• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(A)
• /
• pp.458-461
• /
• 2011

본 논문에서는 요주의 인물 식별 시스템의 서브시스템으로 SRC 기반의 실시간 정면 얼굴 탐지 시스템을 제안한다. 제안된 시스템은 개선된 피부색 탐지기를 통해 실시간으로 입력되는 영상의 이미지로부터 얼굴 탐지 범위를 축소하고, 단계형 분류기를 통해 얼굴 여부를 빠른 속도로 탐지함으로써 실시간 탐지가 가능케 하였다. 또한 최근 얼굴 인식 분야에서 성공적인 업적을 보여주고 있는 신호 처리 분야의 SRC를 이용하여 정면 얼굴, 비정면 얼굴, 그리고 비얼굴을 분류하여 정면 얼굴만을 출력함으로써 정면 얼굴 탐지율을 높힌다. 공인된 벤치마킹 데이터인 FEI Face Database을 사용하여 제안된 SRC 기반의 정면 얼굴 탐지 시스템의 성능을 실험적으로 평가한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(C)
• /
• pp.358-361
• /
• 2011

본 논문에서는 요주의 인물 식별 시스템에 직접적으로 적용이 가능한 실용적 차원의 정면 얼굴 탐지 시스템을 제안한다. 제안된 시스템은 개선된 피부색 탐지기를 통해 실시간으로 입력되는 영상의 이미지로부터 얼굴 탐지 범위를 축소하고, Viola 등의 단계형 분류기를 통해 얼굴 여부를 빠른 속도로 탐지함으로써 실시간 탐지가 가능케 하였다. 또한, 마스킹을 통하여 비 정면 얼굴들을 제거함으로써 정면 얼굴만을 보다 정확하게 탐지할 수 있으며, 정면 얼굴 데이터만으로 학습된 SVDD로 최종 출력을 검증하였다. 공인된 벤치마킹 데이터인 FEI Face Database을 사용하여 제안한 SVDD 기반의 정면 얼굴 탐지 시스템의 성능을 실험적으로 평가한다.

• 정보처리학회논문지B
• /
• 제16B권6호
• /
• pp.443-450
• /
• 2009

본 논문에서는 눈 주변의 명암분포를 사용하여 영상에 존재하는 얼굴을 탐지하는 새로운 기술을 개발한다. 제안하는 얼굴탐지의 기본적인 절차는 얼굴구성요소 후보 추출, 눈과 입의 형태정보를 이용한 얼굴구성요소 후보 필터링, 눈 후보 주변영역의 에지와 명암분포를 인공신경망 에 적용하여 좌/우안 분류, 눈-입 조합을 통한 얼굴후보 추출, 코 영역 에지의 존재 유무를 이용한 얼굴 검증 순이다. 본 논문에서 제안하는 방식은 눈의 주변영역 정보를 인공신경망에 적용하여 좌/우안 정보를 산출하여 얼굴을 탐지하는 것에 중점을 두고 있다. 이 방법은 피부색상을 이용하지 않으므로 다양한 조명환경과 복잡한 배경을 가지는 영상들에 존재하는 얼굴을 탐지할 수 있다. 탐지율 관점에서 기존의 주요 방법들 보다 우수함을 실험을 통하여 보인다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2008년도 제39차 동계학술발표논문집 16권2호
• /
• pp.227-230
• /
• 2009

본 논문은 눈, 입 등 얼굴의 구성요소를 이용하여 얼굴을 보다 고속으로 탐지하는 방법을 제시한다. 얼굴 탐지 방법의 기본적인 절차는 피부색을 추출하여 SkinMap을 만들고, 그 내부에서 구성요소의 색상 특징을 이용하여 눈과 입을 검출 후, T형 구조 검증방식을 이용하여 추출한 후보요소들이 눈과 입에 해당하는지를 최종적으로 확인한다. 기존의 얼굴탐지 방식에 많이 사용되던 삼각형 구조 검증방식에 비해 보다 연산량이 적은 T형 구조 검증방식을 사용하고, 불필요한 방법을 제거 및 보완하여 보다 고속으로 얼굴을 탐지할 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.517-519
• /
• 2001

본 논문에서는 신원 확인 시스템을 위한 얼굴 영역 탐지 및 얼굴 구성 요소들을 추출하는 방법을 제안한다. 이 방법은 신원 확인을 위해 사용자가 시스템을 조작할 때, 움직임이 발생한다는 점과 눈 영역이 주위 영역에 비하여 뚜렷하게 어두운 화소들로 구성되어 있다는 점에 착안하였다. CCD 카메라로부터 입력되는 동영상에서 차영상 기법을 이용하여 얼굴 영역을 탐지하고, 탐지된 얼굴 영역 내에서 가장 안정적인 검출 결과를 보이는 눈 영역을 추출한다. 그리고 추출된 두 눈의 위치를 이용하여 전체 얼굴의 기울기를 보정한 수, 제안하는 가변 Ratio Template을 이용하여 검출된 얼굴영역을 검증하며 코, 입과 같은 다른 얼굴 구성 요소들을 추출한다. 이 방법은 명암의 변화에 따라 유동적인 결과를 산출해내는 이진화 과정을 거치지 않으므로 국부적인 조명이 밝기 변화나 얼굴의 기울기 변화와 같은 얼굴 인식의 제약점에 강인한 특징을 가진다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권1호
• /
• pp.35-44
• /
• 2010

