. 또한, 멀티스케일로 이차원 프로파일을 구하고 이들의 공분산 행렬을 trimming하여 검출속도를 향상시키는 방법을 제안한다. 비교적 다양한 포즈로 촬영한 얼굴 이미지 데이터베이스를 이용하여 제안 알고리즘의 형태 검출 성능을 확인한다.