• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2017년도 하계학술대회
• /
• pp.89-90
• /
• 2017

본 논문에서는 평균이동 (mean shift) 기법을 이용하여 랜덤포레스트 (random forest) 기반 실시간 얼굴 특징점 추적 (facial features tracking) 방법을 제안한다. 우선, 눈의 위치를 이용하여 검출된 얼굴영역을 적절한 크기와 위치로 개선하여 랜덤포레스트를 이용한 얼굴 특징점 추적 알고리즘이 받는, 얼굴검출 (face detection) 과정에 얻어지는 얼굴영역 상자 (face bounding box) 크기와 위치의 영향을 감소 하였다. 또한 랜덤포레스트의 얼굴 특징점 추정결과에서 추정평균 대신 평균이동기법을 이용하여 잘못된 추정결과들을 제거하고 제대로 된 추정결과만 사용하여 얼굴 특징점 검출 정확도를 개선하였다. 따라서 제안하는 방법들을 이용하여 기존의 랜덤포레스트 기반 얼굴 특징점 검출 기법의 성능을 제고하고 실시간으로 얼굴 특징점을 추적할 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 가을 학술발표논문집 Vol.32 No.2 (2)
• /
• pp.946-948
• /
• 2005

본 논문은 얼굴의 크기에 무관하게 적용 가능한 효율적인 얼굴 검출 및 얼굴 인식 시스템을 제안한다. 제안된 시스템에서는 먼저 스킨필터(skin filter)를 이용하여 눈, 코, 입을 포함한 얼굴 영역을 검출하며, 검출된 얼굴 영역을 로그-극좌표(log-polar) 이미지로 변환한다. 변환된 로그-극좌표 이미지에서 자동상관관계(autocorrelation) 기법을 이용하여 얼굴의 특징을 추출한 후, 고유얼굴(eigenface) 인식 기법으로 얼굴을 인식한다. 실험을 통하여 제안된 시스템이 평균 $97.83\%$의 인식률을 보여주었다.

• 한국통신학회논문지
• /
• 제30권5C호
• /
• pp.364-370
• /
• 2005

얼굴 인식에서는 입력 영상에서 얼굴을 검출한 후에 데이터베이스의 영상과 위치와 크기를 일치시키는 등록 과정이 필요하다. 본 논문에서는 영상의 등록 과정에서 발생하는 얼굴영상의 이동, 회전, 혹은 크기의 차이를 eigenspace에서 보정하는 알고리즘을 제안하였다. 이를 위하여 얼굴 영상의 수직, 수평 이동, 회전, 크기 변환 등의 등록오차를 선형보간 행렬로 근사하였다. 각 변환행렬을 사용하여 등록오차에 따른 미분계수를 eigenspace에서 구하면 subpixel 단위의 등록 오차를 보정할 수 있다. 제안된 방법은 공간 영역에서 오차를 보정하는 것보다 계산량이 훨씬 더 적다. 오차 보정 후 얼굴 인식률이 크게 향상되는 것을 실험으로 확인하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 하계학술대회
• /
• pp.252-254
• /
• 2019

본 논문은 합성곱 기반의 Single Shot Multibox Detector(SSD) [1] 의 구조를 이용하여 다양한 스케일의 얼굴들을 잘 검출하도록 하였다. 얼굴 검출은 물체 검출과는 다르게 얼굴의 높이와 너비의 비율이 다소 일정하고 크기가 작은 경우가 많은데, 이에 맞게 얼굴 검출이 용이하도록 anchor의 스케일, 비율, 크기를 변경하였다. 특징점 추출 네트워크는 깊은 네트워크의 최적화를 용이하게 하는 skip connection을 이용한 ResNet-50 [2] 기반을 사용하였다. 다양한 크기, 조명, 환경, 각도의 얼굴들을 포함하는 영상들로 이뤄진 Wider Face[3] 데이터 셋의 easy validation set으로 실험한 결과 0.782과 hard validation set에서 0.611의 average precision을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 추계학술발표대회
• /
• pp.623-624
• /
• 2009

본 논문에서는 신경망의 오류 역전파(Backpropagation) 학습 알고리즘을 이용한 얼굴의 정상 비정상을 인식하는 보안 시스템을 제안하였다. 제안된 시스템은 정지영상 및 동영상에서 입력된 얼굴영상을 전처리 단계에서 얼굴영역을 검출하여 $160{\times}160$ 크기의 고정 크기로 확대 및 축소 작업을 거친다. Mosaic 처리와 LaplacianEdge 처리를 거쳐 $40{\times}40$ 크기로 이진화한 정규화 데이터를 Gravity-Center 처리를 한다. 오류 역전파 학습 알고리즘으로 얼굴의 특징을 학습한 후 각종 정상 및 비정상 얼굴 데이터를 이용하여 인식률을 실험 하였다. 실험데이터는 이 분야의 공인 자료인 LFW Face Database[7] 데이터를 사용하였으며, 실험결과는 제안된 방법이 문제 해결에 적합한 접근임을 보여준다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.862-863
• /
• 2024

기존의 딥러닝 모델을 활용한 얼굴 탐지 시스템은 영상을 처리할 때 이미지의 양이 과도하여 추론 속도가 영상 재생 속도보다 느려지게 되고, 이로 인해 지연 현상이 발생한다. 본 논문은 이미지 크기 조정 및 광학 흐름을 활용하여 얼굴 탐지에 필요한 추론량을 줄이는 기법을 제안한다. 제안된 기법은 세 단계의 처리 과정으로 구성된다. 첫 번째 단계에서는 프레임의 크기를 줄여 프레임 처리 속도를 효과적으로 향상시킨다. 두 번째 단계에서는 비탐지 구간이 아닌 프레임만을 배치 처리하여 딥러닝 모델로 추론하여 처리 시간을 단축시킨다. 세 번째 단계에서는 광학 흐름 알고리즘을 이용하여 비탐지 구간에서 얼굴 추적을 함으로써 정확도는 유지하면서 탐지 시간을 단축한다. 본 논문에서 제안하는 이미지 크기 조정 및 광학 흐름 알고리즘 기반 얼굴 탐지 시스템은 처리 시간을 수십 배 이상 단축하여 영상에서의 얼굴 탐지에 있어서 우수한 성능을 입증하였다.

