Viola & Jones의 얼굴 검출알고리즘은 대표적인 얼굴 검출 알고리즘으로 매우 우수한 얼굴 검출 성능을 보인다. 그러나 많은 얼굴을 포함하는 영상들을 대상으로 한 Viola & Jones 알고리즘은 얼굴의 다양성으로 미검출 얼굴들, 가짜 얼굴들과 중복 검출된 얼굴들 같은 잘못 검출된 얼굴들을 발생시킨다. 본 논문은 Viola & Jones 알고리즘에서 생성된 잘못 검출된 얼굴들을 제거하는 얼굴 검증 알고리즘을 이용한 개선된 얼굴 검출 알고리즘을 제안한다. 제안된 얼굴 검증 알고리즘은 검출된 얼굴들에 대한 크기, 지정된 영역의 피부색, 눈과 입에서 발생된 에지, 중복 검출을 평가하여 얼굴이 유효한지를 확인한다. Viola & Jones 알고리즘에 의해 검출된 658개의 얼굴 영상들을 대상으로 한 얼굴 검증 실험에서 제안된 얼굴 검증 알고리즘은 실제 사람들에 의해 생성된 모든 얼굴 영상들을 검증하는 것을 보여준다.
Viola & Jones의 얼굴 검출 알고리즘은 대표적인 얼굴 검출 알고리즘으로 매우 우수한 얼굴 검출 성능을 보인다. 그러나 많은 얼굴을 포함하는 영상들을 대상으로 한 Viola & Jones 알고리즘은 얼굴의 다양성으로 미검출 얼굴들, 가짜 얼굴들과 중복 검출된 얼굴들 같은 잘못 검출된 얼굴들을 발생시킨다. 본 논문은 Viola & Jones 알고리즘에서 생성된 잘못 검출된 얼굴들을 제거하는 얼굴 검증 알고리즘을 이용한 개선된 얼굴 검출 알고리즘을 제안한다. 제안된 얼굴 검증 알고리즘은 검출된 얼굴들에 대한 크기, 지정된 영역의 피부색, 눈과 입에서 발생된 에지, 중복 검출을 평가하여 얼굴이 유효한지를 확인한다. Viola & Jones 알고리즘에 의해 검출된 658개의 얼굴 영상들을 대상으로 한 얼굴 검증 실험에서 제안된 얼굴 검증 알고리즘은 실제 사람들에 의해 생성된 모든 얼굴 영상들을 검증하는 것을 보여준다.
Viola & Jones's face detection algorithm is a typical face detection algorithm and shows excellent face detection performance. However, the Viola & Jones's algorithm in images including many faces generates undetected faces and wrong detected faces, such as false faces and duplicate detected faces, ...
Viola & Jones's face detection algorithm is a typical face detection algorithm and shows excellent face detection performance. However, the Viola & Jones's algorithm in images including many faces generates undetected faces and wrong detected faces, such as false faces and duplicate detected faces, due to face diversity. This paper proposes an improved face detection algorithm using a face verification algorithm that eliminates the false detected faces generated from the Viola & Jones's algorithm. The proposed face verification algorithm verifies whether the detected face is valid by evaluating its size, its skin color in the designated area, its edges generated from eyes and mouth, and its duplicate detection. In the face verification experiment of 658 face images detected by the Viola & Jones's algorithm, the proposed face verification algorithm shows that all the face images created in the real person are verified.
Viola & Jones's face detection algorithm is a typical face detection algorithm and shows excellent face detection performance. However, the Viola & Jones's algorithm in images including many faces generates undetected faces and wrong detected faces, such as false faces and duplicate detected faces, due to face diversity. This paper proposes an improved face detection algorithm using a face verification algorithm that eliminates the false detected faces generated from the Viola & Jones's algorithm. The proposed face verification algorithm verifies whether the detected face is valid by evaluating its size, its skin color in the designated area, its edges generated from eyes and mouth, and its duplicate detection. In the face verification experiment of 658 face images detected by the Viola & Jones's algorithm, the proposed face verification algorithm shows that all the face images created in the real person are verified.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문은 V&J 얼굴 검출 알고리즘에서 오검출된 얼굴들을 제거하는 얼굴 검증을 이용한 개선된 얼굴 검출 알고리즘을 제안한다.
본 논문은 V&J 얼굴 검출 알고리즘의 오검출 얼굴들을 제거하는 얼굴 검증을 이용한 개선된 얼굴 검출 알고리즘을 제안한다.
표 2와 3에서 MF와 WF는 발생해서는 안 되는 잘못된 검출이다. 본 논문은 얼굴 검증을 통해 WF의 수를 줄여 얼굴 검출 성능을 개선한다.
가설 설정
본 논문은 V&J 얼굴 검출 알고리즘의 오검출 얼굴들을 제거하는 얼굴 검증을 이용한 개선된 얼굴 검출 알고리즘을 제안한다. 제안된 얼굴 검증은 영상 내 평균 얼굴 크기를 근거로 유효한 얼굴 크기인가? 얼굴 영상의 중심부에 피부 화소가 유효하게 포함되어 있는가? 눈과 입의 위치에 유효한 에지가 발생되어 있는가? 중복 검출은 아닌가? 를 검출된 얼굴들을 대상으로 평가하여 유효 얼굴인지를 검증한다. 제안된 알고리즘의 성능 평가를 위해 4개의 단체 사진들에 4개의 배율로 크기 변환된 16개의 영상들을 대상으로 V&J 얼굴 검출 알고리즘을 수행하고 다시 검출된 영상을 대상으로 얼굴 검증을 수행한다.
제안 방법
V&J 얼굴 검출 알고리즘에서 오검출된 얼굴을 검출하기 위해 그림 3의 얼굴 검증 알고리즘을 제안한다.
본 논문은 V&J 얼굴 검출 알고리즘의 오검출 얼굴들을 제거하는 얼굴 검증을 이용한 개선된 얼굴 검출 알고리즘을 제안한다. 제안된 얼굴 검증은 영상 내 평균 얼굴 크기를 근거로 유효한 얼굴 크기인가? 얼굴 영상의 중심부에 피부 화소가 유효하게 포함되어 있는가? 눈과 입의 위치에 유효한 에지가 발생되어 있는가? 중복 검출은 아닌가? 를 검출된 얼굴들을 대상으로 평가하여 유효 얼굴인지를 검증한다. 제안된 알고리즘의 성능 평가를 위해 4개의 단체 사진들에 4개의 배율로 크기 변환된 16개의 영상들을 대상으로 V&J 얼굴 검출 알고리즘을 수행하고 다시 검출된 영상을 대상으로 얼굴 검증을 수행한다.
본 장에서는 V&J 얼굴 검출 알고리즘의 중요 변수들을 기술하고[4,7], 단체 사진 영상들(138개 얼굴 포함)을 대상으로 변수에 따른 얼굴 검출 성능을 확인한다.
얼굴 크기를 이용한 검증은 유효 얼굴 크기(vFsize) 영역에 포함되는 얼굴을 유효 얼굴로 결정한다. 유효 얼굴 크기는 검출된 얼굴들의 평균 크기(mFsize)를 근거로 식 (3)과 같이 지정된다.
제안된 알고리즘의 성능 평가를 위해 4개의 단체 사진들에 4개의 배율로 크기 변환된 16개의 영상들을 대상으로 V&J 얼굴 검출 알고리즘을 수행하고 다시 검출된 영상을 대상으로 얼굴 검증을 수행한다.
본 논문은 V&J 얼굴 검출 알고리즘에서 오검출된 얼굴들을 제거하는 얼굴 검증을 이용한 개선된 얼굴 검출 알고리즘을 제안한다. 제안된 얼굴 검증 알고리즘은 검출된 얼굴들을 대상으로 얼굴의 크기, 얼굴의 피부색, 눈과 입의 위치에서 발생하는 에지, 중복 검출을 평가하여 유효 얼굴인지를 검증한다. 다양한 단체 사진 영상들의 552개의 얼굴들을 대상으로 한 실험에서 V&J 얼굴 검출 알고리즘은 118 개의 오검출 얼굴을 포함한 658개의 얼굴들을 검출 하였으나 제안된 얼굴 검증 알고리즘은 모든 오검출된 얼굴들을 검증 해냈다.
대상 데이터
표에서 [ ]와 N는 각각 영상해상도와 얼굴 수이다. 결과적으로 실험 영상들은 552개의 얼굴들을 포함하고 있다.
제안된 얼굴 검증 알고리즘을 평가하기 위해 그림 5의 단체 사진 영상들과 다양한 크기의 얼굴에 대한 평가를 위해 추가로 그림 5 영상들의 0.8, 1.2, 1.5배 크기 변환된 영상들이 사용되었다. 표에서 [ ]와 N는 각각 영상해상도와 얼굴 수이다.
표 4는 G3 영상에서 얼굴 크기를 이용한 검증(FS) 예를 보주고 있다. 첫 번째 얼굴은 유효 얼굴로, 나머지 두 얼굴은 무효 얼굴로 검증되었다. 무효 얼굴 영상 속의 얼굴은 흰 박스의 얼굴로 이미 유효 얼굴로 검증되었다.
성능/효과
이 변수는 얼굴 검출 성능에 영향은 주지 않고 실행 시간에 영향을 주고 있어 표 1에 크기 지정에 따른 평균 실행 시간을 비교하고 있다. MaxSize 보다 MinSize의 영향이 크고, 얼굴의 크기를 알고 있다면 56%정도의 평균 실행 시간을 줄일 수 있음을 보여준다. minX와 maxX는 각각 사전 조사된 얼굴의 최소와 최대크기이고, [ ]는 기본 값이다.
제안된 얼굴 검증 알고리즘은 검출된 얼굴들을 대상으로 얼굴의 크기, 얼굴의 피부색, 눈과 입의 위치에서 발생하는 에지, 중복 검출을 평가하여 유효 얼굴인지를 검증한다. 다양한 단체 사진 영상들의 552개의 얼굴들을 대상으로 한 실험에서 V&J 얼굴 검출 알고리즘은 118 개의 오검출 얼굴을 포함한 658개의 얼굴들을 검출 하였으나 제안된 얼굴 검증 알고리즘은 모든 오검출된 얼굴들을 검증 해냈다. 단 검증 실패한 그림 얼굴처럼 실제 얼굴들에서 생성되지 않은 얼굴에 대해서는 검출의 필요성에 따라 유효 얼굴 크기에 대한 조정이 필요할 것이다.
후속연구
다양한 단체 사진 영상들의 552개의 얼굴들을 대상으로 한 실험에서 V&J 얼굴 검출 알고리즘은 118 개의 오검출 얼굴을 포함한 658개의 얼굴들을 검출 하였으나 제안된 얼굴 검증 알고리즘은 모든 오검출된 얼굴들을 검증 해냈다. 단 검증 실패한 그림 얼굴처럼 실제 얼굴들에서 생성되지 않은 얼굴에 대해서는 검출의 필요성에 따라 유효 얼굴 크기에 대한 조정이 필요할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
V&J 얼굴 검출 알고리즘의 문제점은?
V&J 얼굴 검출 알고리즘은 매우 우수한 성능을 보이나 설정된 변수들의 영향[3,4]을 받는다. 그래서 많은 얼굴을 포함하는 영상에서 모든 얼굴을 만족하는 변수를 설정하는 것은 어렵고, 미검출 얼굴과 오검출 얼굴의 발생은 충분히 가능한 문제이다.
대표적인 얼굴 검출 알고리즘은 무엇인가?
Viola & Jones의 얼굴 검출 알고리즘은 대표적인 얼굴 검출 알고리즘으로 매우 우수한 얼굴 검출 성능을 보인다. 그러나 많은 얼굴을 포함하는 영상들을 대상으로 한 Viola & Jones 알고리즘은 얼굴의 다양성으로 미검출 얼굴들, 가짜 얼굴들과 중복 검출된 얼굴들 같은 잘못 검출된 얼굴들을 발생시킨다.
기존의 V&J 얼굴 영역 검출 알고리즘에서 개선한 V&J알고리즘의 장점은?
제안된 얼굴 검증 알고리즘은 검출된 얼굴들을 대상으로 얼굴의 크기, 얼굴의 피부색, 눈과 입의 위치에서 발생하는 에지, 중복 검출을 평가하여 유효 얼굴인지를 검증한다. 다양한 단체 사진 영상들의 552개의 얼굴들을 대상으로 한 실험에서 V&J 얼굴 검출 알고리즘은 118 개의 오검출 얼굴을 포함한 658개의 얼굴들을 검출 하였으나 제안된 얼굴 검증 알고리즘은 모든 오검출된 얼굴들을 검증 해냈다. 단 검증 실패한 그림 얼굴처럼 실제 얼굴들에서 생성되지 않은 얼굴에 대해서는 검출의 필요성에 따라 유효 얼굴 크기에 대한 조정이 필요할 것이다.
참고문헌 (8)
D. Chai, and K. N. Ngan, "Face segmentation using skin-color map in videophone applications," IEEE Trans. on Circuits and Systems for Video Technology, vol. 9, no. 4, pp. 551-564, Jun. 1999.
H. Li, Z. Lin, X. Shen, J. Brandt, and G. Hua, "A convolutional neural network cascade for face detection," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, Boston, pp. 5325-5334, 2015.
P. Viola, and M. J. Jones, "Rapid Object Detection using a Boosted Cascade of Simple Features," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, Kauai, pp. 511-518, 2001.
J. S. Oh, and H. Hoon, "Performance Analysis of Viola & Jones Face Detection Algorithm," Proceedings of Conference on Korea Information and Communication Engineering, vol. 19, no. 9, pp. 238-241, 2018.
R. Lienhart, and J. Maydt, "An extended set of haar-like features for rapid object detection," Proceedings of International Conference on Image Processing, Rochester, pp. 900-903, 2002.
H. Y. Han, Introduction to Pattern Recognition, Hanbit Academy, Inc., Seoul, 2015.
MathWorks, vision.CascadeObjectDetector System object : Properties [Internet]. Available https://kr.mathworks.com/help/vision/ref/vision.cascadeobjectdetector-system-object.html.
W. Y. Kim, Y. H. Seo and D. W. Kim, "A Fast and Accurate Face Detection and Tracking Method by using Depth Information and color information," Journal of The Korea Institute of Information and Communication Engineering, vol. 16, no. 9, pp.1825-1838, Sep. 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.