• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2000년도 추계종합학술대회논문집
• /
• pp.97-100
• /
• 2000

본 논문에서는 얼굴의 특징 추출 알고리즘을 제안한다. 입력 영상을 이진 영상으로 처리한 후, 얼굴 요소 후보 블록의 면적, 둘레, 원형도, 종횡비를 이용하여 불변하는 눈, 코, 입의 특징 요소를 추출한다. 사람의 얼굴에 대한 특징 요소를 추출하기 위하여 우선 이진 영상을 생성한다. 하나 하나의 고립된 영역으로 분리하기 위하여 화소 레이블링을 한 후 만들어진 얼굴 요소 후보 블록 단위로 면적을 구하고, 윤곽선 추적 방법에 의하여 둘레를 구한 다음 면적, 둘레, 원형도 및 종횡비의 유사도를 구한다 블록의 종합 유사도, 대칭적 거리, 위치의 유사도를 활용하여 눈, 코, 입을 추출한다. 추출된 각 특징 요소간의 거리와 각도를 이용하여 12개의 특징 인수를 구하는 제안 알고리즘을 수행함으로써 얼굴의 특징 인수들을 추출한다. 각 특징점 사이의 거리와 각 거리간의 기울기를 이용하여 100명으로부터 획득한 297개의 원 영상을 대상으로 12개의 특징 파라미터를 추출한 결과 92.93%의 추출 성공률을 보였다. 이러한 결과는 외부 환경의 영향을 덜 받는 눈, 코, 입의 위치 관계의 블록을 근거로 특징 요소를 추출할 수 있도록 제안 알고리즘을 구성하였던 것으로 판단된다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2002년도 춘계학술발표논문집(상)
• /
• pp.291-294
• /
• 2002

본 논문은 얼굴 영역 및 얼굴 구성 요소의 얼굴 특징점을 추출하는 방법을 제안한다. 얼굴 특징점은 얼굴 인식을 하는데 있어서 중요한 자료이다. 얼굴 영역은 객체 단위 추출 방법을 사용하여 얼굴의 고유 영역만을 추출한다. 얼굴의 구성요소는 각 요소간의 기하학적 정보를 이용하여 얼굴 영역 내에서 추출해 간다. 얼굴 구성요소의 특징점은 미리 정해진 위치에서 특징점을 결정한다. 그리고 이런 특징점간의 상호 연관관계를 설정한다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 제14회 신호처리 합동 학술대회 논문집
• /
• pp.161-164
• /
• 2001

캐릭터의 자동 생성이란 영상처리 기법을 이용하여 사람의 얼굴에서 특징을 추출하고, 이 특징들을 기반으로 독특한 캐릭터를 자동으로 얻어내는 방법을 의미한다. 본 논문에서는 사람마다의 얼굴의 특성에 기반한 캐릭터를 자동으로 생성하기 위하여 얼굴의 각 구성요소들의 특징을 효과적으로 추출하기 위한 방법을 제시한다. 얼굴을 구성하는 각각의 요소들의 특징을 추출하고, 추출된 특징을 바탕으로 각 구성요소에 해당하는 데이터베이스를 검색하여 특징을 잘 표현할 수 있는 그림을 선택한다. 최종적으로 선택된 그림들은 원 이미지의 비율에 맞도록 재구성하여 얼굴 캐릭터를 생성한다.

• 한국정보통신학회논문지
• /
• 제7권3호
• /
• pp.499-505
• /
• 2003

본 논문은 얼굴 인식을 위한 얼굴 요소 및 얼굴 특징점을 추출하는 방법을 제안한다. 얼굴 요소는 피부색을 이용하여 추출된 얼굴 영역에서 요소들간의 기하학적 정보를 이용하여 후보 영역을 정하고 후보 영역에서 요소들이 갖고 있는 고유 특성들을 이용하여 추출해 간다. 얼굴 인식에 적용된 얼굴 특징점은 추출된 얼굴 요소들간의 거리, 각 등의 기하학적인 관계로 나타낸다. 실험 결과, 얼굴 구성요소 추출이 잘 되었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2001년도 춘계학술발표논문집 (하)
• /
• pp.887-890
• /
• 2001

본 논문은 사용자로부터 입력된 얼굴 사진을 얼굴 기울기 교정을 거친 후 얼굴 구성요소의 특징정보를 추출하고, 추출된 특징정보와 가장 유사한 캐리커처를 생성하는데 목적이 있다. 우리는 입력된 인물 사진에서 눈 영역 추출을 이용, 얼굴의 기울기를 교정시킨 다음 세그멘테이션을 통하여 인물의 얼굴을 추출하고, 추출된 얼굴의 수직과 수평 히스토그램을 이용하여 얼굴 구성요소를 추출한다. 또한 모양과 크기 등이 다양한 특징정보를 가진 얼굴 구성요소에 관한 데이터베이스를 구축함으로써 캐리커처의 질을 향상시키고자 한다. 우리는 사용자로부터 입력된 사진에서 추출된 얼굴 구성요소의 특징정보와 데이터베이스에 저장되어 있는 캐리커처 이미지의 특징정보와 유사도를 계산한다. 마지막으로 유사도가 가장 높은 캐리커처 이미지를 선택하여 눈, 눈썹, 코, 입, 얼굴형 등을 각각 위치에 매핑시킨다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.365-367
• /
• 2000

본 논문에서는 홍채의 특징을 효율적으로 추출하기 위한 새로운 접근 방법으로서, 통계적 정보를 기반으로 하는 주성분요소분석(PCA) 및 독립성분요소분석(ICA)을 홍채영상에 적용한 결과에 대하여 소개하고자 한다. 또한, 전체영상을 몇 개의 부분영상으로 분할한 후, 분할된 영상에 대하여 주성분요소분석과 독립성분요소분석을 적용함으로서, 분할된 부분영상의 특징이 전체영상에서 추출한 특징보다 효과적으로 홍채의 특징을 표현하는 결과를 보여 주었다. 이러한 방법을 홍채영상에서 효율적인 특징을 추출하기 위한 새로운 접근방법으로서 적용하였으며, 다양한 특징 집합에 대하여 적용한 결과, 홍채영상에서 redundant한 정보와 잡음을 제거함으로써 compact하고 robust한 특징을 추출할 수 있었다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2005년도 추계종합학술대회
• /
• pp.537-540
• /
• 2005

본 논문에서는 사람의 감정, 건강상태, 정신상태등 다양한 정보를 포함하고 있는 웃음, 슬픔, 졸림, 놀람, 윙크, 무표정 등의 표정을 인식하기 위한 표정의 특징이 되는 얼굴의 국부적 요소인 눈과 입을 검출하여 표정의 특징을 추출한다. 표정 특징의 추출을 위한 전체적인 알고리즘 과정으로는 입력영상으로부터 칼라 정보를 이용하여 얼굴 영역을 검출하여 얼굴에서 특징점의 위치 정보를 이용하여 국부적 요소인 특징점 눈과 입을 추출한다. 이러한 특징점 추출 과정에서는 에지, 이진화, 모폴로지, 레이블링 등의 전처리 알고리즘을 적용한다. 레이블 영역의 크기를 이용하여 얼굴에서 눈, 눈썹, 코, 입 등의 1차 특징점을 추출하고 누적 히스토그램 값과 구조적인 위치 관계를 이용하여 2차 특징점 추출 과정을 거쳐 정확한 눈과 입을 추출한다. 표정 변화에 대한 표정의 특징을 정량적으로 측정하기 위해 추출된 특징점 눈과 입의 눈과 입의 크기와 면적, 미간 사이의 거리 그리고 눈에서 입까지의 거리 등 기하학적 정보를 이용하여 6가지 표정에 대한 표정의 특징을 추출한다.

• 인지과학
• /
• 제11권2호
• /
• pp.53-58
• /
• 2000

본 논문은 FCM 군집화 알고리즘을 사용하여 표정영상에서 특징점들을 추출한 후 추출된 특징점으로부터 Gabor 웨이브렛들을 이용하여 표정영상의 국소영역을 복원한다. 얼굴의 특징점 추출은 두단계로 이루어진다. 1단계는 이차원 Gabor 웨이브렛 계수 히스토그램의 평균값을 적용하여 얼굴의 주요 요소성분들의 경계선을 추출한 후, 2단계에서는 추출된 경계선 정보로부터 FCM 군집화 알고리즘을 사용하여 얼굴의 주요 요소성분들의 최종적인 특징점들을 추출한다. 본 연구에서는 FCM 군집화 알고리즘을 이용하여 추출된 적은 수의 특징점들 만으로도 표정영상의 주요 요소들을 복원할 수 있음을 제시한다. 이것은 인간의 얼굴 표정인식 뿐만아니라 물체인식에도 적용되어질 수 있다.

• 한국정보통신학회논문지
• /
• 제10권4호
• /
• pp.687-692
• /
• 2006

기존의 독립 요소 방법에 의한 얼굴인식에서는 주 요소 해석법으로 고유치 크기에 의해 특징을 추출하고 감소된 차원에서 특징 개선을 위한 독립 요소 해석법의 학습을 수행한다. 제거된 특징 공간 내에 필요한 요소가 있는 경우를 고려하지 못한 것이다. 새로운 방법은 독립 요소 해석에 의한 학습을 먼저 시행하고 분리된 데이터를 4차 중심 모멘트에 의한 축적 계수(cumulant)인 커토시스(kurtosis)의 절대값 크기에 의하여 특징을 추출한다. 하지만 독립 요소 방법은 효과적으로 노이즈를 제거하지 못한다. 두 방법의 결합효과는 주 요소 해석법을 노이즈 필터로 사용 할 때 극대화 될 수 있다. 즉 주 요소 해석법을 백색화와 노이즈 필터로 하고 독립 요소 해석법을 특징 추출 방법으로 사용하는 것이다. 실험 결과는 새로운 방법론이 기존의 방법론보다 우수함을 보여준다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.377-380
• /
• 2012

본 연구에서는 학습데이터의 빈도요소를 반영하도록 수정된 구조의 FMM 신경망을 소개하고, 이로부터 패턴 분류를 위한 지식 표현을 생성하는 방법론을 제안한다. 하이퍼박스 멤버쉽함수는 5종류의 퍼지 분할을 기반으로 설정한 구간에 대하여 소속정도를 반영하여 결정하며, 각 차원별로 특징범위의 폭과 빈도 요소로부터 가중치 값이 학습된다. 본 연구에서는 제안된 이론을 수화인식 문제를 대상으로 고찰하였다. 인식 시스템의 구성은 특징추출을 위하여 3차원으로 확장된 구조의 CNN 모델을 사용하였으며, 수화패턴 데이터의 표현은 모션 히스토리 볼륨(Motion History Volume) 구조를 기반으로 하였다. 6종류의 수화패턴 동영상으로부터 27개 특징요소를 추출하고 이를 사용한 FMM 신경망의 학습과정과 지식의 추출 과정을 실험으로 보이고 그 유용성을 고찰한다.