[논문]검출된 얼굴 영역 안정화를 위한 하드웨어 구현

조호상; 장경훈; 강현중; 강봉순

문제 정의

흔들림의 1차적인 안정화를 위해서 외부 입력 레지스터를 이용하여 고주파 억제 필터의 강도를 조절할 수 있게 하였다. 검출된 얼굴의 크기에 따라 임계값의 값을 적응적으로 조절할 수 있도록 하였고 사용자가 임의로 얼굴 영역 면적 임계값 기울기를 조절할 수 있도록 구현하여 다양한 환경에 사용이 가능하도록 하였다. FPGA 보드를 이용하여 검증 하였고 시뮬레이션 결과 움직임이 없을 때, Zooming 동작이 있을 때 얼굴 영역이 안정적으로 변화하는 것을 확인할 수 있었다.
본 논문에서는 얼굴 검출 시스템에서 출력되는 얼굴 크기나 위치의 흔들림을 안정화 시키는 하드웨어를 구현하였다. 흔들림의 1차적인 안정화를 위해서 외부 입력 레지스터를 이용하여 고주파 억제 필터의 강도를 조절할 수 있게 하였다.
이에 따라 입력되는 영상에서 얼굴이 움직이지 않아도 얼굴 영역 박스가 흔들리는 현상이 발생한다. 본 논문에서는 얼굴 영역의 위치와 크기정보를 단계적으로 분석하여 검출되는 얼굴 영역의 안정화를 수행한다. 그림 1은 얼굴 검출 안정화 흐름도이다.

제안 방법

에 대한 고주파 억제 필터 블록 다이어그램이다. a값에 의한 가중치 연산을 하드웨어의 크기와 빠른 연산 속도를 위해서 쉬프트 연산과 덧셈만을 이용하여 소수점 연산을 구현하였고 사용자가 선택적으로 출력 값을 선택할 수 있도록 외부 입력 레지스터 aweight를 이용하였다. 검출된 얼굴 행의 위치 정보 yi, 검출된 얼굴의 가로 크기 정보인 wi, 세로 크기 정보인 hi값 역시 같은 구조를 가진다.
얼굴 인식기에 입력되는 동영상은 320X240 크기로 초당 30 프레임이 입력되는 인식 후보 얼굴 집단 10명의 얼굴이 자연스럽게 움직이는 입력 동영상과 10명의 움직임이 없는 동영상을 사용하였다. 각각의 동영상을 입력하였을 경우 얼굴 인식 율을 비교 하였다. 그림 7, 그림 8은 얼굴 인식 결과를 비교한 막대 그래프이다.
따라서 얼굴 영역 확대-축소에서는 Zoom In과 Zoom Out을 판단하고 각각의 경우에 따라 이전 프레임 정보의 크기를 비율적으로 증가 또는 감소하도록 한다. Zoom In과 Zoom Out의 판단은 얼굴 영역 비교에서 이전 프레임에서 검출된 얼굴 정보와 고주파 억제 필터를 통과한 얼굴 정보의 얼굴 영역 크기를 비교하는 과정에서 결정된다.
얼굴 크기나 위치의 흔들림은 카메라의 포커스를 흐리게 하고 얼굴의 인식률을 떨어뜨리는 등 원하는 기능의 적절한 결과를 얻을 수 없다[3].본 논문에서는 adaboost를 이용한 얼굴 검출 시스템 [4][5]을이용하여 검출된 얼굴 정보의 흔들림을 1차적으로 안정화 시키는 고주파 억제 필터, 얼굴 거리와 영역 비교, 얼굴 영역 확대-축소를 이용한 얼굴 검출 안정화 하드웨어를 구현하였다.
얼굴 영역의 중심 위치값인 CPX1, CP_y1, CP_x2, CP_y2는 입력된 검출 얼굴 영역 박스의 꼭짓점을 이용하여 추출하였다. 수식 (5) 는 정확한 중심점 거리값을 구할 수 없지만 대략적인 중심점 거리 값을 도출하여 얼굴 영역 안정화 연산에 적용시킬 수 있었다.
Wmin, Xmax, Xmme 면적 비율을 연산하기 위한 파라미터이다. 연산된 면접 비율과 면적 임계값 Area)th를 비교하여 FAC를 도출한다. 검출된 얼굴의 겹치는 면적의 비율이 면적 비율 임계값보다 크면 연속되어 입력되는 영상에서 얼굴 영역의 크기 변화도 없으므로 이전 프레임에서 검출된 얼굴이 현재 얼굴이 된다.
얼굴 영역 정보에서 박스의 크기를 가진 정보는 w와 h이기 때문에 면적 비율을 계산 하는 경우에는 w와 h의 곱을 이용한다. 하지만 검출된 얼굴의 크기 정보가 정사각형에 가깝기 때문에 본 논문에서는 w와h의 곱이 아닌 w의 비율을 이용하여 면적을 비교한다.
흔들림의 1차적인 안정화를 위해서 외부 입력 레지스터를 이용하여 고주파 억제 필터의 강도를 조절할 수 있게 하였다. 검출된 얼굴의 크기에 따라 임계값의 값을 적응적으로 조절할 수 있도록 하였고 사용자가 임의로 얼굴 영역 면적 임계값 기울기를 조절할 수 있도록 구현하여 다양한 환경에 사용이 가능하도록 하였다.

