[논문]TV컬러 배경영상에서 얼굴영역 검출 알고리즘

이주신

doi:10.12673/jant.2011.15.4.672

TV컬러 배경영상에서 얼굴영역 검출 알고리즘
Algorithm of Face Region Detection in the TV Color Background Image 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.15 no.4 = no.49, 2011년, pp.672 - 679

초록
AI-Helper

본 논문에서는 텔레비전 칼라영상에서 사람의 피부색을 기반으로 얼굴영역을 검출하는 방법을 제안하였다. 제안된 방법은 피부색을 샘플링하여 기준영상으로 놓고, 텔레비전 영상의 화소와 기준영상의 화소 사이의 유클리디안(Euclidean) 거리를 이용하여 얼굴후보 영역결정을 하였다. 얼굴 후보영역에서 눈 검출은 RGB 칼라를 CMY칼라 모델로 변환 하여 Y와 C 사이의 색차성분에 대한 평균값과 표준 편차를 이용하여 검출 하였다. 입술 영역은 RGB 칼라모델에서 YIQ 칼라 공간으로 변환 하여 Q 요소로 입술 영상을 검출 하였다. 얼굴영역 검출은 눈 영상과 입술 영상을 논리연산 하여 지식 기반으로 결정 하였다. 제안된 방법의 타당성을 입증하기 위하여 텔레비전 칼라영상에서 입력받은 정면 칼라 영상으로 실험한 결과, 얼굴영역 검출이 얼굴의 위치와 크기에 관계없이 검출됨을 보였다.

Abstract ▼ AI-Helper

In this paper, detection algorithm of face region based on skin color of in the TV images is proposed. In the first, reference image is set to the sampled skin color, and then the extracted of face region is candidated using the Euclidean distance between the pixels of TV image. The eye image is detected by using the mean value and standard deviation of the component forming color difference between Y and C through the conversion of RGB color into CMY color model. Detecting the lips image is calculated by utilizing Q component through the conversion of RGB color model into YIQ color space. The detection of the face region is extracted using basis of knowledge by doing logical calculation of the eye image and lips image. To testify the proposed method, some experiments are performed using front color image down loaded from TV color image. Experimental results showed that face region can be detected in both case of the irrespective location & size of the human face.

주제어

AI 본문요약
AI-Helper

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

문제 정의

NTSC 컬러 TV 방식에서 YIQ 를 사용하는 목적은 고정된 대역폭 사용을 최대화하기 위해 인간의 시각 시스템의 특정 특성을 이용하고자 하는 것이다. 변환된 칼라공간에서 Q 요소가 입술 영역에서 가장 큰 값을 갖는다.
본 논문에서는 칼라 배경 영상에서 피부색 요소를 기초로 한 특징기반 방법으로 얼굴영역을 정의 하고,얼굴영역에서 얼굴 인식에 필요한 특징요소를 추출하는 방법을 제안하였다. 특징기반으로 얼굴영역을 검출을 하기 위하여 피부색에 해당하는 20개의 색상 대한 평균값과 표준편차 값을 가지고 검출하였다.
본 논문에서는 텔레비전 칼라영상에서 사람의 피부색을 기반으로 얼굴영역을 검출하는 방법을 제안하였고 제안된 방법의 타당성을 검토한 결과 다음과 같은 결론을 얻었다.
최종 얼굴영역의 크기 결정은 템플릿 방법을 통해 결정 하였다. 제안된 방법의 타당성을 입증 하기위하여 TV 뉴스영상을 가지고 사람의 얼굴을 크기와 위치에 관계없이 검출 하고자 한다.

