• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2006년도 학술대회 1부
• /
• pp.1044-1049
• /
• 2006

얼굴 추적은 Vision base HCI의 핵심인 얼굴인식, 표정인식 그리고 Gesture recognition등의 다른 여러 기술을 지원하는 중요한 기술이다. 이런 얼굴 추적기술에는 영상(Image)의 Color또는 Contour등의 불변하는 특징들을 사용 하거나 템플릿(template)또는 형태(appearance)를 사용하는 방법 등이 있는데 이런 방법들은 조명환경이나 주위 배경등의 외부 환경에 민감하게 반응함으로 해서 다양한 환경에 사용할 수 없을 뿐더러 얼굴영상만을 정확하게 추출하기도 쉽지 않은 실정이다. 이에 본 논문에서는 deformable한 model을 사용하여 model과 유사한 shape과 appearance를 찾아 내는 AAM(Active Appearance Model)을 사용하는 얼굴 추적 시스템을 제안하고자 한다. 제안된 시스템에는 기존의 Combined AAM이 아닌 Independent AAM을 사용하였고 또한 Fitting Algorithm에 Inverse Compositional Image Alignment를 사용하여 Fitting 속도를 향상 시켰다. AAM Model을 만들기 위한 Train set은 150장의 4가지 형태에 얼굴을 담고 있는 Gray-scale 영상을 사용 하였다. Shape Model은 각 영상마다 직접 표기한 47개의 Vertex를 Trianglize함으로서 생성되는 71개의 Triangles을 하나의 Mesh로 구성하여 생성 하였고, Appearance Model은 Shape 안쪽의 모든 픽셀을 사용해서 생성하였다. 시스템의 성능 평가는 Fitting후 Shape 좌표의 정확도를 측정 함으로서 평가 하였다.

• 디지털산업정보학회논문지
• /
• 제9권1호
• /
• pp.141-150
• /
• 2013

This study proposes technology using Active Shape Model to track the object separating it by depth-sensors. Unlike the common visual camera, the depth-sensor is not affected by the intensity of illumination, and therefore a more robust object can be extracted. The proposed algorithm removes the horizontal component from the information of the initial depth map and separates the object using the vertical component. In addition, it is also a more efficient morphology, and labeling to perform image correction and object extraction. By applying Active Shape Model to the information of an extracted object, it can track the object more robustly. Active Shape Model has a robust feature-to-object occlusion phenomenon. In comparison to visual camera-based object tracking algorithms, the proposed technology, using the existing depth of the sensor, is more efficient and robust at object tracking. Experimental results, show that the proposed ASM-based algorithm using depth sensor can robustly track objects in real-time.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 신호처리소사이어티 추계학술대회 논문집
• /
• pp.445-448
• /
• 2003

In this paper, we present a hierarchical approach of an enhanced active shape model for video tracking. Kalman filter is used. To estimate a dynamic shape in video object tracking. The experimental results show that the proposed hierarchical active shape model using Kalman filter is efficient.

• 한국멀티미디어학회논문지
• /
• 제16권9호
• /
• pp.1018-1030
• /
• 2013

The corpus callosum is the largest connective structure in the brain, and its shape and size are correlated to sex, age, brain growth and degeneration, handedness, musical ability, and neurological diseases. Manually segmenting the corpus callosum from brain magnetic resonance (MR) image is time consuming, error prone, and operator dependent. In this paper, two semi-automatic segmentation methods are present: the active contour model-based approach and the active shape model-based approach. We tested these methods on an MR image of the human brain and found that the active contour approach had better segmentation accuracy but was slower than the active shape approach.

• 인터넷정보학회논문지
• /
• 제10권5호
• /
• pp.183-194
• /
• 2009

본 논문에서는 인터넷상에 업로드되는 음란 영상물을 차단하기 위해 활동적 형태 모델(active shape model)을 이용한 유해 영상 탐지 방법을 제안한다. 본 논문에서는 활동적 형태 모델을 이용하여 가슴선의 형태를 주성분 분석(Principle Component Analysis)과 정렬을 통해서 학습하고, 각 제어점에 대응하는 화소값 분포를 학습한다. 그리고 학습된 형태와 화소값 분포를 이용하여 가슴선을 찾는다. 본 논문에서는 형태 모델의 초기 위치를 정확하게 선택하기 위해 스케일, 회전, 이동에 관한 파라미터를 추출한다. 이 정보를 획득하기 위해서 본 논문에서는 유두 부분의 위치를 찾고, 유두 위치로부터 모든 방향으로 방사하여 후보 가슴선을 찾는다. 이와 같이 검출한 가슴선 정보를 이용하여 스케일과 회전 값을 찾아 평균 형태(mean shape)를 위치시키고, 활동적 형태 모델을 반복적으로 탐색한다. 최종적으로 수렴한 형태의 제어점(landmark)과 후보 가슴선과의 거리 평균을 계산하여 유해영상의 유무를 판단한다.

