[논문]고유얼굴 기반의 얼굴형판을 이용한 얼굴영역 추출

고재필; 변혜란

고유얼굴 기반의 얼굴형판을 이용한 얼굴영역 추출
Face Region Detection using Face Template based on Eigenfaces 원문보기

정보과학회논문지. Journal of KIISE. 소프트웨어 및 응용, v.27 no.11, 2000년, pp.1123 - 1132

초록
AI-Helper

얼굴영역을 추출하기 위한 방법은 크게 얼굴의 지형적 특징추출에 기반한 방법과 얼굴형판 정합에 기반한 방법으로 분류할 수 있다. 일반적으로 복잡한 배경의 영상에서는 형판정합 방법이 우수하나, 형판의 대표성을 부여하기가 어렵다는 점이 문제시되어 왔다. 본 논문에서는 얼굴영역을 추출하기 위하여 복잡한 얼굴패턴을 몇 개의 주성분 값으로 표현할 수 있는 Hotelling변환 과정을 이용하여 얼굴형판을 생성하고 이를 적용하여 얼굴의 크기, 영상의 명암, 얼굴의 위치에 무관하게 얼굴영역을 추출한다. 또한 휴리스틱한 임계치를 이용하여 두 사람 이상의 얼굴영역을 추출하고 기울어진 얼굴영역을 추출하기 위한 방법도 제시한다. 실험을 통하여 다양한 입력영상에 대한 추출 결과와 고유얼굴에 기반한 방법의 특징을 살펴 보았다.

AI 본문요약
AI-Helper

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

문제 정의

고유얼굴을 이용한 방법은 수직으로 정면인 얼굴만을 추출할 수 있기 때문에, 본 시스템에서는 영상자체를 회전하여 기울어진 얼굴이 수직으로 정면이 될 수 있는 가능성을 제공하였다. 사각형의 입력영상을 임의의 사변형으로 변환함으로서 영상을 회전한다.
본 논문에서는 Hotelling변환을 이용하여 고유얼굴필터를 정의하고 이를 이용하여 동적정보 및 칼라정보 없는 비교적 복잡한 배경을 가진 정지영상에서 얼굴영역을 추출하는 시스템을 구현하고 실험을 통하여 고유얼굴필터의 특징을 살펴보았다.
얼굴영상들로부터 고유얼굴을 계산하는 것을 고려해 보자. 얼굴영상X의 차원이 NxN차원인 경우, 공분산 행렬의 차원은 N²xN²이 된다.

가설 설정

① 눈, 코, 입과 같은 얼굴요소들의 생김새에 개인차가 존재한다.
초기얼굴인식은 인식문제에 집중하여 인식의 대상이 되는 얼굴영역은 이미 추출되어 있거나 균일한 배경을 가정하였다. 그러나, 자동화된 얼굴인식을 위해서는 얼굴영역 추출은 필수적이며 최근 보안관련 응용이 생김에 따라 독립적인 연구주제로 자리잡고 있다.

