[논문]다양한 조명 환경에서의 실시간 사용자 검출을 위한 압축 영역에서의 색상 조절을 사용한 얼굴 검출 방법

민현석; 이영복; 신호철; 임을균; 노용만

[국내논문] 다양한 조명 환경에서의 실시간 사용자 검출을 위한 압축 영역에서의 색상 조절을 사용한 얼굴 검출 방법
Face detection in compressed domain using color balancing for various illumination conditions 원문보기

한국HCI학회 2009년도 학술대회, 2009 Feb. 09, 2009년, pp.140 - 145

민현석 (한국정보통신대학교 영상비디오시스템 연구실) , 이영복 (한국정보통신대학교 영상비디오시스템 연구실) , 신호철 (한국전자통신연구원 지능형로봇연구단 인지로보틱스연구그룹) , 임을균 (한국전자통신연구원 지능형로봇연구단 인지로보틱스연구그룹) , 노용만 (한국정보통신대학교 영상비디오시스템 연구실)

초록
AI-Helper

본 논문에서는 압축 영역에서 동작하는 조명 환경 변화에 강인한 얼굴 검출 방법을 제안한다. 기존 이미지 처리를 이용한 얼굴 검출 방법들은 주로 픽셀 기반 영역에서 이루어져 왔다. 그러나 컴퓨팅 파워와 저장 공간이 제한적인 로봇 환경에는 픽셀 기반 처리가 적합하지 않다. 또한 조명 환경의 변화는 안정된 얼굴 검출을 위해 해결되어야 하는 문제로 인식되어 왔다. 이러한 문제점들을 해결하기 위하여 본 논문에서는 압축 영역에서의 조명 효과 보상과 색 온도 변환을 이용한 색상 정보 조절 과정을 사용한 얼굴 검출 방법을 제안한다. 제안된 방법은 색상 정보 조절을 통하여 다양한 조명 환경에서 기존 방법에 비해 강인한 얼굴 검출을 보여준다.

Abstract ▼ AI-Helper

Significant attention has recently been drawn to human robot interaction system that uses face detection technology. The most conventional face detection methods have applied under pixel domain. These pixel based face detection methods require high computational power. Hence, the conventional methods do not satisfy the robot environment that requires robot to operate in a limited computing process and saving space. Also, compensating the variation of illumination is important and necessary for reliable face detection. In this paper, we propose the illumination invariant face detection that is performed under the compressed domain. The proposed method uses color balancing module to compensate illumination variation. Experiments show that the proposed face detection method can effectively increase the face detection rate under existing illumination.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

상기 논의된 문제점들을 해결하기 위하여 본 논문에서는 압축 영역에서 동작하는 조명 변화에 강인한 얼굴 검출 방법을 제안한다. 제안하는 방법에서는 압축 영역에서 동작하는 얼굴 검출 방법으로 입력되는 압축 영상을 모두 복호화하지 않고, 압축 영역의 DCT 계수만을 이용하여 얼굴 검출 과정을 진행한다.
다음 그림에서와 같이 제안하는 얼굴 검출 알고리즘은 압축 영역에서의 DCT 계수를 사용하여 얼굴 검출을 진행한다. 본 논문에서는 DCT 계수 중, DC 계수를 통하여 DCT 블록의 평균 색상을 얻고, AC 계수를 통하여 DCT 블록의 질감 특징을 얻는다.
얼굴 후보 영역 추출 과정을 통하여 얻어진 후보 영역에서도 얼굴과 비슷한 색상과 크기를 지닌 오류들이 존재할 수 있다. 이에 이를 제거하기 위하여 본 논문에서는 AC 계수에서 얻은 질감 특징을 사용한다 [17]. 얼굴은 눈과 코, 그리고 입술로 인해, 수직 방향에서 상당한 불연속적인 명도가 존재한다.
본 논문에서는 압축 영역에서 동작하는 조명 환경 변화에 강인한 얼굴 검출 방법을 제안하였다. 제안한 방법은 압축 영역에서의 영상 처리 기술을 사용하여 제한된 컴퓨팅 파워와 저장 공간을 가진 로봇 환경에서도 적합하다.

