• 한국멀티미디어학회논문지
• /
• 제25권1호
• /
• pp.10-28
• /
• 2022

In this paper, we present an entry-level COVID-19 stand-alone digitial signage player (CoSiP) which performs not only conventional digital signage functionalities but also fever detection, face mask wearing detection, and KI-pass QR code checking. The overall design of CoSiP is proposed, and implementation of a temperature checking algorithm using a low cost thermal sensor is elaborately presented. Through experiments over datasets and against a developed CoSiP device, it is shown that the fever detection, face mask wearing detection, KI-pass QR code checking as well as signage functionalities of the proposed CoSiP work properly and reliably.

• 한국통신학회논문지
• /
• 제37권2A호
• /
• pp.105-112
• /
• 2012

원거리에서의 획득한 영상은 해상도가 낮고 블러링과 잡음에 의한 영향이 크다. 이러한 문제점들은 얼굴 검출 과정에서 보다 많은 오류영역을 산출할 수 있다. 본 논문에서는 AdaBoost 필터와 얼굴의 색상과 외형 정보를 이용한 순차적인 검증 단계를 적용한 얼굴 검출 방법을 제안한다. AdaBoost 방법으로 검출된 오류(false alarm)는 피부색 필터와 가변 경계마스크 필터로 순차적으로 제거된다. 피부색 필터는 사각 윈도우 영역과 화소 별로 적용되는 두 단계로 구성되어 최종적으로 이진 얼굴 클러스터 영상을 구성한다. 기존의 고정된 경계마스크 필터의 단점을 해결하기 위하여 얼굴 클러스터영역에 부합하는 타원을 추정하여 경계마스크의 크기를 산출하고 가로-세로 비율의 적정성을 검토한다. 실험에서는 CCTV와 스마트 폰으로 획득한 영상을 이용하여 제안된 얼굴 검출 방법이 원거리에서 획득한 영상의 얼굴 검출에 효과적임을 보인다.

• International Journal of Advanced Culture Technology
• /
• 제10권1호
• /
• pp.294-301
• /
• 2022

COVID-19 is a crisis with numerous casualties. The World Health Organization (WHO) has declared the use of masks as an essential safety measure during the COVID-19 pandemic. Therefore, whether or not to wear a mask is an important issue when entering and exiting public places and institutions. However, this makes face recognition a very difficult task because certain parts of the face are hidden. As a result, face identification and identity verification in the access system became difficult. In this paper, we propose a system that can detect masked face using transfer learning of Yolov5s and recognize the user using transfer learning of Facenet. Transfer learning preforms by changing the learning rate, epoch, and batch size, their results are evaluated, and the best model is selected as representative model. It has been confirmed that the proposed model is good at detecting masked face and masked face recognition.

• 제어로봇시스템학회논문지
• /
• 제9권5호
• /
• pp.361-367
• /
• 2003

We propose an algorithm to detect the face region using a variable ellipsoidal mask and a neural network. Since outlines of human faces are similar to ellipsoid, the ellipsoidal mask that has the fixed ratio of major and minor axis can be used to detect the candidate area. The positions of eyes and lips are extracted in this candidate area, and then the morphological analysis is applied to make features which are consist of six parameters, such as the geometrical ratio of eyes and lips. A back-propagation neural network is used as a classifier to determine the most possible face region. The experimental result is conducted to verify its efficiency compared with those of previous works.

• 융합신호처리학회논문지
• /
• 제15권3호
• /
• pp.76-79
• /
• 2014

얼굴 인식은 표정과 포즈 또는 주변 조명변화 등 예기치 못한 영향으로 어려움이 크다. 또한 모바일 장치에서 실시간 처리를 위하여 모바일 환경의 한정된 제한이 필히 고려되어야 한다. 본 논문에서 모바일 환경에서 주파수 영역의 정합 필터를 이용한 얼굴 검출 방법을 제안한다. 얼굴 검출은 선형(Linear) 또는 위상(Phase-only) 정합 필터(Matched filter), 순차적인 검증 단계를 이용하여 수행된다. 먼저 얼굴 후보 윈도우 영역은 정합필터의 출력에 의하여 추출되고 그 다음에 피부색 테스트와 에지 마스크 필터링 테스트로 검출된 후보 영역 중 오경보(False alarm) 영역이 제거된다. 제안된 방법은 Android 플랫폼에서 JAVA를 이용하여 개발되었다. 실험 결과는 모바일 환경에서 얼굴 인식이 실시간으로 성공적으로 수행될 수 있음을 보인다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 ITC-CSCC -2
• /
• pp.1252-1255
• /
• 2002

