본 논문에서는 색상 분포와 형상 특징을 이용하여 다양한 영상에서 사람의 얼굴을 검출하는 알고리즘을 제안한다. 제안하는 알고리즘은 첫 번째로 영상에서 피부색을 검출하기 위해 기존의 얼굴 데이터베이스를 얼굴 색상에 따른 3 그룹으로 분류하고 기준 HSV히스토그램을 만든다. 입력 영상과는 HSV 히스토그램 역투영을 이용하여 입력 영상에서 피부색 영역을 검출한다. 검출된 피부색 영역에서 HSV 색상 공간 중 S(Saturation) 채널의 픽셀값을 분석하여 얼굴 성분의 위치를 추정한다. 마지막으로 형상 패턴을 얼굴 성분의 위치에 매칭하여 얼굴을 검출하게 된다. 본 논문의 객관적인 실험 결과를 위해 기존의 Haar 기반 알고리즘과 LBP 기반 알고리즘, 그리고 Face detection++ Demo 버전 알고리즘을 이용하여 타 논문의 공개 데이터인 BaoDataset과 FDDB(Face ...
본 논문에서는 색상 분포와 형상 특징을 이용하여 다양한 영상에서 사람의 얼굴을 검출하는 알고리즘을 제안한다. 제안하는 알고리즘은 첫 번째로 영상에서 피부색을 검출하기 위해 기존의 얼굴 데이터베이스를 얼굴 색상에 따른 3 그룹으로 분류하고 기준 HSV히스토그램을 만든다. 입력 영상과는 HSV 히스토그램 역투영을 이용하여 입력 영상에서 피부색 영역을 검출한다. 검출된 피부색 영역에서 HSV 색상 공간 중 S(Saturation) 채널의 픽셀값을 분석하여 얼굴 성분의 위치를 추정한다. 마지막으로 형상 패턴을 얼굴 성분의 위치에 매칭하여 얼굴을 검출하게 된다. 본 논문의 객관적인 실험 결과를 위해 기존의 Haar 기반 알고리즘과 LBP 기반 알고리즘, 그리고 Face detection++ Demo 버전 알고리즘을 이용하여 타 논문의 공개 데이터인 BaoDataset과 FDDB(Face Detection Data Set and Benchmark)의 총 1000여 개의 얼굴 사진 데이터를 비교하였다. 실험 결과 제안하는 알고리즘은 모자를 쓰거나, 주위에 사람과 유사한 형상이 있는 영상에서 기존의 얼굴 검출방법보다 개선된 검출 성능을 보여주었다. 또한 사람의 얼굴이 아닌 영역을 사람의 얼굴로 오검출하는 결과도 기존의 얼굴 검출알고리즘 보다 오검출률이 낮은 성능을 보여주었다.
본 논문에서는 색상 분포와 형상 특징을 이용하여 다양한 영상에서 사람의 얼굴을 검출하는 알고리즘을 제안한다. 제안하는 알고리즘은 첫 번째로 영상에서 피부색을 검출하기 위해 기존의 얼굴 데이터베이스를 얼굴 색상에 따른 3 그룹으로 분류하고 기준 HSV 히스토그램을 만든다. 입력 영상과는 HSV 히스토그램 역투영을 이용하여 입력 영상에서 피부색 영역을 검출한다. 검출된 피부색 영역에서 HSV 색상 공간 중 S(Saturation) 채널의 픽셀값을 분석하여 얼굴 성분의 위치를 추정한다. 마지막으로 형상 패턴을 얼굴 성분의 위치에 매칭하여 얼굴을 검출하게 된다. 본 논문의 객관적인 실험 결과를 위해 기존의 Haar 기반 알고리즘과 LBP 기반 알고리즘, 그리고 Face detection++ Demo 버전 알고리즘을 이용하여 타 논문의 공개 데이터인 BaoDataset과 FDDB(Face Detection Data Set and Benchmark)의 총 1000여 개의 얼굴 사진 데이터를 비교하였다. 실험 결과 제안하는 알고리즘은 모자를 쓰거나, 주위에 사람과 유사한 형상이 있는 영상에서 기존의 얼굴 검출방법보다 개선된 검출 성능을 보여주었다. 또한 사람의 얼굴이 아닌 영역을 사람의 얼굴로 오검출하는 결과도 기존의 얼굴 검출알고리즘 보다 오검출률이 낮은 성능을 보여주었다.
In this paper, we proposed a face detection algorithm using the color distribution and characteristic shape to detect a human faces in the varies image. The proposed algorithm, first, classifies the existing face database into three groups using dominant face colors and extracts reference HSV histro...
In this paper, we proposed a face detection algorithm using the color distribution and characteristic shape to detect a human faces in the varies image. The proposed algorithm, first, classifies the existing face database into three groups using dominant face colors and extracts reference HSV histrogram for each group. The skin color region of input image is detected using the HSV histogram back-projection with reference histogram. Position of the face component is estimated by analyzing the S(Saturation) channel pixel values in the HSV color space in the detected skin color region. Finally, the face is detected by matching shape pattern to position of the face component. In this paper, for the objective experiment results, the proposed algorithm is tested using 1000 face images of BaoDataset and FDDB(Face Detection Dataset and Benchmark), by comparing with existing face detection algorithms like Haar based algorithm, LBP based algorithm and Face detection++ demo version algorithm. In the experiment results, the proposed algorithm showed better results in the images of human wearing a hat or the human likely shape around the object. Also, proposed algorithm showed lower false detection rate than existing face detection algorithm such as detected non-human face area as a human’s face.
In this paper, we proposed a face detection algorithm using the color distribution and characteristic shape to detect a human faces in the varies image. The proposed algorithm, first, classifies the existing face database into three groups using dominant face colors and extracts reference HSV histrogram for each group. The skin color region of input image is detected using the HSV histogram back-projection with reference histogram. Position of the face component is estimated by analyzing the S(Saturation) channel pixel values in the HSV color space in the detected skin color region. Finally, the face is detected by matching shape pattern to position of the face component. In this paper, for the objective experiment results, the proposed algorithm is tested using 1000 face images of BaoDataset and FDDB(Face Detection Dataset and Benchmark), by comparing with existing face detection algorithms like Haar based algorithm, LBP based algorithm and Face detection++ demo version algorithm. In the experiment results, the proposed algorithm showed better results in the images of human wearing a hat or the human likely shape around the object. Also, proposed algorithm showed lower false detection rate than existing face detection algorithm such as detected non-human face area as a human’s face.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.