얼굴 영역의 정확한 위치를 정확히 찾는 것은 얼굴 인식을 위한 핵심적인 전처리 과정이다. 본 논문에서는 조명조건, 표정, 배경의 변화에 무관하게 얼굴의 구성요소를 검출할 수 있는 강건한 기법을 제안한다. 수평 방향의 상대적으로 어두운 화소값을 갖는 눈썹, 눈, 입 둥과 같은 독립된 얼굴 요소를 검출하기 위해 형상 분해 국부 최적 임계치 기법을 적용하며 얼굴을 구성하는 간단한 기하학적 조건을 만족하는 얼굴 요소의 그룹을 검색함으로써 순수 얼굴영역을 검출한다. AR-face 데이타베이스의 영상에 적용한 결과, 두꺼운 안경테에 의해 눈썹이 가리워진 특수한 경우를 제외한 거의 모든 영상에 대해 정확한 얼굴 영역을 검출할 수 있었고, 얼굴의 대칭성을 이용해 회전과 이동 변화를 보상할 수 있으므로 강건한 얼굴 인식의 전처리 과정으로 사용할 수 있다.
얼굴 영역의 정확한 위치를 정확히 찾는 것은 얼굴 인식을 위한 핵심적인 전처리 과정이다. 본 논문에서는 조명조건, 표정, 배경의 변화에 무관하게 얼굴의 구성요소를 검출할 수 있는 강건한 기법을 제안한다. 수평 방향의 상대적으로 어두운 화소값을 갖는 눈썹, 눈, 입 둥과 같은 독립된 얼굴 요소를 검출하기 위해 형상 분해 국부 최적 임계치 기법을 적용하며 얼굴을 구성하는 간단한 기하학적 조건을 만족하는 얼굴 요소의 그룹을 검색함으로써 순수 얼굴영역을 검출한다. AR-face 데이타베이스의 영상에 적용한 결과, 두꺼운 안경테에 의해 눈썹이 가리워진 특수한 경우를 제외한 거의 모든 영상에 대해 정확한 얼굴 영역을 검출할 수 있었고, 얼굴의 대칭성을 이용해 회전과 이동 변화를 보상할 수 있으므로 강건한 얼굴 인식의 전처리 과정으로 사용할 수 있다.
Locating exact position of facial components is a key preprocessing for realizing highly accurate and reliable face recognition schemes. In this paper, we propose a simple but powerful method for detecting isolated facial components such as eyebrows, eyes, and a mouth, which are horizontally oriente...
Locating exact position of facial components is a key preprocessing for realizing highly accurate and reliable face recognition schemes. In this paper, we propose a simple but powerful method for detecting isolated facial components such as eyebrows, eyes, and a mouth, which are horizontally oriented and have relatively dark gray levels. The method is based on the shape-resolving locally optimum thresholding that may guarantee isolated detection of each component. We show that pure facial regions can be determined by grouping facial features satisfying simple geometric constraints on unique facial structure. In the test for over 1000 images in the AR -face database, pure facial regions were detected correctly for each face image without wearing glasses. Very few errors occurred in the face images wearing glasses with a thick frame because of the occluded eyebrow -pairs. The proposed scheme may be best suited for the later stage of classification using either the mappings or a template matching, because of its capability of handling rotational and translational variations.
Locating exact position of facial components is a key preprocessing for realizing highly accurate and reliable face recognition schemes. In this paper, we propose a simple but powerful method for detecting isolated facial components such as eyebrows, eyes, and a mouth, which are horizontally oriented and have relatively dark gray levels. The method is based on the shape-resolving locally optimum thresholding that may guarantee isolated detection of each component. We show that pure facial regions can be determined by grouping facial features satisfying simple geometric constraints on unique facial structure. In the test for over 1000 images in the AR -face database, pure facial regions were detected correctly for each face image without wearing glasses. Very few errors occurred in the face images wearing glasses with a thick frame because of the occluded eyebrow -pairs. The proposed scheme may be best suited for the later stage of classification using either the mappings or a template matching, because of its capability of handling rotational and translational variations.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 독립된 얼굴 요소들의 검출을 보장할 수 있는 강건한 검출기법과 순수한 얼굴 영역을 찾기 위한 규칙에 기반한 기법을 제안한다. 제안한 기법은 영상의 회전과 이동 변화를 보상할 수 있으므로 강건한 얼굴인식의 전처리 과정으로 사용할 수 있다.
그림 7에서와 같이 기울어진 영상에서는 눈과 눈썹이 쌍을 이루어 검출될 수 있다. 이러한 회전을 보상하기 위해 대칭성에 기반한 간단한 보상 기법을 제시한다.
가설 설정
(1) 좌측 눈썹의 가장 오른쪽 X좌표와 우측 눈썹의 가장 왼쪽 X좌표( 미간의 X좌표)는 입 영역의 X좌표 사이에 있다. 눈의 쌍도 비슷한 기하학적 조건을 가진다 (그림 5(a) 참조).
제안 방법
AR face 데이타베이스에서 1000여 개의 영상에 대해 제안한 방법으로 실험하였고 시각적으로 순수한 얼굴 영역이 정확히 추출되었는지 여부를 판정하였다. 안경을 착용하지 않은 모든 영상에서 초기 얼굴 영역이 정확히 검지 되었으며, 머리 방향과 이동을 보상해줌으로써 얼굴 표정들과 조명 조건의 변화에 무관하게 정확한 얼굴 영역을 검출할 수 있었다.
얼굴 요소들을 추출한 후, 다음과 같은 간단한 기하학적 조건을 만족하는 얼굴 요소의 그룹을 검색함으로써 순수 얼굴영역을 검출한다
규칙에 기반한 기법을 제안한다. 제안한 기법은 영상의 회전과 이동 변화를 보상할 수 있으므로 강건한 얼굴인식의 전처리 과정으로 사용할 수 있다. 독립적인 수평 증거 영역들을 검출하기 위한 기법으로서 형상 분해 국부 최적 임계치 기법을 2장에 기술하며 눈썹 쌍과 눈 쌍을 찾기 위한 규칙에 기반한 기법과 회전, 이동 변화에 대한 보상 기법을 3장에 제시한다.
대상 데이터
이 데이타베이스는 126명의 인물에 대한 정면 영상으로 3200개 이상의 영상으로 구성되어 있다. 2주의 기간을 두고 2개의 세션으로 기록되었고, 각 세션은 13개의 영상들로 구성되었다. 다양한 조명 조건에서 자연스럽고, 웃고, 화내고, 분노하고, 썬글라스와 스카프를 착용한 다양한 얼굴 표정을 가진 얼굴 영상들이 데이타에이스에 포함되어 있다.
실험에서는 AR face 데이타베이스[20]가 사용되었다. 이 데이타베이스는 126명의 인물에 대한 정면 영상으로 3200개 이상의 영상으로 구성되어 있다.
사용되었다. 이 데이타베이스는 126명의 인물에 대한 정면 영상으로 3200개 이상의 영상으로 구성되어 있다. 2주의 기간을 두고 2개의 세션으로 기록되었고, 각 세션은 13개의 영상들로 구성되었다.
이론/모형
또한 얼굴의 윤곽을 찾은 후에, 얼굴 요소들을 찾기 위한 다양한 기법이 제안되었다[8, 9, 10]. 눈과 눈썹을 찾기 위해 [11]에서는 에지의 방향성 정보를 이용한 Hough 변환을 적용하였다. [12]에서는 얼굴의 대칭적인 특징을 이용하여 얼굴 요소의 후보들의 대칭점을 찾는다’ 위에서 예로 든 방법들은 에지의 크기와 방향과 같은 국부 적정 보를 기초로 하고 있기 때문에 얼굴 표정과 조명 조건의 변화가 심할 경우 얼굴 요소들의 강건한 검출을 보장하기 어렵다.
조명 조건의 변화를 보상하기 위해 DC-notch 필터 [15] 를 사용한다. f 를 입력 영상이라고 하면 DC-notch 필터를 수행한 출력 영상 g는 다음과 같이 구할 수 있다.
성능/효과
n 값에 의해 clutter 영역을 제거한 얼굴영역의 검출 결과를 좌측 영상에 보인다. 그림 12(b)와 같은 저 해상도 영상에서도 눈과 눈썹이 가리워 진 경우를 제외하면 얼굴 영역의 대분분을 정확하게 검출할 수 있었다. 이는 얼굴 요소영역을 검출함에 있어 형상분해 국부 임계치 기법의 유효성을 보인다 신경회更망을 사용한 검출 결과U3]와 비교하면 검출 성능은 떨어지지만 얼굴영상과 비 얼굴 영상에 관한 대규모의 학습 영상을 필요로 하지 않으며 실행속도가 월등히 빠른 장점을 가진다,
기초로 한 템플리트 정합[1, 2]과 2) PCA 또는 LDA 매핑과 같이 차원을 감소시켜 순수한 얼굴 영역을 분류[3, 4, 5]하는 기법을 들 수 있다. 얼굴 요소들의 정확한 위치를 찾는 것은 정합과 매핑에 기반한 얼굴 인식 알고리즘들을 구현하기 위한 핵심 요소이다.
따라서 신뢰도가 높은 얼굴인식 기법의 :产현을 위해선 순수한 얼굴 요소의 위치를 정확히 추출하는 전처리 과정이 필수적으로 요구된다. 본 논문에서 제안한 형상 분해 국부 최적 임계치 기법은 얼굴의 구성 요소를 강건하게 검출할 수 있으며, AR face의 데이타베이스에 적용한 결과 얼굴 표정과 조명 조건의 변화에 관계없이 순수 얼굴 영역의 정확한 검출이 가능하였다. 따라서 고 정확도의 인식 능력이 요구되는 개인 인증음 위한 얼굼인식 기법의 전처리 과정으로 활용될 수 있다.
안경을 착용하지 않은 모든 영상에서 초기 얼굴 영역이 정확히 검지 되었으며, 머리 방향과 이동을 보상해줌으로써 얼굴 표정들과 조명 조건의 변화에 무관하게 정확한 얼굴 영역을 검출할 수 있었다. 그림 11에 보인 예처럼 두꺼운 안경을 착용한 영상에서 극소수의 오류가 발생했다.
참고문헌 (21)
R. Brunelli, T. Poggio, 'Face recognition: Features versus templates,' IEEE Transaction on Pattern Analysis and Machine Intelligence, Vol. 15, pp. 1042-1052, 1983
R. Brunelli, T. Poggio, 'Face recognition through geometrical features,' Computer Vision, ECCV '92, Lecture Notes in Computer Science, pp. 792-800, 1992
M. A. Turk, A. P. Pentland, 'Face recognition using eigenfaces,' Int. Conf. on Pattern Recognition, pp. 586-591, 1991
M. Kirby, L. Sirovich, 'Application of the Karhunen Loeve procedure for the characterization of human faces,' IEEE Transaction on Pattern Analysis and Machine Intelligence, Vol. 12, pp. 103-108, 1990
A. M. Martinez, A. C. Kak, 'PCA versus LDA,' IEEE Transaction. IEEE Transaction on Pattern Analysis and Machine Intelligence, Vol. 23, pp. 228-233, 2001
V. Govindaraju, S. N. Srihari, and D. B. Sher, 'A computational model for face location,' Proc. 3rd Int. Conf. on Computer Vision, pp. 718-721, 1990
A. Yuille, D. Cohen, P. Hallinan, 'Feature extraction from faces using deformable templates,' Proc., IEEE Computer Soc. Conf. on Computer Vision and Pattern Recognition, pp. 104-109, 1989
I. Craw, H. Ellis, J. Lishman, 'Automatic extraction of face features,' Pattern Recognition Letters, Vol. 5, pp. 183-187, 1987
I. Craw, D. Tock, A. Bennett, 'Finding face features,' Proc. 2nd Europe. Conf. on Compuer Vision, pp. 92-96, 1992
P. W. Hallinan, 'Recognizing human eyes,' SPIE Proc., Geometric Methods in Computer Vision, Vol. 1570, pp. 214-226, 1991
M. Nixon, 'Eye spacing measurement for facial recognition,' SPIE Proc., Vol. 575, pp. 279-285, 1985
D. Reisfeld, Y. Yeshuran, 'Roust detection of facial features by generalized symmetry,' Proc., 11th Int. Conf. on Pattern Recognition, pp. 117-120, 1992
H. Rowley, S. Baluja, T. Kanade, 'Neural Network Based Face Detection,' IEEE Transaction on Pattern Analysis and Machine Intelligence, Vol. 20, pp. 23-38, 1998
※ AI-Helper는 부적절한 답변을 할 수 있습니다.