제안 방법

RGB 칼라 영상에서 사람의 얼굴의 피부색영역을 검출하기 위해서 RGB 칼라 모델을 Y, Cb, Cr 칼라 공간으로 변환하였다. 변환된 칼라공간에서 C 요소가 눈 영역에서 가장 큰 값을 가지므로 이러한 색상의 색차 특성을 이용해서 눈 영역을 검출한다.
칼라 동영상은 휘도 변화에 매우 민감하다. TV칼라영상에서 RGB 휘도 값의 범위를 구하여 일정 비율의 화소를 다시 계산하여 스므딩 처리하고 RGB 각각의 값에 대하여 평균값을 구하고, RGB 각각의 평균값을 다시 원 영상에 곱하여 새로운 RGB 값을 가지는 영상으로 만들어 휘도를 보정하였다. 표본 피부색 영상은 20명의 얼굴영상에서 피부색에 해당되는 부분을 20×20 크기로 샘플링 하여 그림1 과 같이 20개의 영상을 만들고, 20개의 표본 영상을 얼굴영역을 검출하는 기준영상으로 설정하였다[20]
RGB 칼라 영상에서 사람의 얼굴의 피부색영역을 검출하기 위해서 RGB 칼라 모델을 Y, Cb, Cr 칼라 공간으로 변환하였다. 변환된 칼라공간에서 C 요소가 눈 영역에서 가장 큰 값을 가지므로 이러한 색상의 색차 특성을 이용해서 눈 영역을 검출한다.
본 연구에서는 영상에서 사람의 얼굴 부분을 검출하기 위하여 RGB 칼라공간에서 CMY(Cyan, Magenta, Yellow) 칼라공간으로 변환하였다. CMY 칼라공간은 RGB 칼라공간의 반대 공간이며 서로 보색 관계를 가지고 있기 때문에 두 칼라 공간 사이에 변환이 쉽다.
얼굴영역에서 입술을 검출하기 위해 RGB 칼라 모델을 YIQ 칼라 공간으로 변환하였다. YIQ 칼라공간은 컬러 TV 방송을 위한 NTSC 방식에서 채택하는 기본 색상이다.
변환된 칼라공간에서 Q 요소가 입술 영역에서 가장 큰 값을 갖는다. 이러한 색상 특성을 이용해서 입술 영역을 검출한다.
제안한 알고리즘의 타당성을 검증하기 위하여 피부색 기준영상 20 장을 샘플링 하여 기준영상 으로 설정 하였다. 텔레비전 뉴스영상에서 입력받아 얼굴 영역을 구성하는 영상 화소들에 Cb와 Cr로 구성되는 화소의 특징 벡터 Fv(x,y)와 피부색 모델과의 유클리디안 거리를 계산하여 피부 영역을 추출하였다.
제안한 알고리즘의 타당성을 검증하기 위하여 피부색 기준영상 20 장을 샘플링 하여 기준영상 으로 설정 하였다. 텔레비전 뉴스영상에서 입력받아 얼굴 영역을 구성하는 영상 화소들에 Cb와 Cr로 구성되는 화소의 특징 벡터 Fv(x,y)와 피부색 모델과의 유클리디안 거리를 계산하여 피부 영역을 추출하였다. 그림 3은 실험에 사용한 얼굴영상으로 텔레비전 뉴스 영상을 나타낸 것이다.
표본피부색 영상에서 Y, Cb, Cr 로 변환된 칼라공간에서 피부색을 추출하기 위하여 Cb, Cr 의 공간 값에 대한 평균값과 표준편차 값을 특징 파라미터로 사용하였다. 식 2와 식 3은 표본 피부색의 Cb, 과 Cr 평균값을 각각 나타낸 것이다.
특징기반으로 얼굴영역을 검출을 하기 위하여 피부색에 해당하는 20개의 색상 대한 평균값과 표준편차 값을 가지고 검출하였다. 피부색으로 검출된 얼굴영역에서 얼굴에 대한 일반적인 지시기반 방법으로 눈과 입술을 검출 하였다. 눈의 검출은 CMY칼라 모델에서 C요소로 눈을 검출하였고, 입술은 YIQ 칼라 공간에서 Q요소로 입을 검출하다.

대상 데이터

피부색으로 검출된 얼굴영역에서 얼굴에 대한 일반적인 지시기반 방법으로 눈과 입술을 검출 하였다. 눈의 검출은 CMY칼라 모델에서 C요소로 눈을 검출하였고, 입술은 YIQ 칼라 공간에서 Q요소로 입을 검출하다. 최종 얼굴영역의 크기 결정은 템플릿 방법을 통해 결정 하였다.
표본 피부색 영상은 20명의 얼굴영상에서 피부색에 해당되는 부분을 20×20 크기로 샘플링 하여 그림1 과 같이 20개의 영상을 만들고, 20개의 표본 영상을 얼굴영역을 검출하는 기준영상으로 설정하였다[20]

데이터처리

본 논문에서는 칼라 배경 영상에서 피부색 요소를 기초로 한 특징기반 방법으로 얼굴영역을 정의 하고,얼굴영역에서 얼굴 인식에 필요한 특징요소를 추출하는 방법을 제안하였다. 특징기반으로 얼굴영역을 검출을 하기 위하여 피부색에 해당하는 20개의 색상 대한 평균값과 표준편차 값을 가지고 검출하였다. 피부색으로 검출된 얼굴영역에서 얼굴에 대한 일반적인 지시기반 방법으로 눈과 입술을 검출 하였다.

