[논문]벡터표현 기반의 연령변화에 따른 얼굴 변환

이현직; 김윤호

[국내논문] 벡터표현 기반의 연령변화에 따른 얼굴 변환
Face Transform with Age-progressing based on Vector Representation 원문보기

한국정보전자통신기술학회논문지 = Journal of Korea institute of information, electronics, and communication technology, v.3 no.3, 2010년, pp.39 - 44

이현직 (목원대학교 컴퓨터공학과) , 김윤호 (목원대학교 컴퓨터공학부)

초록
AI-Helper

본 연구에서는 벡터 변환 기법을 이용하여 연령변화에 따른 얼굴변환 기법을 제안 하였다. 제안한 기법은 주관성을 배제하고 일관성과 신뢰성을 높이기 위하여 모핑과 벡터 모델을 적용하였다. 또한, 형태에 따른 질감변화 요인을 정의하고 내부 외부 환경 변화에 대한 형태 변환 요소를 고려하였다. 제안한 방법의 타당성을 확인하기 위하여 실험결과를 정성적인 방법으로 유사성 평가를 수행하였는 바, 14세부터 60세까지의 얼굴 변환 결과가 매우 유사하게 평가 되었다.

Abstract ▼ AI-Helper

In this paper, we addressed a face transform scheme with age-progressing based on vector representation. Proposed approach utilized a vector modeling as well as morphing so as to improve not only a reliability but also a consistency. For the more, some elements of texture change owing to the face shape are defined and some parameters with respect to the internal and external environments are also considered. To testify the proposed approach, estimation of similarity is performed with qualitative manner by using experimental output, and finally resulted in satisfactory for face shape transformation aged from sixty to fourteen.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 Morph & Vector를 이용하여 연령변화에 따른 얼굴 변환 기법을 제안하였다.
본 논문에서는 컴퓨터 비전 기술 기반의 얼굴형상 예측 기법을 제안하였다. 연구 과정으로 회전에 강건한 AdaBoost 기반의 얼굴 영역 검색을 이용하고, 성장 후의 예측 형태를 실종 아동의 얼굴 정보와 부모의 얼굴 정보를 얼굴 특징 영역(이마, 눈썹, 눈, 코, 입, 턱 라인)을 이용하여 모핑시킴으로써 유사한 얼굴을 복원하였다.
결과적으로, 본 연구를 통하여 장기 실종 아동과 관련된 여러 정부 기관을 대상으로 장기 실종 아동을 찾는데 드는 사회적인 직간접 비용을 줄이고, 유관 기관들의 실종자 수사의 효율성, 일관성, 신속성, 신뢰성을 높일 수 있도록 하였다. 향후과제로 관리자의 개입을 최소화하는 사용이 간결하고 직관적인 사용자 인터페이스를 도입하여 시스템의 효율성을 증대 시키고, 통합 환경에서 다른 응용 프로그램의 지원 없이 얼굴형상 예측 서비스를 받을 수 있도록 하는 것을 목표로 한다.

가설 설정

① 얼굴 나이 변환 전문가 양성에 많은 투자와 시간이 요구된다.

제안 방법

본 실험에서는 얼굴형상을 이용하여 연령별 변화된 모습을 예측하기 위하여 각각의 벡터를 구분하여 적용하였다. 아동의 경우와 어른의 경우 벡터의 표현이 각기 다르기 때문에 그림 5와 같이 같은 입력영상이라도 벡터표현에 따라 다른 출력영상을 나타낼 수 있다.
얼굴 검출과정에서 Haar-like 특징을 사용하였고, 속도 향상을 위해 적분 영상과 약한 분류기에서 강한 분류기로 부스팅하는 방법 그리고 단계 검출 방법을 하였다.
연구 과정으로 회전에 강건한 AdaBoost 기반의 얼굴 영역 검색을 이용하고, 성장 후의 예측 형태를 실종 아동의 얼굴 정보와 부모의 얼굴 정보를 얼굴 특징 영역(이마, 눈썹, 눈, 코, 입, 턱 라인)을 이용하여 모핑시킴으로써 유사한 얼굴을 복원하였다. 얼굴 특징 영역으로 모핑조건을 갖추어 변형을 부드럽게 하였고, 각 특징 영역에 벡터변환을 하여 연령변화에 따른 얼굴을 추론하였다. 생성된 결과 영상의 평균얼굴에 유클리 디안 거리를 이용하여 얼굴 형태 유사도를 측정한 결과 그에 대한 유사도는 88.
저장된 이미지는 전처리 과정으로 밝기 값의 분포를 균일하게 만들기 위한 히스토그램 평준화를 거친다. 얼굴 특징(눈썹, 눈, 코, 입, 턱 선) 영역에 제어점을 설정한 후, 제어점을 기준으로 모핑을 이용하여 얼굴을 변형시킨다. 모핑된 얼굴을 원하는 연령대로 변환시키기 위해각 픽셀을 벡터에 따라 변형시킨다.
본 논문에서는 컴퓨터 비전 기술 기반의 얼굴형상 예측 기법을 제안하였다. 연구 과정으로 회전에 강건한 AdaBoost 기반의 얼굴 영역 검색을 이용하고, 성장 후의 예측 형태를 실종 아동의 얼굴 정보와 부모의 얼굴 정보를 얼굴 특징 영역(이마, 눈썹, 눈, 코, 입, 턱 라인)을 이용하여 모핑시킴으로써 유사한 얼굴을 복원하였다. 얼굴 특징 영역으로 모핑조건을 갖추어 변형을 부드럽게 하였고, 각 특징 영역에 벡터변환을 하여 연령변화에 따른 얼굴을 추론하였다.
영상의 화질 개선을 위해 전처리로써 입력영상에 히스토그램 평준화를 적용한다. 히스토그램 평준화는 전반적으로 대조가 작고 영상의 히스토그램이 한쪽으로 치우쳐 있는 영상의 경우 그 영상의 히스토그램을 넓게 펼쳐줌으로써 영상의 질을 개선하는 것이다.
입력되는 실험영상에서 AdaBoost 알고리즘을 기반으로 얼굴 영역을 검출하고 검출된 영상은 400×500 크기의 이미지로 저장된 후, 그림 4와 같이 영상의 화질 개선을 위해 영상의 밝기 값의 분포를 균일하게 만드는 히스토그램 평준화를 사용한다.

