• 전기전자학회논문지
• /
• 제25권4호
• /
• pp.613-618
• /
• 2021

표정 인식은 다양한 분야에서 지속적인 연구의 주제로서 자리 잡아 왔다. 본 논문에서는 얼굴 이미지 랜드마크 간의 거리를 계산하여 추출된 특징을 사용해 각 랜드마크들의 관계를 분석하고 5가지의 표정을 분류한다. 다수의 관측자들에 의해 수행된 라벨링 작업을 기반으로 데이터와 라벨 신뢰도를 높였다. 또한 원본 데이터에서 얼굴을 인식하고 랜드마크 좌표를 추출해 특징으로 사용하였으며 유전 알고리즘을 이용해 상대적으로 분류에 더 도움이 되는 특징을 선택하였다. 본 논문에서 제안한 방법을 이용하여 표정 인식 분류를 수행하였으며 제안된 방법을 이용하였을 때가 CNN을 이용하여 분류를 수행하였을 때 보다 성능이 향상됨을 볼 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제10권6호
• /
• pp.1-8
• /
• 2005

얼굴 분석은 얼굴 인식 머리 움직임과 얼굴 표정을 이용한 인간과 컴퓨터사이의 인터페이스, 모델 기반 코딩, 가상현실 등 많은 응용 분야에서 유용하게 활용된다. 이러한 응용 분야에서는 얼굴의 특징점들을 정확하게 추출해야 한다. 본 논문에서는 눈, 눈썹, 입술의 코너와 같은 얼굴 특징을 자동으로 추출하는 방법을 제안한다. 먼저, 입력 영상으로부터 AdaBoost 기반의 객체 검출 기법을 이용하여 얼굴 영역을 추출한다. 그 다음에는 계곡 에너지. 명도 에너지, 경계선 에너지의 세 가지 특징 에너지를 계산하여 결합한다. 구해진 특징 에너지 영상에 대하여 에너지 값이 큰 수평 방향향의 사각형을 탐색함으로써 특징 영역을 검출한다. 마지막으로 특징 영역의 가장자리 부분에서 코너 검출 알고리즘을 적용함으로써 눈, 눈썹, 입술의 코너를 검출한다. 본 논문에서 제안된 얼굴 특징 추출 방법은 세 가지의 특징 에너지를 결합하여 사용하고 계곡 에너지와 명도 에너지의 계산이 조명 변화에 적응적인 특성을 갖도록 함으로써, 다양한 환경 조건하에서 견고하게 얼굴 특징을 추출할 수 있다.

• 한국지능시스템학회논문지
• /
• 제18권1호
• /
• pp.20-26
• /
• 2008

지능형 로봇이나 컴퓨터가 일상생활 속에서 차지하는 비중이 점점 높아짐에 따라 인간과의 상호교류도 점점 중요시되고 있다. 이렇게 지능형 로봇(컴퓨터) - 인간의 상호 교류하는데 있어서 감정 인식 및 표현은 필수라 할 수 있겠다. 본 논문에서는 음성 신호와 얼굴 영상에서 감정적인 특징들을 추출한 후 이것을 Bayesian Learning과 Principal Component Analysis에 적용하여 5가지 감정(평활, 기쁨, 슬픔, 화남, 놀람)으로 패턴을 분류하였다. 그리고 각각 매개체의 단점을 보완하고 인식률을 높이기 위해서 결정 융합 방법과 특징 융합 방법을 적용하여 감정 인식 실험을 하였다. 결정 융합 방법은 각각 인식 시스템을 통해 얻어진 인식 결과 값을 퍼지 소속 함수에 적용하여 감정 인식 실험을 하였으며, 특징 융합 방법은 SFS(Sequential Forward Selection) 특징 선택 방법을 통해 우수한 특징들을 선택한 후 MLP(Multi Layer Perceptron) 기반 신경망(Neural Networks)에 적용하여 감정 인식 실험을 실행하였다. 그리고 인식된 결과 값을 2D 얼굴 형태에 적용하여 감정을 표현하였다.