이론/모형

눈의 검출은 CMY칼라 모델에서 C요소로 눈을 검출하였고, 입술은 YIQ 칼라 공간에서 Q요소로 입을 검출하다. 최종 얼굴영역의 크기 결정은 템플릿 방법을 통해 결정 하였다. 제안된 방법의 타당성을 입증 하기위하여 TV 뉴스영상을 가지고 사람의 얼굴을 크기와 위치에 관계없이 검출 하고자 한다.

성능/효과

피부색에 의해 분리된 영역을 CMY칼라 공간으로 변환하여 C요소로 얼굴형상에 대한 지식기반 구조로 눈을 검출하였고, YIQ 칼라 공간에서 Q요소로 입을 검출하여 최종 얼굴영역을 검출됨을 보였다. 추출된 얼굴 영역에 눈과 입의 특징이 존재하는지 여부로 얼굴을 검출한 결과 1인 영상, 2인 영상, 5인 영상에 대하여 각각 100%의 인식율을 나타내었으며 얼굴영역 검출이 영상의 위치와 크기에 관계없이 검출됨을 보였다. 향후 연구과제로는 검출된 얼굴영역을 이용하여 얼굴에 나타난 표정을 인식한 후, 감성 판단을 위한 뉴로 퍼지추론 기반의 알고리즘 개발 등이다.
표1에서 한사람만 영상에 존재할 때 영상 10개에 대하여 얼굴 영역을 검출 한 결과 14개의 얼굴영역이 추출되어 140%의 얼굴 영역이 추출되었다. 이 같은 이유는 영상에 사람은 한 사람이지만 피부색 영역은 한 영역 이상으로 검출되기 때문이다.
표1의 결과로부터 제안한 방법이 얼굴 인식과정의 전처리과정 알고리즘으로 적용가능 하다고 사료되며, 또한 텔레비전 칼라영상에서 정면 얼굴영상 가지고 실험한 결과 얼굴영역 검출이 영상의 위치와 크기에 관계없이 검출됨을 보였다.
피부색에 의해 분리된 영역을 CMY칼라 공간으로 변환하여 C요소로 얼굴형상에 대한 지식기반 구조로 눈을 검출하였고, YIQ 칼라 공간에서 Q요소로 입을 검출하여 최종 얼굴영역을 검출됨을 보였다. 추출된 얼굴 영역에 눈과 입의 특징이 존재하는지 여부로 얼굴을 검출한 결과 1인 영상, 2인 영상, 5인 영상에 대하여 각각 100%의 인식율을 나타내었으며 얼굴영역 검출이 영상의 위치와 크기에 관계없이 검출됨을 보였다.

후속연구

추출된 얼굴 영역에 눈과 입의 특징이 존재하는지 여부로 얼굴을 검출한 결과 1인 영상, 2인 영상, 5인 영상에 대하여 각각 100%의 인식율을 나타내었으며 얼굴영역 검출이 영상의 위치와 크기에 관계없이 검출됨을 보였다. 향후 연구과제로는 검출된 얼굴영역을 이용하여 얼굴에 나타난 표정을 인식한 후, 감성 판단을 위한 뉴로 퍼지추론 기반의 알고리즘 개발 등이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	얼굴 영역을 검출하는 방법은 무엇이 있는가?	얼굴 영역을 검출하는 방법은 크게 지식 기반 방법(Knowledge-base methods)과 특징기반 방법 (Feature-based methods), 템플릿 정합 방법 (Template-matching methods), 외형기반 방법 (Appearance-base methods) 등이 있다.
	얼굴 영역을 검출하는 방법 중 지식기반 방법의 단점은?	지식기반 방법은 사람의 얼굴이 서로 대칭인 두개의 눈과 한 개의 코와 입으로 구성되어 있으며 구성 요소들 사이에는 일정한 거리와 상대적 위치 관계 잘 이용하여 얼굴을 검출하는 방법이다[2-3]. 이 방법의 단점은 얼굴의 기울기, 카메라를 바라보는 각도, 조명, 표정등 얼굴의 다양한 변화가 있는 영상에서는 얼굴 검출이 어려우므로 이상적인 경우에만 적용이 가능하다[2-5].
	얼굴 영역을 검출하는 방법 중 지식기반 방법이란?	지식기반 방법은 사람의 얼굴이 서로 대칭인 두개의 눈과 한 개의 코와 입으로 구성되어 있으며 구성 요소들 사이에는 일정한 거리와 상대적 위치 관계 잘 이용하여 얼굴을 검출하는 방법이다[2-3]. 이 방법의 단점은 얼굴의 기울기, 카메라를 바라보는 각도, 조명, 표정등 얼굴의 다양한 변화가 있는 영상에서는 얼굴 검출이 어려우므로 이상적인 경우에만 적용이 가능하다[2-5].