In this paper, face recognition algorithm, by using skin color information of HSI color coordinate collected from face images, elliptical mask, fratures of face including eyes, nose and mouth, and geometrical feature vectors of face and facial angles, is proposed. The proposed algorithm improved face region extraction efficacy by using HSI information relatively similar to human's visual system along with color tone information about skin colors of face, elliptical mask and intensity information. Moreover, it improved face recognition efficacy with using feature information of eyes, nose and mouth, and Θ1(ACRED), Θ2(AMRED) and Θ 3(ANRED), which are geometrical face angles of face. In the proposed algorithm, it enables exact face reading by using color tone information, elliptical mask, brightness information and structural characteristic angle together, not like using only brightness information in existing algorithm. Moreover, it uses structural related value of characteristics and certain vectors together for the recognition method.

• 한국컴퓨터정보학회논문지
• /
• 제15권2호
• /
• pp.55-64
• /
• 2010

본 논문은 수행시간이 빠르면서 효율성이 높은 새로운 Free Rectangle 특징을 사용한 Adaboost 알고리즘 기반 얼굴 검출 방법을 제안한다. 제안하는 Free Rectangle 특징은 동일한 면적의 분리가 가능한 두 개의 사각형으로 구성된 마스크로부터 정의된다. Haar-like 특징은 다양성을 높이기 위해 일반적으로 두 개 이상의 사각 영역으로 구성한 복잡한 마스크 구조를 갖는다. 하지만, 제안하는 특징 마스크는 두 사각형이 특징 윈도우 안에 놓이는 위치와 크기에 따라 효율성이 좋은 다양한 특징을 얻을 수 있다. 또한 제안하는 특징은 일반 Haar-like 특징과 달리 마스크 형태에 상관없이 두 사각 영역의 화소 합의 차만 계산함으로 수행 시간을 크게 줄일 수 있다. 실세계 영상에서 제안하는 Adaboost 알고리즘 기반 얼굴 검출 기법은 빠른 검출 속도와 높은 검출 결과를 보여 학습 데이터만을 바꿔 다른 물체 검출에도 쉽게 적용이 가능하다.

• 융합보안논문지
• /
• 제22권2호
• /
• pp.21-26
• /
• 2022

마스크 착용은 COVID-19 감염을 예방하기 위한 효과적인 방안이다. 적외선 열화상 기반의 온도 측정과 신원 인식 시스템이 기업에서 널리 사용되고 있는 상황에서 마스크 감지를 위한 연구는 필수적이다. 최근 비전분야에 소개된 MTCNN은 객체 인스턴스 세분화를위한 개념적으로 간단하고 유연하며 일반적인 프레임 워크를 제시한다. 본 논문에서는 열적외선 카메라로부터 획득한 열감지영상에서 발열체인 인스턴스에 대해 발열부위의 세그멘테이션을 생성하는 동시에 이미지 내의 오브젝트 발열부분을 효율적으로 탐색하는 알고리즘을 제안한다. MTCNN(Multi-task Cascaded Convolutional Networks) 기법은 바운딩 박스 인식을 위해 기존 브랜치와 병렬로 객체 마스크를 예측하기 위한 브랜치를 추가한 알고리즘이다. MTCNN은 다른 작업으로 일반화하기 용이하다. 본 논문에서는 MTCNN기반 적외선 열영상 검출알고리즘을 제안하여 RGB영상에서 구별할 수 없는 마스크 착용 여부를 탐지하였다.

• 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.

• 한국정보통신학회논문지
• /
• 제25권3호
• /
• pp.490-493
• /
• 2021

This paper proposes an embedded system that detects mask and face recognition based on a microprocessor instead of Nvidia Jetson Board what is popular development kit. We use a class of efficient models called Mobilenets for mobile and embedded vision applications. MobileNets are based on a streamlined architechture that uses depthwise separable convolutions to build light weight deep neural networks. The device used a Maix development board with CNN hardware acceleration function, and the training model used MobileNet_V2 based SSD(Single Shot Multibox Detector) optimized for mobile devices. To make training model, 7553 face data from Kaggle are used. As a result of test dataset, the AUC (Area Under The Curve) value is as high as 0.98.