• 융합신호처리학회논문지
• /
• 제13권2호
• /
• pp.77-82
• /
• 2012

본 논문은 얼굴 검출 시스템에서 검출된 얼굴의 크기와 위치 정보를 이용한 얼굴 영역 안정화 알고리즘의 하드웨어 구현에 관한 것이다. adaboost 알고리즘을 이용한 얼굴 검출 시스템은 입력되는 영상을 이용하여 얼굴이라고 판단될 수 있는 템플릿 패턴, 얼굴 특징을 추출 하거나 미리 학습된 데이터와 비교하여 얼굴을 검출한다. 하지만 미세한 흔들림에도 얼굴 정보의 위치나 크기가 달라진다. 검출된 얼굴 영역의 안정화를 위해서 본 논문은 검출된 현재 얼굴 정보와 이전 프레임의 얼굴 정보를 기반으로 얼굴 영역의 흔들림을 줄이는 고주파 억제 필터, 얼굴 거리와 영역 비교, 얼굴 영역 확대-축소 연산을 이용한 얼굴 검출 안정화 하드웨어를 구현하여 실시간으로 피드백이 가능하도록 하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 가을 학술발표논문집 Vol.29 No.2 (2)
• /
• pp.535-537
• /
• 2002

본 논문은 실시간 카메라 입력 환경에서의 새로운 얼굴 검출 및 추적 알고리즘을 제안한다. 복잡한 배경과 다양한 조명 조건에 관계 없이 얼굴을 검출하고 추적하기 위해 세 종류의 웨이블릿 변환된 형판을 사용하고 특히 다양한 조명 조건을 극복하기 위해 최소-최대 정규화(Min-Max Normalization)와 히스토그램 평활화를 혼합 적용하여 매우 밝거나, 매우 어두운 영상에서의 얼굴 오 검출 및 놓침을 줄이도록 하였다. 또한 세가지 크기의 얼굴 형판을 이용함으로써 입력 영상에 존재하는 다양한 크기의 얼굴도 검출할 수 있었으며, 효과적인 얼굴 추적 기법을 통해 다음 프레임에서의 얼굴 위치를 예측하여 그 지점에서의 탐색 영역에 형판 정합을 수행함으로써 수행 시간도 단축시킬 수 있었다. 실험을 위해 다양한 조명 조건에 따라 여섯 종류로 분류한 동영상 데이터에서 제안한 알고리즘은 약 96.8%의 뛰어난 얼굴 검출율을 보여 주었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 가을 학술발표논문집 Vol.34 No.2 (C)
• /
• pp.415-418
• /
• 2007

본 논문은 머리카락을 포함한 얼굴 영역 추출에 관한 것으로서, 보다 구체적으로는 조명변화에도 강인 한 얼굴영역 추출방법과 다양한 머리카락의 모양과 색의 변화에도 신뢰성 있는 머리카락 추출 방법에 관한 것이다. 일반적으로 얼굴영상은 개인의 특징을 잘 표현할 수 있는 정보로써, 영상에서 얼굴 영역을 추출하여 이를 실제 얼굴영상정보를 이용한 얼굴인식, 관상정보 서비스를 위한 전처리, 기반기술을 제공하고, 실사 캐릭터 제작에도 바로 적용될 수 있다. 기존의 템플리트 매칭, 곡선추적 알고리즘 등과의 같은 추출방법에서는 얼굴크기 변화, 안경 및 장신구의 착용 여부 그리고 조명의 변화에 따라 얼굴영역 추출하는 처리속도가 많이 걸리고, 성능이 크게 저하되는 문제점이 있다. 상기한 바와 같이 종래의 문제점을 개선하기 위하여, 본 논문에서는 얼굴의 크기변화, 안경 및 장신구의 착용 여부 그리고 조명의 변화에서도 얼굴 영역을 잘 추출 할 있는 방법과 다양한 머리카락의 색, 형태 변화에도 신뢰성 있는 머리카락 추출방법을 제안하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (2)
• /
• pp.751-753
• /
• 2004

본 논문에서 색상을 기반으로 한 알고리즘으로 얼굴을 검출하고 검출된 얼굴을 움직이는 Pan-Tilt 카메라 상에서 추적하는 방법을 제안하고자 한다. 얼굴 검출 알고리즘은 얼굴색의 특징인 피부색상을 이용하여 후보영역을 검출하고 후보 영역에서 얼굴형태의 특징인 타원 형태를 이용하여 최종적으로 얼굴을 검출하였다. 얼굴 추적은 영상에서 검출된 얼굴의 크기 및 위치 정보와 Pan-Tilt 카메라의 위치정보를 이용하여 항상 얼굴이 카메라의 중심에 위치하도록 하였다. 우리는 실제 실험에서 초당 10프레임 이상의 실시간 얼굴 검출 및 추적에 성공하였다.