참고문헌 (20)

W. Zhao, R. Chellappa, P.J Philips, A. Rosenfeld, "Face recognition: A literature survey", ACM Computer Surveys, Vol. 35, No.4, pp. 300-458, Dec 2003.
Mohamed A. Berbar, Hamdy M. Kelash, "Face and facial features detection in color images", Proceeding of GMAI 2006.
M. H. Yang, D. J. Kriegman, and N. Ahuja, "Edtecting face in images: a survey", IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 24, no. 1, pp. 34-58, 2002.

상세보기
Y. X. Lv, Z. Q. Liu, and X. H. Zhu, "Real-time face detection based on skin-color model and morphology filters," International Conf. on Machine Learning and Cybernetics, vol.5, pp.3202-3207, 2003.
Ming-Hsuan Yang, "Kernel Eigenfaces vs. Kernel Fisherfaces : Face Recognition Using Kernel Methods," Automatic Face and Gesture Recognition, Proceedings. Fourth IEEE International conference on, pp.208-213, 2002.
Rein-Lien Hsu, Mohamed Abdel-Mottaleb, Anil K. Jain, "Face detection in color images", IEEE Transaction on Pattern analysis and machine intelligence, Vol. 24, No.5 May 2002.
G. Yang and T. S. Huang, "Human face detection on a complex background", Pattern Recognition, vol. 27, no. 1, pp. 53-63, 1994.

상세보기
S. A. Sirohey, "Human Face Segmentation and Identification," Technical Report CS-TR-3176, Univ. of maryland, 1993.
M. F. Augusteijn and T. L. Skujva, "Identification of Human Faces through Testure-Based Feature Recognition and Neural Network Technology," Proc. IEEE Conf. Neural Networks, pp.392-398, 1993.
R. Brunelli and T. Poggio, "Face Recognition : features versus templates," IEEE Transactions on PAMI, vol.15, no.10, pp.1042-1052, 1993.

상세보기
Y. Yagi, "Facial feature extraction from frontal face image," Singnal Processing Proceedings, WCCC-ICSP 2000. 5th International Conference on, vol.2, pp.1225-1232, 2000.
Z. Liu, Y. Wang, "Face detection and tracking in video using dynamic programming", International Conference on Image Processing, vol. 1, pp. 53-56, 2000.
I, Craw, D. Tock, and A. Bennett, "Finding face features", In proc. ECCV, pp. 92-96. 1992.
M. N. Do, M. Vetterli, "Frame Recognition of the Laplacian Pyramid," IEEE International Conference on, vol.6, pp.3641-3644, 2001.
Y. H. Kwon, d. V lobo, "Face detection using templates," Computer Vision & Image Processing. Pattern Recognition, vol.1, pp.764-767, 1994.
J. Wang, K. N Plataniotis, A. N. Venetsanopolous, "Combining features and decisions for face detection," IEEE International Conf, Acoustics, Speech, and Signal Processing, Proceedings, (ICASSP '04), vol.5, pp.17-21, 2004
M. Gharavi-Alkhansari, "A fast globally optimal algorithm for template matching using low-resolution pruning," Image Processing, IEEE Transactions on, vol.10, pp.526-533, 2001.
H. Y. Wu and Q. chen, "Detecting human face in color images," Proc. of the IEEE, pp.2332-2336, 1996.
R. Brunelli and T. Poggio, "Face recognition: Features versus templates", IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 15 pp. 1042-1052, 1993.

상세보기
정행섭 , 이주신 , "퍼지추론을 이용한 얼굴영역 검출 알고라즘", 한국항행학회 논문지 제13권, 제5호, pp773-780, 2009.

원문보기 상세보기

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