대상 데이터

표 3은 그림 8의 인식률 막대그래프를 수치적으로 비교하였다. 실험에 사용한 총 프레임 수는 평균 247.1프레임이다. 기본 adaboost 얼굴 검출 시스템에서는 얼굴 인식 횟수가 평균 173.
adaboost 알고리즘을 사용하는 단순 얼굴검출 시스템과 adaboost 알고리즘을 사용하는 얼굴 검출 시스템에 추가로 본 논문에서 제안한 얼굴 영역 안정화 알고리즘을 적용한 시스템을 PCA[6]를 기반으로 한 얼굴 인식기에 적용한 결과의 성능을 비교 평가 하였다. 얼굴 인식기에 입력되는 동영상은 320X240 크기로 초당 30 프레임이 입력되는 인식 후보 얼굴 집단 10명의 얼굴이 자연스럽게 움직이는 입력 동영상과 10명의 움직임이 없는 동영상을 사용하였다. 각각의 동영상을 입력하였을 경우 얼굴 인식 율을 비교 하였다.

데이터처리

합성 결과 120MHz의 동작 속도를 만족하였으며, Worst Case의 합성 조건에서 gate counts는 26, 084개로 구성됨을 확인하였다. adaboost 알고리즘을 사용하는 단순 얼굴검출 시스템과 adaboost 알고리즘을 사용하는 얼굴 검출 시스템에 추가로 본 논문에서 제안한 얼굴 영역 안정화 알고리즘을 적용한 시스템을 PCA[6]를 기반으로 한 얼굴 인식기에 적용한 결과의 성능을 비교 평가 하였다. 얼굴 인식기에 입력되는 동영상은 320X240 크기로 초당 30 프레임이 입력되는 인식 후보 얼굴 집단 10명의 얼굴이 자연스럽게 움직이는 입력 동영상과 10명의 움직임이 없는 동영상을 사용하였다.