• 지능정보연구
• /
• 제8권1호
• /
• pp.75-85
• /
• 2002

이 논문은 입술의 형태와 입술 외곽선 부근의 화소값을 이용하여 입술을 효과적으로 인식하는 방법을 제안하였다. 입술의 형태는 학습 영상을 통계적으로 분석하는 능동적 형태 모델을 기반으로 구성하였다. 이 방법은 탐색시 초기 위치의 영향을 받기 때문에 이 논문에서는 입술의 형태에 기반한 가중치 벡터를 이용하여 두 입술 사이의 경계선을 찾고 탐색의 초기 위치로 사용하였다. 다양한 입술 영상들을 대상으로 실험하여 좋은 결과를 얻었다.

• 한국멀티미디어학회논문지
• /
• 제6권6호
• /
• pp.968-976
• /
• 2003

본 논문은 입술형태를 인식하기 위한 방법을 제안하였다. 입술은 GLDM(Gray Level Distribution Model)을 기반으로 표현하였으며 입술인식은 모델에 대한 입력영상의 정확도에 대한 목적함수를 최적화하는 문제로 단순화하였다. 최적화를 위해 다운힐 심플렉스(Down Hill Simplex) 알고리즘을 이용하였으며 지역 최소점으로 수렴하는 문제를 해결하기 위한 새로운 방법을 제안하였다 제안한 방법으로 기존의 능동적 형태 모델(ASM Active Shape Model)에서 찾지 못하던 입술의 윤곽을 찾아낼 수 있음을 보였다.

• 한국정보통신학회논문지
• /
• 제10권10호
• /
• pp.1891-1896
• /
• 2006

이 논문에서는 능동형태 모델을 개선하여 입술의 형태를 효과적으로 추출하는 방법을 제안하였다. 입술의 형태변형은 능동형태 모델에 기반을 둔 통계적 형태 변형 모델을 사용하여 표현하였다. 능동형태 모델에서 각 점은 지엽적인 정보인 프로파일을 기반으로 독립적으로 이동하기 때문에 많은 오류가 발생할 수 있다. 전역적인 정보를 사용하기 위하여 이 논문에서는 능동윤곽선 모델에서 사용하는 것과 유사한 에너지 함수를 정의하고 전체 에너지가 최소화되는 위치로 점들이 이동하게 하였다. Tulip 1 데이터 베이스에 있는 입술 영상을 대상으로 실험한 결과, 제안한 방법이 기존 방법보다 실제 형태에 가깝게 입술을 추출하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권12호
• /
• pp.996-1008
• /
• 2009

본 논문은 뼈대-구조(skeleton) 형태의 Active Shape Models을 이용한 사람의 자세 정합에 대한 새로운 접근 방법을 제안한다. 제안된 방법은 모델 생성과 정합 과정에서의 빠른 수행 시간을 위해 기존 윤곽 형태(silhouette)의 모델이 아닌 뼈대-구조 형태의 모델을 적용하였다. 기존 Active Shape Models을 뼈대-구조 형태로 사람 자세 정합에 적용했을 경우 자세를 결정짓는 팔과 다리의 부정확한 정합은 사람 몸의 다양한 색상 정보와 전후(fore-rear direction)만을 고려한 특징점(landmark)의 방향정보로 인해 발생되며, 이러한 문제점은 입력 영상의 차영상 정보와 사람의 자세를 결정짓는 팔과 다리의 중요 특징점에 방향정보를 추가하여 해결하였다. 사람의 뼈대-구조 모델을 생성하기 위해 600개의 이미지를 사용 하였으며, 생성된 형태 모델은 사람의 자세에 정합될 수 있는 17개의 특징점을 포함한다. 정합 과정에서 최대 30번 이하의 반복 과정을 수행 하며, 최대 수행 시간은 0.03초로 빠른 수행 시간의 결과를 얻었다.

• 반도체디스플레이기술학회지
• /
• 제15권2호
• /
• pp.61-65
• /
• 2016

Facial feature detection is a fundamental function in the field of computer vision such as security, bio-metrics, 3D modeling, and face recognition. There are many algorithms for the function, active shape model is one of the most popular local texture models. This paper addresses issues related to face detection, and implements an efficient extraction algorithm for extracting the facial feature points to use on iOS platform. In this paper, we extend the original ASM algorithm to improve its performance by four modifications. First, to detect a face and to initialize the shape model, we apply a face detection API provided from iOS CoreImage framework. Second, we construct a weighted local structure model for landmarks to utilize the edge points of the face contour. Third, we build a modified model definition and fitting more landmarks than the classical ASM. And last, we extend and build two-dimensional profile model for detecting faces within input images. The proposed algorithm is evaluated on experimental test set containing over 500 face images, and found to successfully extract facial feature points, clearly outperforming the original ASM.