대상 데이터

17GHz, Matlab2007과 윈도우 프로그램을 위한 MFC 라이브러리를 사용하였다. 영상은 일반사진을 스캔하여 사용하였다. 입력되는 실험영상에서 AdaBoost 알고리즘을 기반으로 얼굴 영역을 검출하고 검출된 영상은 400×500 크기의 이미지로 저장된 후, 그림 4와 같이 영상의 화질 개선을 위해 영상의 밝기 값의 분포를 균일하게 만드는 히스토그램 평준화를 사용한다.

이론/모형

공간상에서 템플릿 매칭기법을 이용하여 각각 연령대에 따른 평균 얼굴 벡터(ψ)에서 추출한 값을 구한다.
본 논문에서 구현한 얼굴변환기법은 윈도우 기반 Intel(R) Core(TM)2 Duo 3.17GHz, Matlab2007과 윈도우 프로그램을 위한 MFC 라이브러리를 사용하였다. 영상은 일반사진을 스캔하여 사용하였다.
먼저, 아동의 사진과 아동의 부모나 형제사진을 입력한다. 입력된 사진은 AdaBoost 학습 알고리즘 기반의 얼굴 후보 영역을 추출한다. AdaBoost 학습 알고리즘은 가장 잘 알려져 있고 단순하면서도 효율적인 장점을 가지고 있다[6].

성능/효과

결과적으로, 본 연구를 통하여 장기 실종 아동과 관련된 여러 정부 기관을 대상으로 장기 실종 아동을 찾는데 드는 사회적인 직간접 비용을 줄이고, 유관 기관들의 실종자 수사의 효율성, 일관성, 신속성, 신뢰성을 높일 수 있도록 하였다. 향후과제로 관리자의 개입을 최소화하는 사용이 간결하고 직관적인 사용자 인터페이스를 도입하여 시스템의 효율성을 증대 시키고, 통합 환경에서 다른 응용 프로그램의 지원 없이 얼굴형상 예측 서비스를 받을 수 있도록 하는 것을 목표로 한다.
얼굴 특징 영역으로 모핑조건을 갖추어 변형을 부드럽게 하였고, 각 특징 영역에 벡터변환을 하여 연령변화에 따른 얼굴을 추론하였다. 생성된 결과 영상의 평균얼굴에 유클리 디안 거리를 이용하여 얼굴 형태 유사도를 측정한 결과 그에 대한 유사도는 88.0%였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	나이 변환 시스템의 세부 핵심 기술 항목들은?	국내에서는 나이 변환 시스템의 세부 핵심 기술 항목들에(얼굴 복원, 얼굴 변형, 얼굴 합성 등) 대해서는 학교나 연구소에서 많은 연구를 진행하여 논문 및 특허를 꾸준히 발표하고 있지만, 현재까지 나이 변환이 전체 시스템으로 개발된 제품은 없으며 인터넷에서 2세 얼굴 합성 정도만 상용화된 실정이다. 하지만 여전히 얼굴 영상 데이터베이스화 및 얼굴 변화의 주요 특징 분석 등의 기술 개발의 경우 해외와 비교하면 부족한 실정이다[3].
	나이변환 프로그램이 갖는 문제점은?	① 얼굴 나이 변환 전문가 양성에 많은 투자와 시간이 요구된다. ② 얼굴 나이 변환 영상을 얻는데 많은 시간과 노력이 필요하다. ③ 다양한 조건의 얼굴 추정 영상을 수작업으로 만들기 어렵다. ④ 급격하게 성장하는 아동들의 나이 변환 영상을 수작업으로 대처하기 어렵다. ⑤ 전문가의 주관성이 개입되기 때문에 얼굴 영상의 객관성, 신뢰성, 일관성이 떨어진다.
	얼굴나이변환 기법은 어떻게 다양한 분야에서 응용되고 있는가?	얼굴나이(연령변화에 따른 얼굴형상의 장기적, 자연적 변형)변환 기법은 영상처리 기술을 활용하여 인물사진의 시간의 경과에 따른 예상변화 모습을 추정하여 이미지로 도출하는 것으로 실종 유아를 찾거나 용의자 추정 등 다양한 분야에서 응용되고 있다. 미국의 경우 1980년대부터 얼굴변환 프로그램을 사용하기 시작하였는바, 실종 당시 연령이 2세 이상부터 가능하며, 실무상 실종된 지 2년 후부터 실시하고, 18세 미만에 대해서는 2년마다, 18세 이상에 대해서는 5년마다 실시하고 있다[1].

저자의 다른 논문 :

원문 URL 링크

DBPia : 저널
AccessON : 저널

*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내

내보내기 메뉴

내보내기 구분

파일저장
인쇄
메일전송

구성항목

기본정보
상세정보

관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관

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

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].

AI-Helper ※ AI-Helper는 을 사용합니다.

AI-Helper

안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

연합인증