본 논문에서는 입력영상에서 적응적으로 피부색상 모델을 생성하여 얼굴을 탐지하는 방법을 제안한다. 제안하는 방법의 기본적인 절차는 먼저 눈의 특징을 인공신경망에 적용하여 눈 후보를 찾은 후, 그 주변의 색상을 이용하여 피부영역의 색상값 분포를 찾는다. 그 다음은 피부영역으로 검출된 색상값 분포를 이용하여 얼굴영역을 산출하고, 해당 얼굴영역 내에서 입 후보를 찾아 눈 후보와 입 후보의 구조적인 관계가 얼굴 구조와의 일치여부를 판단하여 얼굴영역을 검증하는 과정을 거친다. 이 방법은 눈을 찾아서 피부영역을 적응적으로 검출하기 때문에 기존의 얼굴탐지 방법들의 문제인 피부색상의 왜곡으로 인한 오검출을 해결하였다. 실험은 눈 탐지와, 피부 탐지, 입 탐지, 얼굴탐지에 대해 각각 수행하였다. 실험을 통하여 기존의 주요 방법들 보다 우수한 결과를 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제26권7호
• /
• pp.19-27
• /
• 2021

본 논문에서는 영상 속 인물을 탐지하고 얼굴 영역을 검출하는 방법을 제안하며, 이 방법은 2가지 작업으로 구성한다. 첫째, 서로 다른 두 명의 인물을 구분하여 프레임 내 인물의 얼굴 위치를 탐지한다. 빠른 탐지를 위해 영상 내 물체를 실시간으로 검출하는 YOLO(You Only Look Once)를 이용하여 얼굴의 위치를 탐지하고 객체탐지상자로 나타낸다. 둘째, 객체탐지상자를 바탕으로 정확한 얼굴 면적을 검출하기 위해 3가지 영상처리 방법을 제시한다. 각 방법은 검출 도형으로 추정한 영역에서 추출한 HSV 값을 이용하여 인물의 얼굴 영역을 검출하였으며 검출 도형의 크기와 모양을 바꾸어 각 방법의 정확도를 비교하였다. 각 얼굴 검출 방법은 신뢰성 검증을 위해 비교 데이터와 영상처리 데이터로 비교 및 분석하였다. 그 결과 원형, 직사각형, 분할 직사각형 방법 중 분할된 직사각형 방법을 사용했을 때 87%로 가장 높은 정확도를 달성하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 1996년도 학술대회
• /
• pp.165-168
• /
• 1996

복잡한 배경의 컬러 이미지에서 시점불변의 얼굴 탐지 방법이 제안되었다. 얼굴과 그 구성요소는 바라보는 각도에 따라서 다른 형태를 갖기 때문에 복잡한 배경 이미지에서 시점불변의 탐지를 위해서 얼굴의 컬러 정보를 이용하여 얼굴의 위치를 찾는 방법을 제안한다. 찾아진 얼굴은 눈과 입 등의 구성요소들의 기하학적 정보를 이용하여 검증된다. 제안된 방법은 크기, 이동, 방향에 불변한다. 또한 몇 십장의 화상을 이용한 실험 결과를 제공한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2012년도 제46차 하계학술발표논문집 20권2호
• /
• pp.277-278
• /
• 2012

본 논문에서는 색상 군집화를 이용한 입술탐지 알고리즘을 제안한다. 이를 위해 이미 많이 알려져 있는 AdaBoost를 이용한 얼굴탐지를 수행한다. 탐지된 얼굴영역에 Lab 컬러시스템을 적용 시킨 후 입술픽셀의 특징에 따른 색상 마커를 사용하여 피부영역을 추출한다. 추출된 피부영역에 대하여 K-means 색상 군집화를 통해 입술영역을 추출한다. 그리고 실험을 통해 입술탐지 결과를 확인하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.17-19
• /
• 2021

본 논문에서는 코로나19 사태에 대비하여 실시간으로 마스크를 제대로 쓴 사람과 제대로 쓰지 않은 사람을 구분하는 시스템을 제안한다. 이 시스템을 사용하기 위하여 모델 학습 시에 합성곱 신경망(CNN : Convolutional Neural Networks)를 사용한다. 학습된 모델을 토대로 영상에 적용 시 하르 특징 분류기(Haar Cascade Classifier)로 얼굴을 탐지하여 마스크 여부를 판단한다.