The Journal of Korean Institute of Communications and Information Sciences (한국통신학회논문지)

The Korean Institute of Commucations and Information Sciences (한국통신학회)
권호 표지
DOI QR코드

DOI QR Code

Improved face detection method at a distance with skin-color and variable edge-mask filtering

피부색과 가변 경계마스크 필터를 이용한 원거리 얼굴 검출 개선 방법

  • 이동수 (대구대학교 정보통신공학부) ;
  • 염석원 (대구대학교 정보통신공학부) ;
  • 김신환 (대구대학교 정보통신공학부)
  • Received : 2011.12.22
  • Accepted : 2012.01.27
  • Published : 2012.02.29
Download PDF
⟨ Previous Next ⟩

Abstract

Face detection at a distance faces is very challenging since images are often degraded by blurring and noise as well as low resolution. This paper proposes an improved face detection method with AdaBoost filtering and sequential testing stages with color and shape information. The conventional AdaBoost filter detects face regions but often generates false alarms. The face detection method is improved by adopting sequential testing stages in order to remove false alarms. The testing stages comprise skin-color test and variable edge-mask filtering. The skin-color filtering is composed of two steps, which involve rectangular window regions and individual pixels to generate binary face clusters. The size of the variable edge-mask is determined by the ellipse which is estimated from the face cluster. The validation of the horizontal and vertical ratio of the mask is also investigated. In the experiments, the efficacy of the proposed algorithm is proved by images captured by a CCTV and a smart-phone

원거리에서의 획득한 영상은 해상도가 낮고 블러링과 잡음에 의한 영향이 크다. 이러한 문제점들은 얼굴 검출 과정에서 보다 많은 오류영역을 산출할 수 있다. 본 논문에서는 AdaBoost 필터와 얼굴의 색상과 외형 정보를 이용한 순차적인 검증 단계를 적용한 얼굴 검출 방법을 제안한다. AdaBoost 방법으로 검출된 오류(false alarm)는 피부색 필터와 가변 경계마스크 필터로 순차적으로 제거된다. 피부색 필터는 사각 윈도우 영역과 화소 별로 적용되는 두 단계로 구성되어 최종적으로 이진 얼굴 클러스터 영상을 구성한다. 기존의 고정된 경계마스크 필터의 단점을 해결하기 위하여 얼굴 클러스터영역에 부합하는 타원을 추정하여 경계마스크의 크기를 산출하고 가로-세로 비율의 적정성을 검토한다. 실험에서는 CCTV와 스마트 폰으로 획득한 영상을 이용하여 제안된 얼굴 검출 방법이 원거리에서 획득한 영상의 얼굴 검출에 효과적임을 보인다.

Keywords

References

  1. W. Zhao, R. Chellappa, P. J. Phillips, and A. Rosenfeld, "Face recognition : a literature survey," ACM Computing Surveys, 35(4), pp. 399-458, December, 2003. https://doi.org/10.1145/954339.954342
  2. S. C. Park, M. K. Park, and M. G. Kang, "Super-resolution image reconstruction: a technical overview," IEEE Signal processing magazine, 20(3), pp. 21-36, May, 2003. https://doi.org/10.1109/MSP.2003.1203207
  3. S. Farsui, M. Elad, and P. Milanfar, "Video-to-video dynamic super-resolution for grayscale and color sequences," EURASIP Journal of Applied Signal Processing, pp. 1-15, January, 2006.
  4. P. Viola and M. J. Jones, "Robust real-time face detection," International Journal of Computer Vision, 57, pp. 137-154, May, 2004. https://doi.org/10.1023/B:VISI.0000013087.49260.fb
  5. M. H. Yang, D. J. Kriegman, and N. Ahuja, "Detecting faces in images: a survey," IEEE Trans, pattern Analysis and Machine Intelligence, 24, pp. 34-58, January, 2002. https://doi.org/10.1109/34.982883
  6. R. Vincenzo and U. Lisa, "An improvement of AdaBoost for face-detection with motion and color information," 14th International Conference on Image Analysis and Processing, ICIAP 2007, pp. 518-523, September, 2007.
  7. Y.-W Wu and X.-Y Ai, "Face detection in color images using AdaBoost algorithm based on skin color information," Knowledge Discovery and Data Mining, WKDD 2008, pp. 339-342, January, 2008.
  8. 김정현, 등죽, 김진영, 강동중, "혼합 약한 분류기를 이용한 AdaBoost 알고리즘의 성능 개선방법," 제어.로봇.시스템학회 논문지, 15(5), pp. 457-464, 5월, 2009.
  9. J. Kovac, P. Peer, and F. Solina, "Human skin color clustering for face detection," EUROCON 2003. Computer as a Tool. The IEEE Region 8, 2, pp. 144-148, September, 2003.
  10. 김지성, 정지훈, 안명성, "원거리 CCTV에서 촬영된 저해상도 영상의 얼굴인식," 2010년도 신호처리합동학술대회 논문집, 23(1), pp. 367-369, 10월, 2010.
  11. R. C. Gonzalez, Digital Image Processing 2/E (Prentice-Hall Inc., 2003).
  12. C. Bishop, Pattern recognition and machine learning, (Springer, 2006).