제안 방법

상기 논의된 문제점들을 해결하기 위하여 본 논문에서는 압축 영역에서 동작하는 조명 변화에 강인한 얼굴 검출 방법을 제안한다. 제안하는 방법에서는 압축 영역에서 동작하는 얼굴 검출 방법으로 입력되는 압축 영상을 모두 복호화하지 않고, 압축 영역의 DCT 계수만을 이용하여 얼굴 검출 과정을 진행한다. 또한 조명 및 카메라 특성에 의한 색상 정보의 왜곡을 보상하기 위하여 DCT 계수를 이용하여 얻은 색상 정보를 색상 온도 조절과 조명 효과 보상의 과정을 통하여 조절한다.
제안하는 방법에서는 압축 영역에서 동작하는 얼굴 검출 방법으로 입력되는 압축 영상을 모두 복호화하지 않고, 압축 영역의 DCT 계수만을 이용하여 얼굴 검출 과정을 진행한다. 또한 조명 및 카메라 특성에 의한 색상 정보의 왜곡을 보상하기 위하여 DCT 계수를 이용하여 얻은 색상 정보를 색상 온도 조절과 조명 효과 보상의 과정을 통하여 조절한다.
그러므로 혼합된 색이 원래 물체 자체의 색상 정보의 왜곡하게 된다. 이러한 왜곡 때문에 실제 물체의 색은 조명 환경의 변화와 카메라의 특성에 따라 다르게 표현되므로 이를 해결하기 위하여 제안하는 방법에서는 영상의 색 온도 조정과 조명 효과 보상 기술을 압축 영역에서 사용하였다.
본 논문에서의 색상 조절 과정에서는 압축 영역에서 추출된 DC 계수로부터 얻어진 DC 이미지를 사용하여 이루어진다. DC 이미지의 픽셀 값 (DC(x,y))은 대응되는 DCT 블록의 평균값을 나타낸다.
다음 CIE 1960 UCS 를 이용하여 구해진 x_m, y_m 값에 해당하는 색 온도를 구한다 [12]. 이렇게 예측된 DC 영상의 색 온도를 태양광의 색 온도인 5500K 로 이동시키기 위하여 Bradford 변환 [13] 이 사용하였다.
그러나 색상 조절 과정 후, 얼굴의 피부 영역의 대부분 검출하였다. 본 논문에서는 이렇게 색 온도 변환과 조명 효과 보상을 혼합하여 사용하여 입력된 영상의 원래 색상 정보를 획득하였다.
다음 그림은 제안하는 방법의 얼굴 검출 과정을 나타내는 그림이다. 다음 그림에서와 같이 제안하는 얼굴 검출 알고리즘은 압축 영역에서의 DCT 계수를 사용하여 얼굴 검출을 진행한다. 본 논문에서는 DCT 계수 중, DC 계수를 통하여 DCT 블록의 평균 색상을 얻고, AC 계수를 통하여 DCT 블록의 질감 특징을 얻는다.
우선 제안하는 방법은 추출된 DC 계수를 이용하여 외부 환경에 의한 왜곡을 추정하고 보상하는 색상 보상 과정을 거친다. 이렇게 보상된 색상 정보를 바탕으로 피부색 과 얼굴의 크기 비율을 사용하여 얼굴이 존재하는 후보 영역을 검출한다.
우선 제안하는 방법은 추출된 DC 계수를 이용하여 외부 환경에 의한 왜곡을 추정하고 보상하는 색상 보상 과정을 거친다. 이렇게 보상된 색상 정보를 바탕으로 피부색 과 얼굴의 크기 비율을 사용하여 얼굴이 존재하는 후보 영역을 검출한다. 마지막으로 검출된 얼굴을 판별하는 후보 영역 판별 과정으로 이루어져 있다.
제안하는 얼굴 검출 과정에서는 색상 정보 조절 과정에 의해 수정된 DC 이미지 결과를 사용하여 얼굴 후보 영역을 추출한다. 얼굴 후보 영역을 추출하기 위하여 DC 이미지에서 피부색에 해당하는 영역을 우선 추출한다.
제안하는 얼굴 검출 과정에서는 색상 정보 조절 과정에 의해 수정된 DC 이미지 결과를 사용하여 얼굴 후보 영역을 추출한다. 얼굴 후보 영역을 추출하기 위하여 DC 이미지에서 피부색에 해당하는 영역을 우선 추출한다. 피부색 검출을 위하여 [15]에서 제안된 피부색 모델을 사용하였다.
그리고 사람의 피부색을 결정하기 위하여 기존 다양한 인종과 환경에서 촬영된 사진을 기반으로 YCbCr 색상 공간에서 모델링된 피부색 모델을 사용하였다 [12]. 또한 제안하는 방법의 성능을 측정하기 위하여 True positive rate(TP rate)와 False positive rate (FP rate)를 사용하였다. 사용된 TP rate 와 FP rate 는 다음과 같이 정의된다.