제안 방법

위해 모자익 영상을 만든다. 4×4모자익으로 얼굴영역의 존재를 파악하고, 8×8모자익으로 얼굴요소를 구분하여 얼굴영역을 추출한 논문에 근거하여 8×8모자익을 적용하였다.[3] .
고유얼굴을 이용한 형판을 사용하여 탐색윈도우 영역의 얼굴가능성을 구한다. 이 가능성을 0-1사이의 값으로 돌려주도록 평균자승오류에 기반 한 다음 수식을 정의하였다.
또한 기울어진 얼굴영역을 찾기 위해서 영상회전을 도입하였다.
복잡한 배경에서 얼굴의 크기, 위치, 약간의 회전등을 포함한 영상에 대한 추출성능을 보기 위해 동일한 얼굴에 대한 얼굴추적 실험을 하였다. 이를 위해 1명에 대한 총 200장면이 있는 동영상에 대하여 12장을 고유얼굴을 생성하는데 사용하여 <표5>와 같은 결과를 얻었다.
얼굴형판을 통해 수행된다. 복잡한 배경에서 얼굴의 크기, 표정에 무관한 수직 정면 얼굴영상을 대상으로 하여 다수의 얼굴을 추출하며, 좌우로 기울어진 얼굴에 대한 추출 방법도 제시한다. 시스템은 크게 고유얼굴울 생성하는 과정과 얼굴역역을 탐색하는 과정으로 나뉜다.
본 논문에서는 일종의 형판정합 방법으로 하나의 형판이 갖는 취약한 대표성을 보완하기 위하여 다수의 형판을 사용하는 것과 동일한 효과를 볼 수 있는 방법을 적용한다. 이 방법은 고차원인 얼굴영상을 저차원인 얼굴공간으로의 변환 및 복원과정에 기반하여 비교하고자 하는 얼굴패턴에 가장 적합한 형판을 탐색단계에서 동적으로 생성한다.
서로 다른 매체를 통해 획득한 179장의 영상과 동영상을 사용하여 시스템의 성능과 고유얼굴에 기반한 방법의 특징을 살펴본다. 시스템은 비주얼 C++6.
시스템은 얼굴의 다양한 크기에 무관하게 하기 위해서 피라미드 영상을 만들어 이를 해결하였고 얼굴의 표정변화, 작은 기울어짐, 잡음, 영싱의 명도변화에 다소 무관하게 동작하기 위해 히스토그램 평활화, 모자익 영상처리를 하였으며, 2인 이상의 얼굴영역을 추출할 수 있도록 휴리스틱한 지식을 바탕으로 한 알고리즘을 적용하였다. 또한 기울어진 얼굴영역을 찾기 위해서 영상회전을 도입하였다.
실험에 사용한 얼굴영상은 3가지 종류의 서로 다른 매체를 통해 획득하여, 실험 데이타의 다양성을 높였다. 실험을 통하여 고유얼굴필터가 소규모 집단에서, 비얼굴영상에 대한 학습부담이 없는 효과적인 얼굴판별필터로 사용될 수 있음을 보였다.
얼굴영역의 크기에 무관하게 얼굴영역을 추출하기 위해 피라미드 영상을 생성하고 고정크기의 탐색윈도우를 적용하여 탐색 알고리즘의 작성 및 새로운 알고리즘 추가를 용이하게 하였다[13].
얼굴표정에 의한 고유필터의 특성을 살펴보기 위해서로 다른 표정간의 필터값(적합도)을 조사하였다. 표정간의 변화는 가장 두드러지는 표정인 웃는얼굴과 기타얼굴을 대상으로 하였다.
2에서 설명한 방법에 따라 얼굴후보를 얻는다. 이 과정에서 얼굴영역의 크기 및 기울어진 얼굴에 무관하게 얼굴을 추출하기 위해 각각 피라미드 영상과 영상회전을 도입하였다. 마지막으로 경험적 규칙에 따라 얼굴후보로부터 최종 얼굴영역들을 결정한다.
K Sung 역시 이와 유사한 방법으로 비얼굴영상을 수집하였다[2]. 이 논문에서는 영상의 픽셀수와 같은 차원의 벡터공간안에서 얼굴영상 및 배경영상이 차지하는 부분을 각각 6개의 다차원 가우시안 분포로 모델링한 후 각 분포와 입력영상과의 거리로 이루어진 12차원의 벡터를 신경망에 학습하였다. 앞의 두 경우는 비교적 높은 성능을 보여주고 있지만, 비얼굴영상 선정에 신중을 기해야 한다.
얼굴영역으로 정의하는 것이 중요하다. 이를 고려하여 본 시스템에서는 눈 코, 입을 포함하는 최소 사각영역으로 얼굴영역을 정의하여 개인간의 차이가 큰눈썹과 배경과 겹치게 되는 뺨의 외곽부위를 포함하지 않도록 하였다[그림5]. 이는 직관적으로 뿐 아니라 신경망을 통한 실험에 의해서도 그 타당성이 증명되었다[5].

대상 데이터

디지털 카메라, CCD 카메라, 영화클립으로부터 다양한 영상을 수집하여 총 117장의 영상 및 카메라 앞에서 연출된 얼굴동영상을 실험에 사용하였다.
이를 위해 1명에 대한 총 200장면이 있는 동영상에 대하여 12장을 고유얼굴을 생성하는데 사용하여 와 같은 결과를 얻었다.
표정간의 변화는 가장 두드러지는 표정인 웃는얼굴과 기타얼굴을 대상으로 하였다. 실험결과 표정에 따른 필터값의 변화가 미미함을 확인할 수 있다[표4,그래프1].