성능/효과

검출된 얼굴의 크기에 따라 임계값의 값을 적응적으로 조절할 수 있도록 하였고 사용자가 임의로 얼굴 영역 면적 임계값 기울기를 조절할 수 있도록 구현하여 다양한 환경에 사용이 가능하도록 하였다. FPGA 보드를 이용하여 검증 하였고 시뮬레이션 결과 움직임이 없을 때, Zooming 동작이 있을 때 얼굴 영역이 안정적으로 변화하는 것을 확인할 수 있었다. 자연스러운 움직임이 있을 경우 얼굴 영역이 자연스럽게 Tracking 되는 것을 확인할 수 있었다.
1프레임이다. 기본 adaboost 얼굴 검출 시스템에서는 얼굴 인식 횟수가 평균 173.5 회로 나타났고 제안된 알고리즘을 추가한 얼굴 검출 시스템에서는 평균 246.8회로 나타났다. 정지된 얼굴에서는 제안된 얼굴 검출 시스템 안정화 알고리즘은 기존의 adaboost 얼굴 검출 알고리즘 보다 인식률이 약 29.
수식 (5) 는 정확한 중심점 거리값을 구할 수 없지만 대략적인 중심점 거리 값을 도출하여 얼굴 영역 안정화 연산에 적용시킬 수 있었다. 수식 (5)를 사용함으로써 하드웨어의 크기를 줄일 수 있었고 하드웨어 설계가 용이하게 하였다.
7% 증가 하였고 평균 99%이상의 인식률을 보였다. 정지된 얼굴에서 제안된 시스템이 적용되지 않았을 때 인식률이 움직이는 얼굴의 인식률 보다 낮은 이유는 얼굴이 정지 상태에 있더라도 얼굴 검출 시스템의 얼굴 검출 영역의 크기와 위치가 계속하여 변화하기 때문에 움직이는 얼굴의 인식률과 비슷한 수치적 결과를 보였다. 하지만 정지된 얼굴의 경우 얼굴 영역 안정화 시스템이 높은 안정화 성능이 보여주었다.
8회로 나타났다. 정지된 얼굴에서는 제안된 얼굴 검출 시스템 안정화 알고리즘은 기존의 adaboost 얼굴 검출 알고리즘 보다 인식률이 약 29.7% 증가 하였고 평균 99%이상의 인식률을 보였다. 정지된 얼굴에서 제안된 시스템이 적용되지 않았을 때 인식률이 움직이는 얼굴의 인식률 보다 낮은 이유는 얼굴이 정지 상태에 있더라도 얼굴 검출 시스템의 얼굴 검출 영역의 크기와 위치가 계속하여 변화하기 때문에 움직이는 얼굴의 인식률과 비슷한 수치적 결과를 보였다.
5회로 나타났다. 제안된 얼굴 검출 시스템 안정화 알고리즘은 기본 adaboost 얼굴 검출 알고리즘 보다 인식률이 약 22.3% 증가 하였고 평균 92.7%로 매우 높은 인식률을 나타내었다. 그림 8은 정지된 얼굴의 인식률을 비교한 결과이다.
자연스러운 움직임이 있을 경우 얼굴 영역이 자연스럽게 Tracking 되는 것을 확인할 수 있었다. 제안된 얼굴 검출 안정화 알고리즘을 사용한 adaboost 얼굴 검출 시스템은 기본 adaboost 얼굴 검출 알고리즘 보다 얼굴 인식률이 증가 하였고 사용된 테스트 영상에서 얼굴의 움직임이 없을 경우 인식률은 평균 92.7%로 매우 높은 결과를 보였다.
실험에 사용한 동영상 각각의 총 프레임 수와 인식 횟수, 인식율을 나타내었다. 총 프레임수의 평균은 56.8 프레임이고 기본 adaboost 얼굴 검출 시스템의 얼굴 인식 횟수는 평균 41.2회 , 제안된 안정화 알고리즘을 적용한 얼굴 검출 시스템의 얼굴 인식 횟수 평균은 53.5회로 나타났다. 제안된 얼굴 검출 시스템 안정화 알고리즘은 기본 adaboost 얼굴 검출 알고리즘 보다 인식률이 약 22.
표 1은 본 논문에서 Verilog-HDL을 사용하여 구현한 얼굴 영역 안정화 블록의 합성 결과이다. 합성 결과 120MHz의 동작 속도를 만족하였으며, Worst Case의 합성 조건에서 gate counts는 26, 084개로 구성됨을 확인하였다. adaboost 알고리즘을 사용하는 단순 얼굴검출 시스템과 adaboost 알고리즘을 사용하는 얼굴 검출 시스템에 추가로 본 논문에서 제안한 얼굴 영역 안정화 알고리즘을 적용한 시스템을 PCA[6]를 기반으로 한 얼굴 인식기에 적용한 결과의 성능을 비교 평가 하였다.

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

검출된 얼굴 영역 안정화를 위한 하드웨어 구현
Hardware Implementation for Stabilization of Detected Face Area 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

참고문헌 (6)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

검출된 얼굴 영역 안정화를 위한 하드웨어 구현 Hardware Implementation for Stabilization of Detected Face Area 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

참고문헌 (6)

이 논문을 인용한 문헌

저자의 다른 논문 :

조호상 (10) 강봉순 (88)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

검출된 얼굴 영역 안정화를 위한 하드웨어 구현
Hardware Implementation for Stabilization of Detected Face Area 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper