얼굴 검출 기법들의 경우 조명과 배경에 따라 검출의 정확도가 떨어지는 현상이 발생하여, 이를 해결하기 위한 기법들이 요구되고 있다. 본 연구에서는 얼굴의 눈과 입의 성분을 분석하여 인간의 감성 정보를 추출하기 위한 데이터를 획득하고자 한다. 이를 위해 처리속도가 빠르고 환경 요소들에 강인한 검출율을 보이는 얼굴 특징 검출 방법을 제안하였다. 본 방법은 적분 이미지를 적용한 Haar-like Feature기법을 이용하여 얼굴 성분(두 눈, 입)을 검출한 후, 색상 정보를 바탕으로 검출된 성분들을 이진화하고 피부영역과 얼굴 성분영역을 구분한다. 그 후, 빠르고 정확한 shape를 생성하기 위해 베지어 곡선을 이용하여 검출된 성분들의 shape를 생성한다. 제안된 방법의 성능을 평가하기 위하여 Face Recognition Homepage의 데이터를 이용하여 실험을 진행하였으며, 이를 통해 정교한 얼굴 성분 검출이 가능함을 확인하였다.
얼굴 검출 기법들의 경우 조명과 배경에 따라 검출의 정확도가 떨어지는 현상이 발생하여, 이를 해결하기 위한 기법들이 요구되고 있다. 본 연구에서는 얼굴의 눈과 입의 성분을 분석하여 인간의 감성 정보를 추출하기 위한 데이터를 획득하고자 한다. 이를 위해 처리속도가 빠르고 환경 요소들에 강인한 검출율을 보이는 얼굴 특징 검출 방법을 제안하였다. 본 방법은 적분 이미지를 적용한 Haar-like Feature기법을 이용하여 얼굴 성분(두 눈, 입)을 검출한 후, 색상 정보를 바탕으로 검출된 성분들을 이진화하고 피부영역과 얼굴 성분영역을 구분한다. 그 후, 빠르고 정확한 shape를 생성하기 위해 베지어 곡선을 이용하여 검출된 성분들의 shape를 생성한다. 제안된 방법의 성능을 평가하기 위하여 Face Recognition Homepage의 데이터를 이용하여 실험을 진행하였으며, 이를 통해 정교한 얼굴 성분 검출이 가능함을 확인하였다.
For face detection techniques, the correctness of detection decreases with different lightings and backgrounds so such requires new methods and techniques. This study has aimed to obtain data for reasoning human emotional information by analyzing the components of the eyes and mouth that are critica...
For face detection techniques, the correctness of detection decreases with different lightings and backgrounds so such requires new methods and techniques. This study has aimed to obtain data for reasoning human emotional information by analyzing the components of the eyes and mouth that are critical in expressing emotions. To do this, existing problems in detecting face are addressed and a detection method that has a high detection rate and fast processing speed good at detecting environmental elements is proposed. This method must detect a specific part (eyes and a mouth) by using Haar-like Feature technique with the application of an integral image. After which, binaries detect elements based on color information, dividing the face zone and skin zone. To generate correct shape, the shape of detected elements is generated by using a bezier curve-a curve generation algorithm. To evaluate the performance of the proposed method, an experiment was conducted by using data in the Face Recognition Homepage. The result showed that Haar-like technique and bezier curve method were able to detect face elements more elaborately.
For face detection techniques, the correctness of detection decreases with different lightings and backgrounds so such requires new methods and techniques. This study has aimed to obtain data for reasoning human emotional information by analyzing the components of the eyes and mouth that are critical in expressing emotions. To do this, existing problems in detecting face are addressed and a detection method that has a high detection rate and fast processing speed good at detecting environmental elements is proposed. This method must detect a specific part (eyes and a mouth) by using Haar-like Feature technique with the application of an integral image. After which, binaries detect elements based on color information, dividing the face zone and skin zone. To generate correct shape, the shape of detected elements is generated by using a bezier curve-a curve generation algorithm. To evaluate the performance of the proposed method, an experiment was conducted by using data in the Face Recognition Homepage. The result showed that Haar-like technique and bezier curve method were able to detect face elements more elaborately.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 인간이 감정을 표현할 때 중요한 얼굴성분인 눈과 입의 성분을 분석하여 인간의 감성 정보를 추출하기 위한 데이터를 획득하고자 한다. 이를 위하여 기존 얼굴 검출 방법들의 단점을 개선하고자 환경 요소등의 잡음에 강인하고 처리 속도를 빠르게 개선시킨 적분 이미지를 적용한 Haar-like기법을 이용하여 얼굴의 특정 성분(눈, 입)들을 검출하고, 특징 기반 방법의 색상정보를 이용하여 검출된 성분들을 이진화한 후, 빠르고 정확한 곡선을 생성하는 베지어 곡선 알고리즘을 사용하여 성분들의 shape를 생성하는 방법을 제안한다.
본 연구에서는 얼굴 인식 및 얼굴에서 획득 가능한 특징을 분석하기 위한 기반 연구로 얼굴의 주요 성분인 눈과 입에 대한 성분 검출을 수행한다.
본 논문에서는 노이즈가 포함된 영상에서 얼굴을 인식하고 인식된 얼굴에서 특징 분석에 활용될 눈과 입 성분을 빠르고 정확하게 검출한다. 이를 위해 다음의 그림 4와 같이 Haar-like기법을 이용한 얼굴의 부위별 성분 검출, 색상 정보의 이진화 처리, 이진화된 이미지에서의 Bezier곡선의 생성 과정을 수행한다.
본 논문에서는 이 분류기를 통해 앞서 설명한 오류 감소 및 처리 속도 향상과 더불어 인간이 감정을 표현할 때 가장 많이 사용되고 어떤 감정을 느끼는지 쉽게 인지할 수 있는 부분인 눈과 입 영역만을 얼굴 전체 영역 내에서 검출하여 추출한다.
본 연구의 목적은 컴퓨터를 통해 인간의 표정을 인식하고 감성을 추출하기 위한 기반 기술 확보 및 다양한 얼굴인식 분야에서 적용이 가능한 특징 추출 데이터를 생성하는데 있다. 이를 위한 전처리 단계로 베지어 곡선 알고리즘을 사용하여 그레이스케일을 기반으로 이진화한 각 얼굴 성분들의 윤곽을 따라 shape를 생성한다.
본 연구의 목적은 인간이 감정을 표현할 때 많은 특징의 변화를 보이는 눈과 입의 성분 분석을 수행하여 인간의 감성 정보를 추출하기 위한 데이터를 얻고자 하는 것이다. 이를 위해 본 연구에서는 전처리 단계로 환경 요소에 강인한 성분 검출을 위해 Haar-like Feature와 피부색 정보, 그리고 빠르고 정확한 곡선 생성을 위해 베지어 곡선을 적용하여 성분들의 shape를 생성하는 방법을 제안하였으며, 그 성능을 확인하였다.
제안 방법
본 연구에서는 인간이 감정을 표현할 때 중요한 얼굴성분인 눈과 입의 성분을 분석하여 인간의 감성 정보를 추출하기 위한 데이터를 획득하고자 한다. 이를 위하여 기존 얼굴 검출 방법들의 단점을 개선하고자 환경 요소등의 잡음에 강인하고 처리 속도를 빠르게 개선시킨 적분 이미지를 적용한 Haar-like기법을 이용하여 얼굴의 특정 성분(눈, 입)들을 검출하고, 특징 기반 방법의 색상정보를 이용하여 검출된 성분들을 이진화한 후, 빠르고 정확한 곡선을 생성하는 베지어 곡선 알고리즘을 사용하여 성분들의 shape를 생성하는 방법을 제안한다.
원본 이미지의 RGB컬러 모델의 R, G, B 각 채널들을 Y(밝기)성분만을 사용하여 그레이스케일로 변환하여 영상 내 모든 픽셀들에 대하여 임계값보다 크면 255로 설정하고, 작으면 0으로 바꾸어 이진화를 수행한다.
본 논문에서는 검출된 얼굴 성분들의 원만한 이미지를 빠르고 안정적인 방법으로 shape를 생성하기 위해 이와 같은 베지어 곡선을 사용한다.
본 논문에서는 노이즈가 포함된 영상에서 얼굴을 인식하고 인식된 얼굴에서 특징 분석에 활용될 눈과 입 성분을 빠르고 정확하게 검출한다. 이를 위해 다음의 그림 4와 같이 Haar-like기법을 이용한 얼굴의 부위별 성분 검출, 색상 정보의 이진화 처리, 이진화된 이미지에서의 Bezier곡선의 생성 과정을 수행한다.
OpenCV에서 라이브러리를 통해 이 기법들을 사용할 수 있도록 제공하고 있으며, 그 중 얼굴과 눈, 입을 검출하는 세 가지의 강한 haar_cascade 분류기를 사용하였다. 강한 분류기는 초기에는 약한 분류기로 시작하여 전체 이미지를 차례로 검색하면서 얼굴의 각 성분 영역이 어디에 존재하는지를 결정한다.
검출되는 얼굴 전체 영역은 위 머리카락부분을 제외하고 눈썹 위부터 턱의 일부까지 검출한다. 이 영역 내에서 최대한 피부영역을 줄이면서 눈과 입 영역이 사각 안에 담길 수 있도록 추출하였다. 이렇게 추출된 이미지를 기반으로 다음 단계인 이진화를 진행한다.
영상에 대한 이진화는 다양한 영상 처리 분야에서 사용되고 있으며, 영상 내에서 특정 객체의 위치를 찾거나하는 작업들의 전처리 과정으로 사용된다. 본 논문에서도 역시 눈과 입의 shape를 생성하기 위해 전처리 과정으로 이진화를 수행한다. 3.
본 논문에서도 역시 눈과 입의 shape를 생성하기 위해 전처리 과정으로 이진화를 수행한다. 3.2절과 같이 Haar-like기법으로 추출된 눈과 입의 이미지를 사용하여 관련연구 2.2절에서 설명한 YCbCr 컬러 모델로의 변화 후 이진화하는 방법과 그레이 스케일로 변환한 후 이진화하는 방법을 수행하였다.
본 논문에서는 위의 결과를 바탕으로 그레이스케일을 기반으로 이진화한 이미지를 사용하여 다음 단계인 베지어 곡선 적용 단계를 수행한다.
그렇기 때문에 본 논문에서는 눈과 입 영역을 각각 추출하여 그레이스케일 기반으로 이진화한 결과 이미지를 이용하여 베지어 곡선을 생성한다.
본 실험은 다음 A, B의 두 가지 방법으로 비교하여 수행하였으며, 이를 통해 어떠한 방법이 환경변수에 강인하면서 빠른 얼굴 성분 검출이 가능한지를 확인하였다. 그림 11은 실험 방법 A, B의 처리 과정을 보여준다.
첫 번째 방법 A는 Haar-like기법을 사용하지 않고 얼굴 전체 이미지를 YCbCr컬러 모델로 변환한 후, 이진화를 거쳐 각 얼굴 성분의 베지어 곡선을 생성하는 방법이다. 두 번째 방법 B는 본 논문에서 제안한 Haar-like기법을 통해 얼굴 성분을 미리 추출한 후 추출된 성분을 그레이스케일로 변환한 후 이진화를 거쳐 각 얼굴 성분의 베지어 곡선을 생성하는 방법을 수행하였다.
본 연구의 목적은 인간이 감정을 표현할 때 많은 특징의 변화를 보이는 눈과 입의 성분 분석을 수행하여 인간의 감성 정보를 추출하기 위한 데이터를 얻고자 하는 것이다. 이를 위해 본 연구에서는 전처리 단계로 환경 요소에 강인한 성분 검출을 위해 Haar-like Feature와 피부색 정보, 그리고 빠르고 정확한 곡선 생성을 위해 베지어 곡선을 적용하여 성분들의 shape를 생성하는 방법을 제안하였으며, 그 성능을 확인하였다.
대상 데이터
실험에서 사용한 이미지 데이터베이스는 생체인식, 컴퓨터 비젼, 패턴 인식 등과 같이 다양한 연구 분야에서 활용되는 얼굴 이미지들을 제공하고 있는 “Face Recognition Homepage”웹사이트의 데이터베이스를 활용하였다[10].
이론/모형
이를 위한 전처리 단계로 베지어 곡선 알고리즘을 사용하여 그레이스케일을 기반으로 이진화한 각 얼굴 성분들의 윤곽을 따라 shape를 생성한다.
방법 B는 대체로 베지어 곡선이 성분의 윤곽을 따라 확실한 경계를 가지고 생성된 결과를 얻었다. Haar-like 기법을 적용하여 눈과 눈썹 사이의 거리가 짧더라도 최대한 눈썹을 제외하고 눈만을 추출할 수 있었다. 이 방법으로 이진화를 진행하여 베지어 곡선을 생성한 결과가 표 1의 가장 오른쪽 이미지들이다.
성능/효과
또한 A방법의 경우 입의 영역에 곡선이 제대로 생성되지 않았다. 이진화를 진행하였을 때 윗입술과 아랫입술 사이에 흰색 픽셀들로 공백이 생겨 입술이 이어지지 않거나 위 또는 아랫입술 한 부분만 검은색으로 변환되는 것을 확인하였다. 이러한 문제점으로 인해 베지어 곡선이 위 표 1에서 ②번과 ⑤번 같이 위 또는 아랫입술에만 가늘게 생성되는 결과를 얻게 된다.
실험 결과 얼굴 전체 이미지를 YCbCr컬러 모델로 변환하고 이진화를 진행하는 것보다 Haar-like기법을 통해 미리 얼굴 성분들을 추출하고 이진화를 진행하여 베지어곡선을 생성하는 방법을 통해 더 정밀한 결과 데이터를 얻을 수 있음을 확인하였다.
질의응답
핵심어
질문
논문에서 추출한 답변
얼굴 인식 방법에는 어떤 방법이 있나?
얼굴 인식 방법으로 지식 기반 방법, 특징 기반 방법, 템플릿 매칭 기반 방법, 외형 기반 방법 등이 있다. 지식기반 방법은 각 얼굴 성분들은 일정한 위치 관계를 가지고 있다는 것을 전제로 그 규칙을 이용하여 검출하는 방법이다.
지식기반 방법의 단점은?
지식기반 방법은 각 얼굴 성분들은 일정한 위치 관계를 가지고 있다는 것을 전제로 그 규칙을 이용하여 검출하는 방법이다. 그러나 얼굴의 기울기와 각도 같은 다양한 변화에서는 검출이 어려운 단점이 있다. 특징 기반 방법은 얼굴 성분들의 크기와 모양, 상호 연관성, 색상과 질감 정보등을 이용하는 방법이다.
특징 기반 방법이란?
그러나 얼굴의 기울기와 각도 같은 다양한 변화에서는 검출이 어려운 단점이 있다. 특징 기반 방법은 얼굴 성분들의 크기와 모양, 상호 연관성, 색상과 질감 정보등을 이용하는 방법이다. 처리 시간이 빠르다는 장점이 있으나 조명과 포즈, 복잡한 배경 등의 잡음에 민감한 단점이 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.