이론/모형

사각형의 입력영상을 임의의 사변형으로 변환함으로서 영상을 회전한다. 변환은 이계선형 변환(Bilinear)을 사용한다.(그림 9])
집합을 말한다. 본 시스템에서는 임의의 해상도를 가지는 영상을 빠르게 생성하기 위하여 인접화소 보간법을 사용하였다.
눈, 코, 입에 대해 각각의 신경망을 적용한 계층적인 방법도 소개되었다[6]. 얼굴영상만을 사용하여 얼굴을 모델링하는 방법이 Turk에 의해 소개되었는데, 본 논문에서도 이 방법을 적용하였다[7]. 22절에서 자세히 설명한다.

성능/효과

얼굴영역 추출 결과는V 3>에서 제시하였다. 실험결과 배경이 단순한 A영상의 경우, 얼굴이 손에 가리거나 옆으로 심하게 회전된 얼굴을 제외하고는 모두 정확하게 얼굴영역을 추출하였다. 비교적 높은 성공률을 보이는 이유는 배경이 단순한 이유도 있지만, 해상도가 높은 영상으로 피라미드 영상 생성 시 손실되는 정보가 적었기 때문이다.
높였다. 실험을 통하여 고유얼굴필터가 소규모 집단에서, 비얼굴영상에 대한 학습부담이 없는 효과적인 얼굴판별필터로 사용될 수 있음을 보였다. 그러나, 기울어진 영상 및 조명에 의한 얼굴변화에 민감하여 향후 이를 위한 연구가 필요하다.
얼굴영역 추출시간은 320×240 정지영상에 대하여 탐색윈도우의 이동크기, 찾을 얼굴의 크기 범위에 따라 가변적이긴 하지만, 평균 2-3초 가량 소요되었다. 얼굴영역 추출 결과는V 3>에서 제시하였다.

후속연구

실험을 통하여 고유얼굴필터가 소규모 집단에서, 비얼굴영상에 대한 학습부담이 없는 효과적인 얼굴판별필터로 사용될 수 있음을 보였다. 그러나, 기울어진 영상 및 조명에 의한 얼굴변화에 민감하여 향후 이를 위한 연구가 필요하다.

참고문헌 (14)

R.BrunelIi and T.Poggio, 'Face Recognition: Features versus Templates,' IEEE Trans. PAMI., Vol.15, pp. 1042-1052, 1993

상세보기
K.K.Sung and T.Poggio, 'Example-Based Learning for View-Based Human Face Detection,' IEEE Trans. PAMI.,Vol 20, pp.39-51, 1998

상세보기
G.Yang and T.S.Huang, 'Human Face Detection in a Complex Background,' Pattern Recognition, Vol. 27, No.1, pp.53-63, 1994

상세보기
Shang Hung Lin, et aI, Face, 'Recognition! Detection by Probabilistic Decision Based Neural Network,' IEEE Trans. on Neural Network, Vol. 8, No.1, pp.114-132, Jan. 1997

상세보기
H.A.Rowley, S.Baluja, and T.Kanade, 'Neural Network-Based Face Detection,' IEEE Trans. PAMI.,Vol 20, pp.23-38, 1998

상세보기
P. Juell and R Marsh, 'A Hierarchical Neural Network for Human Face Detection,' Pattern Recognition, Vol. 29, No.5, pp. 781-786, 1996

상세보기
Matthew A.Turk and Alex P. Pentland, 'Face Recognition Using Eigenfaces,' Proc. of CVPR, pp.586-591, 1991
S.A Sirohey, 'Human Face Segmentation and Identification' CAT-TR-695, CS-TR-3176, CMU, November 1993
Haiyuan Wu, Qian Chen, 'Detecting Human Face in Color Images,' Proc. of IEEE, pp.2232-2237, 1996
S.Buluswar, B.Draper, 'Non-parameteric Classification of Pixels Under Varying Outdoor Illumination,' ARPA Image Understanding Workshop, Monterey, CA, Nov.1994, pp.1619-1626
Sang-Hoon Kim, et aI, 'Object Oriented Face Detection Using Rang and Color Information,' Proc. of 3rd Conference on Automatic Face And Gesture Recognition, pp.76-81, April, 1998
Pentland, B. Moghaddam, and T.Stamer, 'View based and modular eigenspaces for face recognition,' Proc. of IEEE Conf. On Computer Vison and Pattern Recognition, June 1993
Richard J.Qian and T.S. Huang, 'Object Detection Using Hierarchical MRF and MAP Estimation,' Proc. of CVPR, pp.186-192, 1997
R.C.Gonzalea and R.E. Woods, Digital Image Processing, Addision-Wesley Publication Company, pp 148-146, 1994

저자의 다른 논문 :

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