• 한국멀티미디어학회논문지
• /
• 제20권8호
• /
• pp.1175-1186
• /
• 2017

Human emotion recognition is one of the promising applications in the era of artificial super intelligence. Thus far, facial expression traits are considered to be the most widely used information cues for realizing automated emotion recognition. This paper proposes a novel facial expression recognition (FER) method that works well for recognizing emotion from image sequences. To this end, we develop the so-called weighted soft voting classification (WSVC) algorithm. In the proposed WSVC, a number of classifiers are first constructed using different and multiple feature representations. In next, multiple classifiers are used for generating the recognition result (namely, soft voting) of each face image within a face sequence, yielding multiple soft voting outputs. Finally, these soft voting outputs are combined through using a weighted combination to decide the emotion class (e.g., anger) of a given face sequence. The weights for combination are effectively determined by measuring the quality of each face image, namely "peak expression intensity" and "frontal-pose degree". To test the proposed WSVC, CK+ FER database was used to perform extensive and comparative experimentations. The feasibility of our WSVC algorithm has been successfully demonstrated by comparing recently developed FER algorithms.

• 한국정보통신학회논문지
• /
• 제16권7호
• /
• pp.1495-1504
• /
• 2012

본 논문에서는 얼굴의 기하학적 특징정보를 기반으로 하여 얼굴의 특징자인 눈썹, 눈, 입, 턱선의 분류 및 해석 알고리즘을 제안하였다. 먼저, 얼굴 특징정보의 분류와 해석을 하기위한 전처리 과정으로 얼굴 특징자들의 눈, 코, 입, 눈썹, 턱선을 추출하기위해 얼굴 특징자 추출 알고리즘을 적용하여 얼굴 특징자들을 추출하게 된다. 추출한 얼굴 특징자들의 형태 정보와 모양정보 및 특징자들 간의 거리비율을 검출하여 이를 평가함수화 하고, 3가지의 눈 타입, 9가지의 입 타입, 12가지의 눈썹 타입 그리고 4가지의 턱선 타입의 분류를 하게 된다. 이렇게 분류된 얼굴 특징자들을 이용하여 얼굴을 해석하게 된다. 얼굴해석 알고리즘은 각각의 특징자들에 대한 고유의 특징자들의 내부구간의 화소분포 정보와 기울기 정보를 가지고 있다. 따라서 특징자들 간의 정보를 이용하여 얼굴을 해석할 수 있었다.

• 대한전자공학회논문지SP
• /
• 제41권4호
• /
• pp.1-7
• /
• 2004

본 논문은 3차원 얼굴 영상을 이용한 얼굴 인식에 있어서, 정규화 과정에 사용될 얼굴의 특징 영역을 추출하는 방법을 제안한다. 3차원 얼굴 영상은 조명의 변화에 상관없이 얼굴의 특징 분석이 가능하고, 이를 이용한 얼굴 인식이 가능하다. 그러나 입력된 형상의 자세에 따라 회전, 기울어진 정도, 그리고 좌우로 움직인 정도가 다르다. 이런 특성을 고려하지 않고 추출된 특징들은 잘못된 인식 결과를 초래할 수 있다. 이런 이유로 입력에서의 오류들을 바로잡는 정규화 과정이 필요하다. 정규화 과정에서는 얼굴의 기하학적인 특징인 눈, 코, 입 등을 이용하는 것이 일반적이다. 이들 중, 코는 3차원 얼굴 영상에서 두드러진 특징이 될 수 있다. 본 연구에서는 코의 실제 형상과 유사한 긴 추출 마스크를 사용하여 입력된 영상으로부터 코를 추출하는 방법을 제안한다.

• 한국전자통신학회논문지
• /
• 제8권8호
• /
• pp.1201-1206
• /
• 2013

영상에서 얼굴 및 얼굴 특징을 추출하기 위한 기법으로 active appearance model(AAM)이 있다. 본 논문에서는 두 개의 AAM을 이용하여 얼굴 특징을 추출하는 multiple active appearance model(MAAM) 기법을 제안한다. 두 개의 AAM은 학습 데이터에 대한 파라미터를 조절하여 상반되는 장단점을 가지도록 생성하고, 서로의 단점을 보완할 수 있도록 한다. 제안된 방법의 성능을 평가하기 위해 100장의 영상에 대해서 얼굴 특징추출 실험을 하였다. 실험 결과 기존의 AAM 하나만을 사용하는 기법에 비해 적은 횟수의 피팅만으로도 정확도 높은 결과를 얻을 수 있었다.

• 한국지능시스템학회논문지
• /
• 제19권4호
• /
• pp.562-567
• /
• 2009

얼굴 표정은 사람의 감정을 전달하는 핵심 메커니즘으로 이를 적절하게 활용할 경우 Robotics의 HRI(Human Robot Interface)와 같은 Human Computer Interaction에서 큰 역할을 수행할 수 있다. 이는 HCI(Human Computing Interface)에서 사용자의 감정 상태에 대응되는 다양한 반응을 유도할 수 있으며, 이를 통해 사람의 감정을 통해 로봇과 같은 서비스 에이전트가 사용자에게 제공할 적절한 서비스를 추론할 수 있도록 하는 핵심요소가 된다. 본 논문에서는 얼굴표정에서의 감정표현을 인식하기 위한 방법으로 FACS(Facial Action Coding System)와 AAM(Active Appearance Model)을 이용한 특징 추출과 Bayesian Network 기반 표정 추론 기법이 융합된 얼굴표정 인식 시스템의 개발에 대한 내용을 제시한다.

• 인터넷정보학회논문지
• /
• 제5권6호
• /
• pp.79-91
• /
• 2004

다양한 얼굴 포즈 검출 및 인식은 매우 어려운 문제로서, 이는 특징 공간상의 다양한 포즈의 분포가 정면 영상에 비해 매우 흩어져있고 복잡하기 때문이다. 이에 본 논문에서는 기존의 얼굴 인식 방법들이 제한 사항으로 두었던 입력 영상의 다양한 포즈 및 표정에 강인한 얼굴 인식 시스템을 제안하였다. 제안한 방법은 먼저, TLS 모델을 사용하여 얼굴 영역을 검출한 뒤, 얼굴의 구성요소를 통하여 얼굴 포즈를 추정한다. 추정된 얼굴 포즈는 3차원 X-Y-Z축으로 분해되는데, 두 번째 과정에서는 추정된 벡터를 통하여 만들어진 가변 템플릿과 3D CAN/DIDE모델을 이용하여 얼굴을 정합한다 마지막으로 정합된 얼굴은 분석된 포즈와 표정에 의하여 얼굴 인식에 적합한 정면의 정규화 된 얼굴로 변환된다. 실험을 통하여 얼굴 검출 모델의 사용과 포즈 추정 방법의 타당성을 보였으며, 포즈 및 표정 정규화를 통하여 인식률이 향상됨을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제13권1호
• /
• pp.1-8
• /
• 2013

얼굴 영상 데이터베이스에서 제공하는 눈 좌표에 의존해서 부분 자동 얼굴 인식 알고리즘을 설계 구현하면 실 환경 얼굴 인식 시스템에서는 눈 좌표 추출 알고리즘의 정확도에 따라 인식 성능이 달라질 수 있다. 본 논문에서는 얼굴의 눈, 코, 입 및 윤곽선 정보를 바탕으로 설정한 특징점 기반의 얼굴 모델 그래프를 생성하여 얼굴 영상에 정합시키고 각 특징점에서 Gabor 및 LBP 피쳐를 추출해서 결합하는 방식의 완전 자동 얼굴 인식 알고리즘을 제안하였다. 본 알고리즘에서는 완전 자동으로 얼굴 영상에 얼굴 모델 그래프를 맞출 뿐만 아니라 기존의 Gabor 피쳐에 LBP 피쳐를 추가함으로써 인식 성능을 극대화 시킬 수 있도록 하였다. 제안한 알고리즘을 FERET 데이터베이스에 적용해 본 결과 1,000명 이상의 얼굴을 실시간으로 인식할 수 있었고 각 데이터 집합에 대해서 우수한 인식 성능을 얻을 수 있었다.