대상 데이터

본 논문에서는 제안하는 방법의 우수성을 입증하기 위하여 CMU 에서 제공된 PIE 얼굴 영상 데이터베이스를 사용하였다. PIE 얼굴 영상들은 다양한 조명 환경에서 촬영되었다.
본 실험에서는 위와 같이 다양한 조명 환경에서 촬영된 총 2814 장의 이미지들을 사용하였다. 사용된 2814 장에는 67 명의 사람들의 얼굴이 포함되어 있다.
본 실험에서는 위와 같이 다양한 조명 환경에서 촬영된 총 2814 장의 이미지들을 사용하였다. 사용된 2814 장에는 67 명의 사람들의 얼굴이 포함되어 있다. 그리고 사람의 피부색을 결정하기 위하여 기존 다양한 인종과 환경에서 촬영된 사진을 기반으로 YCbCr 색상 공간에서 모델링된 피부색 모델을 사용하였다 [12].

이론/모형

값에 해당하는 색 온도를 구한다 [12]. 이렇게 예측된 DC 영상의 색 온도를 태양광의 색 온도인 5500K 로 이동시키기 위하여 Bradford 변환 [13] 이 사용하였다. 다음은 색 온도 변화을 사용한 DC 영상의 예이다.
그러나 그림 2 에서 확인할 수 있듯이, 여전히 조명 성분이 남아있다. 이에 본 논문에서는 DC 영상의 값에 Gaussian 함수를 사용하여 조명을 유추하였다.
(x,y)는 색 온도가 변환된 DC 영상을 나타낸다. 또한 F(x,y)는 조명 효과를 유추하기 위한 함수로, 본 논문에서는 다음과 같은 Gaussian 함수를 사용하였다.
얼굴 후보 영역을 추출하기 위하여 DC 이미지에서 피부색에 해당하는 영역을 우선 추출한다. 피부색 검출을 위하여 [15]에서 제안된 피부색 모델을 사용하였다. 이렇게 추출된 살색 영역 중 얼굴 후보 영역을 추출하기 위하여 사람의 얼굴 크기 비율을 이용한 마스크를 사용한다.
제안하는 방법의 성능을 측정하기 위하여 CMU PIE Database [20]를 사용하였다. CMU PIE Database 는 다양한 조명 환경에서 촬영된 DB 이다.
사용된 2814 장에는 67 명의 사람들의 얼굴이 포함되어 있다. 그리고 사람의 피부색을 결정하기 위하여 기존 다양한 인종과 환경에서 촬영된 사진을 기반으로 YCbCr 색상 공간에서 모델링된 피부색 모델을 사용하였다 [12]. 또한 제안하는 방법의 성능을 측정하기 위하여 True positive rate(TP rate)와 False positive rate (FP rate)를 사용하였다.

성능/효과

PIE 얼굴 영상들은 다양한 조명 환경에서 촬영되었다. 실험을 통하여 제안하는 방법이 다양한 조명 환경에서도 강인한 검출 성능을 유지하는 것을 확인 할 수 있었다.
위 그림에서 확인 할 수 있듯이, 색 온도 변환 후에도 DC 영상에 남아 있던 조명 효과들이 효과적으로 보상되었음을 확인할 수 있다. 다음은 원래의 DC 영상과 색 온도 변환과 조명 효과 보상을 한 후의 피부색으로 판단되는 영역을 보여주는 그림이다.
그림 9 에서 확인할 수 있듯이, 제안하는 방법은 전체 조명이 꺼진 상황과 켜진 상황에서 모든 90%가 넘는 검출률 (TP rate)를 보이고 있다. 다음은 제안하는 방법의 통한 얼굴 검출의 결과 영상의 예이다.
그림 9 에서 영상은 입력된 영상에 검출된 얼굴 영역을 사각형으로 표시한 영상이다. 위의 결과 예제에서 볼 수 있듯이 전체 조명이 꺼진 상황과 켜진 상황에서 플레시에 의해 얼굴에 조명의 영향이 있음에도 안정적인 얼굴 영역을 검출해냈다. 이는 색상 조절 과정을 통하여 광원의 문제와 조명 효과에 의한 문제를 효과적으로 해결할 수 있었기 때문이다.
이는 색상 조절 과정을 통하여 광원의 문제와 조명 효과에 의한 문제를 효과적으로 해결할 수 있었기 때문이다. 또한 얼굴의 특징을 바탕으로 검출된 얼굴 후보 영역을 판별하여 오류들을 제거하였기 때문에 위의 결과 영상에서 배경에 존재하는 피부색과 유사한 색을 지닌 오류들을 제거할 수 있었다. 아래 그림은 후보 영역 판별 전, 후의 얼굴로 판별된 영역을 표시한 결과 영상이다.
위에서 볼 수 있듯이 얼굴의 특징을 바탕으로 AC 계수들을 사용한 후보 영역 판별을 통하여 피부색과 비슷한 색상을 지닌 얼굴이 아닌 객체에 의한 오류를 효과적으로 제거할 수 있었다.
본 논문에서는 압축 영역에서 동작하는 조명 환경 변화에 강인한 얼굴 검출 방법을 제안하였다. 제안한 방법은 압축 영역에서의 영상 처리 기술을 사용하여 제한된 컴퓨팅 파워와 저장 공간을 가진 로봇 환경에서도 적합하다. 또한 제안하는 방법은 압축 영역에서의 색상 온도 변환과 조명 효과 보상을 통한 효과적인 색상 보상 과정을 통하여 다양한 조명 환경에서도 강인한 얼굴 검출 성능을 보이는 것을 확인하였다.
제안한 방법은 압축 영역에서의 영상 처리 기술을 사용하여 제한된 컴퓨팅 파워와 저장 공간을 가진 로봇 환경에서도 적합하다. 또한 제안하는 방법은 압축 영역에서의 색상 온도 변환과 조명 효과 보상을 통한 효과적인 색상 보상 과정을 통하여 다양한 조명 환경에서도 강인한 얼굴 검출 성능을 보이는 것을 확인하였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	얼굴 검출 기술은 어느 분야에서 많은 연구가 이루어져 왔는가?	얼굴 검출 기술은 영상 내부의 얼굴의 위치와 크기를 검출하는 기술이다. 이러한 얼굴 검출 기술은 무인 감지 시스템, 얼굴 인식 시스템 등에서 영상 내의 사용자를 검출하는 기술로서 많은 연구가 이루어져 왔다. 또한 최근 많은 연구가 진행되고 있는 휴먼-로봇 인터렉션(HRI)에서는 사용자의 동작을 인식하여 대응하는 기술에 대한 연구가 많이 이루어지고 있다 [1].
	얼굴 검출 기술이란 무엇인가?	얼굴 검출 기술은 영상 내부의 얼굴의 위치와 크기를 검출하는 기술이다. 이러한 얼굴 검출 기술은 무인 감지 시스템, 얼굴 인식 시스템 등에서 영상 내의 사용자를 검출하는 기술로서 많은 연구가 이루어져 왔다.
	기존의 얼굴 검출 기술의 제약점은 무엇인가?	기존의 얼굴 검출 기술은 신경망과 support vector machine (SVM)과 같은 분류기를 이용한 방법 [2], [3]과 눈, 코, 입 들의 얼굴의 부분적 특징을 이용한 방법 등이 있다 [4]-[8]. 그러나 대부분의 기존 얼굴 검출 방식들은 영상의 픽셀 기반의 정보를 바탕으로 하며, 픽셀 기반의 정보를 이용할 경우, 많은 연산량을 필요로 한다. 그러나 제한된 연산 능력을 가진 로봇의 경우, 이러한 연산량이 큰 영상에서의 얼굴 검출로써는 적합하지 않다.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 다양한 조명 환경에서의 실시간 사용자 검출을 위한 압축 영역에서의 색상 조절을 사용한 얼굴 검출 방법
Face detection in compressed domain using color balancing for various illumination conditions 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 다양한 조명 환경에서의 실시간 사용자 검출을 위한 압축 영역에서의 색상 조절을 사용한 얼굴 검출 방법 Face detection in compressed domain using color balancing for various illumination conditions 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 다양한 조명 환경에서의 실시간 사용자 검출을 위한 압축 영역에서의 색상 조절을 사용한 얼굴 검출 방법
Face detection in compressed domain using color balancing for various illumination conditions 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper