선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 이러한 문제점을 개선하고자 개인의 피부색의 차이와 영상전체의 밝기 등 여러가지 환경요인에 따라 변화하는 피부색을 찾기 위해 눈을 찾아 영상에서 직접 피부 샘플을 이용하는 영상 적응적 형태의 방법을 제안하였다. 기존에 제안된 방법 보다 좋은 결과를 얻을 수 있었다.
제안 방법
- EyeMap을 임계값을 사용하여 이진화 하여 눈의 후보영역을 추출한다.<그림 5>는 EyeMap을 사용하여 구한 실험 결과이다.
- 앞서 검출된 피부 영역을 기반으로 Hsu가 제안한 방법인 MouthMap을 이용하여 입술을 검출하는 방법을 제안 하고자 한다. Hsu의 방법의 경우 일반적으로 알려진 피부 색상값을 이용하여 입술을 검출하였으나 본 논문에서는 환경에 적응된 피부 색상 모델을 이용하여 입술을 검출한다.<그림 2>는 시스템 개요도로 입력 영상을 먼저 전처리 과정을 거친다.
- 전처리 과정에서는 히스토:!램 평활화를 수행하여 영상의 대비를 높이는 작업을 수행한다. 그 다음 전체 영상에서 눈 영역을 찾고, 그 눈 주변 영역에서 배경과 피부색을 분리하는 작업을 한 후 피부색상모델을 만들고 이 모델을 바탕으로 전체 영상에서 피부 영역을 추출한디..
- 따라서 RGB 색상모델을 HSI 색상모델로 변환하여 I 채널만 히스토그램 평활화를 함으로써 본래의 색상을 유지하면서 다}비를 높이는 작업을 한다. RGB 색상모델을 HSI 색상 모델로 변환하는 방법은 다음과 같은 방법으로 변환하였다.
- 피부 색상 모델이 제대로 만들어지지 않으면 피부 영역 또한 제대로 검출 되지 않는다. 따라서 본 논문에서는 눈을 찾고 그 주변영역의 피부색을 사용해 피부 색상 모델을 만들게 된다. 눈 주변의 영역은 일반적으로 피부가 위치하게 된다.
- 눈 영역에 있는 색상값을 보면 어두운 부분과 밝은 부분을 모두 포함하고 있다. 따라서 영상의 명암값에 팽창과 침식을 적용하여 명암대비를 이용한 EyeMapL을 추출한다. 구해진 두 개의 값을 이용하여 EyeMap을 식⑹과 같이 만든다.
- 본 논문에서는 Hsu가 제안한 YCbCr 색상공간에서 EyeMap를 이용하여 눈 영역을 검출하고, 검출된 눈 영역의 주위 피부색상을 이용하여 피부영역을 구한다. 앞서 검출된 피부 영역을 기반으로 Hsu가 제안한 방법인 MouthMap을 이용하여 입술을 검출하는 방법을 제안 하고자 한다.
- 피부색상을 이용하여 피부영역을 구한다. 앞서 검출된 피부 영역을 기반으로 Hsu가 제안한 방법인 MouthMap을 이용하여 입술을 검출하는 방법을 제안 하고자 한다. Hsu의 방법의 경우 일반적으로 알려진 피부 색상값을 이용하여 입술을 검출하였으나 본 논문에서는 환경에 적응된 피부 색상 모델을 이용하여 입술을 검출한다.
- 영상 전체의 밝기 및 색상에 따라 피부영역이 다르게 나타나는 문제를 해결하기 위해 영상의 밝기에 따라 분포하는 피부 색상을 분류 하여 몇 개의 피부 색상 모델을 만들었다. 이렇게 구해진 피부 색상 모델을 이용하여 영상 전체를 사물 영역과 배경영역으로 나누고 피부 영역을 탐지한다.
- 눈을 검출하여 얼굴의 피부색을 기반으로 색상모델을 만들기 때문에 영상전체의 밝기 값이나 개인의 피부색 차이 등에 보다 강건한 결과를 얻을 수 있다. 이 결과를 바탕으로 입술영역을 검출한다.
- 영상 전체의 밝기 및 색상에 따라 피부영역이 다르게 나타나는 문제를 해결하기 위해 영상의 밝기에 따라 분포하는 피부 색상을 분류 하여 몇 개의 피부 색상 모델을 만들었다. 이렇게 구해진 피부 색상 모델을 이용하여 영상 전체를 사물 영역과 배경영역으로 나누고 피부 영역을 탐지한다. 탐지된 영역 중에 몇 가지 문제가 있는데 피부색과 비슷한 배경 영역을 포함한다는 문제점이 있다.
- 원본 입력영상 히스토그램의 누적합이다. 정규화합 히스토그램을 룩업테이블로 사용하여 I의 분포를 재조정한 후 다시 HSI 색상모델을 RGB 색상모델로 변환한다.<그림 4>는 컬러영상을 HSI공간에서 I채널을 히스토그램 평활화를 한 결과이다.
대상 데이터
- 본 논문에서는 식(7)과 같이 G.값을이용하였으며 Foe 실험을 통하여 얻어진 일반적인 피부색상으로 본 논문에서는 95를 사용하였다.
- 본 논문은 전체 6장으로 구성되어있다. 1장에서는 연구 배경 및 목적, 관련된 연구, 제안하는 방법에 관해서 설명하고 2장에서는 피부영역검출을 위한 전처리 과정을 기술한다.
- 본 실험을 위해 사용한 컴퓨터는 AMD Athlon 64 X2 Dual Core Process 5600+ 2.90Ghz CPU와 2.00GB RAN을 사용 하였고, VGA카드는 Nnidia Geforce 9500GT, 운영체제는 WindowsXP SP2, 사용언어는 Microsoft Visual Studio C++ 6.0을 사용하였다. 사용 영상은 자체적으로 구축한 데이터베이스를 사용하였다.
- 0을 사용하였다. 사용 영상은 자체적으로 구축한 데이터베이스를 사용하였다. 이 데이터베이스는 인터넷에 배포되어 있는 유해 영상 600징« 성인영상 600장, 인물영상 600장, 일반영상 700장으로 구성되어 있다.
- 사용 영상은 자체적으로 구축한 데이터베이스를 사용하였다. 이 데이터베이스는 인터넷에 배포되어 있는 유해 영상 600징« 성인영상 600장, 인물영상 600장, 일반영상 700장으로 구성되어 있다.
이론/모형
- 얼굴을 검출하기 위해 Rein-Lien Hsu〔12〕은 눈과 입을 이용한다. EyeMap을 이용하여 눈을 찾고 MouthMap을 이용하여 입술을 찾는다. 눈을 찾기 위해서 명암값과 색상값을 이용한다.
- SkinMap의 히스토그램을 작성하여 Otsu가 제안한 방법으로 이진화를 하여 원래 영상에서 배경영역을 지우면 과 같이 나타나며 피부가 아닌 영역은 검정색으로처리 하였다.
- 눈을 검출하기 위한 방법으로는 Hsu가 제안한 방법인 Eye Map< 사용한다. 여기서 RGB 색상모델을 YCbCr 색상모델로 변환해야 하는데 변환은 식(3)과 같이 구할 수 있다.
- 존재한다. 얼굴을 검출하는 방법으로는 Kawaguchi [8] 가 제안한 영상의 명암과 윤곽선을 이용하여 눈을 검출하는 방법과 .마찬가지로 Song〔9〕은 윤곽선을 이용하여 눈을 검출 하는 방법을 제안했다.
- 이렇게 만들어진 SkinMap을 Otus〔14〕가 제안한 식(& 9) 의방법으로 이진화한다.
- 입을 검출하기 위한 방법으로는 Mouth Map을 사용한다. 색상을 기반으로 입 영역을 검출하기 위해 먼저 n를 구한다.
- 흑백영상을 이용하여 팽창과 침식을 하여 명암대비를 이용한 EyeMapL을 구한다. £는 팽창, ㊀는 침식을 하는 것이고〔13〕, g(x, y)는 흑백영상의 명암값이다.
성능/효과
- <그림 16> 한 영상에 여러명의 얼굴이 나와 있는 경우의 실험 결과이다. 기존 방법의 경우 정확히 검출하지 못했지만, 제안된 방법의 경우 손바닥까지 잘 검출되어 있다.<그림 17>은 얼굴 영상에서 얼굴영역과 입술영역을 검출한 결과이다.
- 기존에 제안된 방법 보다 좋은 결과를 얻을 수 있었다.
- 기존의 방법은 푸른색의 바탕을 가진 영상에서는 피부영역을 제대로 검출 하지 못한 결과로 피부 영역의 대부분을 입술 영역으로 검출하였고 피부색과 비슷한 배경을 가진 영상에서는 입술 영역을 아예 검출하지 못하였다. 하지만 제안된 방법에서는 안정적으로 검출되고 있다.
- 예를 들어 영상이 전체적으로 푸른색을 띄고 있으면 피부영역 전체를 입술 영역이라고 판단히는 경우가 발생하였고 , 전체적으로 붉은색을 띄고 있으면 입술을 검출하지 못하는 경우가 종종 발생 되었다. 하지만 제안된 방법의 경우 영상의 전반적인 색상과는 관계없이 영상 자체예서 샘플을 구해 피부 색상 모델을 작성하였으므로 영상의 전체적인 색상과는 강건한 모습을 볼 수 있었다.
후속연구
- 경우는 이 방법을 적용하지 못한다. 따라서 눈 영역의 검출기법의 고도화와 다른 신체요소 또는 신체요소의 검출 없이 적응적 피부색상모델을 작성하는 방법에 대해 연구 되어야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.