Abstract
Face detection algorithm of OpenCV recognizes the faces by Haar matching between input image and Haar features which are learned through a set of training images consisting of many front faces. Therefore the face detection method by Haar matching yields a high face detection rate for the front faces but not in the case of the pan and deformed faces. On the assumption that distributional characteristics of color histogram is similar even if deformed or side faces, a face detection method using the histogram pattern matching is proposed in this paper. In the case of the missed detection and false detection caused by Haar matching, the proposed face detection algorithm applies the histogram pattern matching with the correct detected face area of the previous frame so that the face region with the most similar histogram distribution is determined. The experiment for evaluating the face detection performance reveals that the face detection rate was enhanced about 8% than the conventional method.
OpenCV (Open Computer Vision)에서 제공하는 얼굴 인식 알고리즘에서는 Haar 특징(Haar feature)들과 대상 영상의 정합 과정인 Haar 매칭 (Haar Matching)을 통하여 얼굴을 검출하는데, 이때 Haar 특징들은 정면 얼굴로 구성된 훈련 영상을 통해 학습된다. 따라서 OpenCV의 얼굴 검출 방법은 정면 얼굴에 대해서는 높은 얼굴 검출율을 보이지만, 정면을 응시하지 않거나 얼굴의 형태가 변형된 경우에는 얼굴을 정확하게 검출하지 못하는 경우가 빈번히 발생한다. 본 논문에서는 측면 얼굴 혹은 형태가 변형된 얼굴에서도 컬러 히스토그램의 분포 특성은 유사하다고 가정하고, 히스토그램 패턴 매칭(histogram pattern matching)을 이용한 얼굴 검출 방법을 제안한다. 제안한 방법에서는 Haar 매칭 오류가 발생한 프레임에 대하여, 정확하게 검출된 이전 프레임의 얼굴 영역에 대한 히스토그램 패턴 매칭을 통하여 가장 유사한 히스토그램 분포를 갖는 영역을 얼굴로 인식한다. 제안한 방법의 얼굴 검출 알고리즘의 성능을 평가하기 위한 모의실험에서 제안한 얼굴 검출 방법이 OpenCV보다 얼굴 검출율이 8% 정도 향상됨을 확인하였다.