• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06c
• /
• pp.373-376
• /
• 2011

얼굴 영상에서 구성요소(눈썹, 눈, 코, 입 등)의 존재에 따라 보는 사람의 얼굴 인식 정확도는 큰 영향을 받는다. 이는 인간의 뇌에서 얼굴 정보를 처리하는 과정은 얼굴 전체 영역 뿐만 아니라, 부분적인 얼굴 구성요소의 특징들도 고려함을 말한다. 비음수 행렬 분해(NMF: Non-negative Matrix Factorization)는 이러한 얼굴 영역에서 부분적인 특징들을 잘 표현하는 기저영상들을 찾아내는데 효과적임을 보여주었으나, 각 기저영상들의 중요도는 알 수 없었다. 본 논문에서는 NMF로 찾아진 기저영상들에 대응되는 인코딩 정보를 SLR(Sparse Logistic Regression)을 이용하여 성별 인식에 중요한 부분 영역들을 찾고자 한다. 실험에서는 주성분분석(PCA)과 비교를 통해 NMF를 이용한 기저영상 및 특징 벡터 추출이 좋은 성능을 보여주고, 대표적 이진 분류 알고리즘인 SVM(Support Vector Machine)과 비교를 통해 SLR을 이용한 특징 벡터 선택이 나은 성능을 보여줌을 확인하였다. 또한 SLR로 확인된 각 기저영상에 대한 가중치를 통하여 인식 과정에서 중요한 얼굴 영역들을 확인할 수 있다.

• Proceedings of the KIEE Conference
• /
• 2002.07d
• /
• pp.2598-2600
• /
• 2002

본 논문은 다양한 크기와 복잡한 배경을 포함한 질의 얼굴 영상이 들어 왔을 때 질의 영상의 얼굴 타원 정보 내에서의 Corner point들에서의 Gabor 웨이블릿 특성을 이용한 얼굴 인식에 관한 것이다. 기존에 방법은 다른 크기와 배경의 질의 영상이 들어왔을 때에는 배경에서의 Corner Point들에 대한 영향과 영상의 크기가 다름으로 인해 Corner point의 변화와 Gabor 특징벡터의 변화 때문에 인식률이 저하되었다. 이러한 단점을 보완하고자 질의 영상의 얼굴 타원 정보를 추출하여 배경에 의한 영향을 제거하고, 크기를 보정해줌으로써 기존의 우수한 성능을 유지함과 동시에 다양한 크기와 배경을 가진 질의 얼굴 영상을 인식할 수 있도록 한 것이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05a
• /
• pp.635-638
• /
• 2003

본 논문에서는 Haar 웨이블릿을 이용하여 얼굴에지영상을 추출하고 고차국소자동상관함수를 이용한 특징벡터추출과 BP(Backpropagation Network) 알고리즘을 이용하여 얼굴을 인식하는 방법을 제안한다. 이를 위한 얼굴인식에 사용된 실험영상은 $320{\times}240$ 크기의 24bit RGB 컬러 영상을 사용하였고, 차영상을 이용하여 얼굴영역을 분리한 후 Haar 웨이블릿을 이용한 에지영상 추출과 얼굴영역의 특징벡터를 구하기 위하여 고차 국소 자동 상관함수를 사용하였다. 계산된 특징벡터는 BP 신경망의 학습을 통하여 얼굴인식을 위한 데이터로 사용된다. 시뮬레이션을 통해 제안된 알고리즘에 의한 인식률향상과 속도 향상을 입증한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.05b
• /
• pp.488-491
• /
• 2003

본 논문에서는 실시간 CCD 카메라 입력 영상으로부터 다중 컬러 정보를 이용하여 얼굴 영역을 검출 및 추적하고 기울어진 얼굴을 보정하는 알고리즘을 제안하였다. 제안한 알고리즘은 먼저 획득된 RGB 영상에서 YCbCr컬러 모델과 YIQ컬러 모델로 변환한 후 Cr성분과 I성분을 추출하여 얼굴 피부색을 검출, 얼굴 영역 추출에 사용하였다. 또한 추출된 얼굴 후보 영역에서 수평, 수직 투영(Projection)정보로부터 최종 얼굴 영역으로 검출한 다음 검출된 얼굴 중심 좌표와 이전에 검출된 얼굴 중심 좌표 값을 유클리드언 거리로 얼굴을 추적하였으며 검출된 얼굴로부터 레이블링(Labeling)기법으로 눈 특징자를 검출, 눈의 기울기 각도를 보정함으로써 얼굴 기울기를 보정하였다. 제안한 얼굴 추적 및 기울기 보정 알고리즘을 사용하여 실험한 결과 다중 색상 정보를 사용함으로써 주위환경 변화에 강인하게 실시간 얼굴 영역 김출 및 추적이 가능하였고, 기울어진 얼굴 영상을 자동 보정함으로써 인식에 용이하였다.

• Journal of KIISE:Software and Applications
• /
• v.27 no.11
• /
• pp.1123-1132
• /
• 2000

얼굴영역을 추출하기 위한 방법은 크게 얼굴의 지형적 특징추출에 기반한 방법과 얼굴형판 정합에 기반한 방법으로 분류할 수 있다. 일반적으로 복잡한 배경의 영상에서는 형판정합 방법이 우수하나, 형판의 대표성을 부여하기가 어렵다는 점이 문제시되어 왔다. 본 논문에서는 얼굴영역을 추출하기 위하여 복잡한 얼굴패턴을 몇 개의 주성분 값으로 표현할 수 있는 Hotelling변환 과정을 이용하여 얼굴형판을 생성하고 이를 적용하여 얼굴의 크기, 영상의 명암, 얼굴의 위치에 무관하게 얼굴영역을 추출한다. 또한 휴리스틱한 임계치를 이용하여 두 사람 이상의 얼굴영역을 추출하고 기울어진 얼굴영역을 추출하기 위한 방법도 제시한다. 실험을 통하여 다양한 입력영상에 대한 추출 결과와 고유얼굴에 기반한 방법의 특징을 살펴 보았다.

• 한국HCI학회:학술대회논문집
• /
• 2009.02a
• /
• pp.197-202
• /
• 2009

Active Appearance Models(AAMs)은 얼굴인식, 얼굴추적, 표정인식 뿐만 아니라 눈동자 추적과 같은 분야에도 적용되어 좋은 성능을 보여 주었다. 보통 AAM 을 생성하기 위해서는 얼굴 영상과 얼굴의 특징을 나타내는 점으로 구성된 매쉬로 이루어 지는 트레이닝 셋이 필요하다. AAM fitting algorithm 은 학습한 얼굴과 유사한 얼굴을 Fitting 할 때에는 뛰어난 성능을 보이지만 조명에 의한 그림자 또는 액세서리에 의한 얼굴의 피부 가림과 같이 전체 얼굴이 잘 나타나지 않는 불완전한 영상의 Fitting 은 입력영상과 템플릿 영상간의 오차가 커지기 때문에 실패할 가능성이 매우 높다. 본 논문에서 우리는 AAMs 에서 사용되는 PCA를 Higher-order Singular Value Decomposition(HOSVD)로 대체하여 이 문제를 보완하는 강화된 AAM 을 제안한다. 제안된 AAM 에는 기존에 사용하던 고유벡터와 함께 HOSVD 를 통해 획득할 수 있는 Eigen-Modes 를 추가하여 사용한다. 또한 우리는 Yale Face Database를 이용한 평가를 통해 제안된 AAM 이 기존 AAM 보다 불완전한 영상에 효과적으로 대응하는 것을 보여준다.

• The Journal of the Korea Contents Association
• /
• v.9 no.10
• /
• pp.13-21
• /
• 2009

This paper describes research of image enhancement for detection of face area. Typical face recognition algorithms used fixed parameter filtering algorithms to optimize face images for the recognition process. A fixed filtering scheme introduces errors when applied to face images captured in various different environmental conditions. For acquiring face image of good quality from the image including complex background and illumination, we propose a method for image enhancement using the categories based on the image intensity values. When an image is acquired average values of image from sub-window are computed and then compared to training values that were computed during preprocessing. The category is selected and the most suitable image filter method is applied to the image. We used histogram equalization, and gamma correction filters with two different parameters, and then used the most suitable filter among those three. An increase in enrollment of filtered images was observed compared to enrollment rates of the original images.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.14 no.7
• /
• pp.801-806
• /
• 2004

Although the technology for emotion recognition is important one which demanded in various fields, it still remains as the unsolved problem. Especially, it needs to develop the algorithm based on human facial image. In this paper, we propose the facial image analysis algorithm for emotion recognition. The proposed algorithm is composed as the facial image extraction algorithm and the facial component extraction algorithm. In order to have robust performance under various illumination conditions, the fuzzy color filter is proposed in facial image extraction algorithm. In facial component extraction algorithm, the virtual face model is used to give information for high accuracy analysis. Finally, the simulations are given in order to check and evaluate the performance.

• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.457-460
• /
• 2000

본 연구는 HWT를 이용하여 인체상반신 영상에서 얼굴부위만을 분할하기 위한 알고리즘을 제안하였다. 제안한 알고리즘은 배경을 제거하기 위하여 인체 상반신영상을 2치화 영상으로 만들고, HWT를 적용하여 평균영상과 복원영상에서 고립점, 돌출부위, 경계중복점을 제거한 후 세선화과정을 통하여 경계검출을 수행한다. 다음으로 얼굴부위의 단순경계만을 갖는 마스크를 만들고, 원영상에 마스킹하여 효과적으로 얼굴부위만을 분할한다.

• Journal of Korea Multimedia Society
• /
• v.9 no.2
• /
• pp.160-171
• /
• 2006

In this paper, we propose a face detection method using region segmentation to deal with complex images that have various environmental changes such as mixed background and light changes. To reduce the detection error rate due to background elements of the images, we segment the images with the JSEG method. We choose candidate regions of face based on the ratio of skin pixels from the segmented regions. From the candidate regions we detect face regions by using location and color information of eyes and eyebrows. In the experiment, the proposed method works well with the images that have several faces and different face size as well as mixed background and light changes.