[논문]영유아 이상징후 감지를 위한 표정 인식 알고리즘 개선

김윤수; 이수인; 석종원

doi:10.7471/ikeee.2021.25.3.430

초록
AI-Helper

비접촉형 체온 측정 시스템은 광학 및 열화상 카메라를 활용하여 집단시설의 발열성 질병을 관리하는 핵심 요소 중 하나이다. 기존 체온 측정 시스템은 딥러닝 기반 얼굴검출 알고리즘이 사용되어 얼굴영역의 단순 체온 측정에는 활용할 수 있지만, 의사표현이 어려운 영유아의 이상 징후를 인지하는데 한계가 있다. 본 논문에서는 기존의 체온 측정 시스템에서 영유아의 이상징후 감지를 위해 표정인식 알고리즘을 개선한다. 제안된 방법은 객체탐지 모델을 사용하여 영상에서 영유아를 검출한 후 얼굴영역을 추출하고 표정인식의 핵심 요소인 눈, 코, 입의 좌표를 획득한다. 이후 획득된 좌표를 기반으로 선택적 샤프닝 필터를 적용하여 표정인식을 진행한다. 실험결과에 따르면 제안된 알고리즘은 UTK 데이터셋에서 무표정, 웃음, 슬픔 3가지 표정에 대해 각각 2.52%, 1.12%, 2.29%가 향상되었다.

Abstract ▼ AI-Helper

The non-contact body temperature measurement system is one of the key factors, which is manage febrile diseases in mass facilities using optical and thermal imaging cameras. Conventional systems can only be used for simple body temperature measurement in the face area, because it is used only a deep...

The non-contact body temperature measurement system is one of the key factors, which is manage febrile diseases in mass facilities using optical and thermal imaging cameras. Conventional systems can only be used for simple body temperature measurement in the face area, because it is used only a deep learning-based face detection algorithm. So, there is a limit to detecting abnormal symptoms of the infants and young children, who have difficulty expressing their opinions. This paper proposes an improved facial expression recognition algorithm for detecting abnormal symptoms in infants and young children. The proposed method uses an object detection model to detect infants and young children in an image, then It acquires the coordinates of the eyes, nose, and mouth, which are key elements of facial expression recognition. Finally, facial expression recognition is performed by applying a selective sharpening filter based on the obtained coordinates. According to the experimental results, the proposed algorithm improved by 2.52%, 1.12%, and 2.29%, respectively, for the three expressions of neutral, happy, and sad in the UTK dataset.

주제어

표/그림 (13)

그림 Fig. 1. Survey on the childhood and adolescent headaches [The Korean Headache Society]. 그림 1. 소아 청소년 두통 실태 조사 [대한두통학회]
그림 Fig. 2. YOLO flow chart. 그림 2. YOLO 순서도
그림 Fig. 3. YOLO network structure. 그림 3. YOLO 네트워크 구조
그림 Fig. 4. Application Example of Non-Maximum Suppression. 그림 4. Non-Maximum Suppression 적용예시
그림 Fig. 5. MTCNN flow chart. 그림 5. MTCNN 순서도
그림 Fig. 6. Landmark localization of face region [8]. 그림 6. 얼굴영역에서 landmark localization 검출[ 8]
그림 Fig. 7. Concept of Knowledge Distillation. 그림 7. 지식 증류 개념도
그림 Fig. 8. Block Diagram of Proposing Algorithm. 그림 8. 제안된 알고리즘 순서도
그림 Fig. 9. Eye, nose, mouse location information based Region of Interest (a) Face detected image, (b) Region of interest displayed image.. 그림 9. 눈, 코, 입 위치정보 기반 관심영역 표시 (a) 얼굴검출 영상, (b) 관심영역 표시영상
그림 Fig. 10. Application result of ROI region sharpening (a) Original image, (b) Selective sharpened image. 그림 10. ROI 영역 샤프닝 적용 결과 (a) 원영상, (b) 선택적 샤프닝 적용영상
그림 Fig. 11. Example of test dataset samples. 그림 11. 테스트 데이터 샘플 예시
표 Table 1. Average recognition rate of Conventional Method. 표 1. 기존 방법의 평균 인식률
표 Table 2. Average Recognition rate of Proposing Method. 표 2. 제안하는 방법의 평균 인식률

참고문헌 (10)

H Yang, XA Wang, "Cascade classifier for face detection," Journal of Algorithms & Computational Technology, Vol.10, No.3, pp.187-197, 2016. DOI: 10.1177/17483018166 49073

상세보기
YUSTIAWATI, Ratna, et al. "Analyzing of Different Features Using Haar Cascade Classifier." 2018 International Conference on Electrical Engineering and Computer Science (ICECOS), pp.129-134, 2018. DOI: 10.1109/ICECOS.2018.8605266
I. Masi, Y. Wu, T. Hassner and P. Natarajan, "Deep Face Recognition: A Survey," 2018 31st SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), pp.471-478, 2018. DOI: 10.1109/SIBGRAPI.2018.00067.
R. Girshick, J. Donahue, T. Darrell, and J. Malik. "Rich feature hierarchies for accurate object detection and semantic segmentation," In CVPR(IEEE Conference on Computer Vision and Pattern Recognition), 2014. DOI: 10.1109/CVPR.2014.81
J. Redmon, S. Divvala, R. Girshick, and A. Farhadi. "You only look once: Unified, real-time object detection" arXiv preprint arXiv:1506.02640, 2015.
Wei Liu, Dragomir Anguelov, Dumitru Erhan, Christian Szegedy, Scott Reed, Cheng-Yang Fu, and Alexander C Berg. "SSD: Single shot multibox detector," In Eur. Conf. Comp. Vis. (ECCV), pp.21-37, 2016. DOI: 10.1007/978-3-319-46448-0_2
FARFADE, Sachin Sudhakar; SABERIAN, Mohammad J.; LI, Li-Jia. "Multi-view face detection using deep convolutional neural networks." In: Proceedings of the 5th ACM on International Conference on Multimedia Retrieval. pp.643-650, 2015. DOI: 10.1145/2671188.2749408
ZHANG, Kaipeng, et al. "Joint face detection and alignment using multitask cascaded convolutional networks." IEEE Signal Processing Letters, Vol.23, No.10, pp.1499-1503, 2016. DOI: 10.1109/LSP.2016.2603342

상세보기
A. Mollahosseini, D. Chan, and M. H. Mahoor, "Going deeper in facial expression recognition using deep neural networks," in WACV, 2016. DOI: 10.1109/WACV.2016.7477450
C. Ilke, S. Eren, A. Emre, "MicroExpNet: An Extremely Small and Fast Model For Expression Recognition From Face Images," Ninth International Conference on Image Processing Theory, Tools and Applications (IPTA), pp.1-6, 2019. DOI: 10.1109/IPTA.2019.8936114.

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

영유아 이상징후 감지를 위한 표정 인식 알고리즘 개선
The improved facial expression recognition algorithm for detecting abnormal symptoms in infants and young children 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (13)

표/그림 (13)

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

영유아 이상징후 감지를 위한 표정 인식 알고리즘 개선 The improved facial expression recognition algorithm for detecting abnormal symptoms in infants and young children 원문보기

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

Abstract ▼ AI-Helper

주제어

표/그림 (13) 모든 표/그림 보기

표/그림 (13) 슬라이드로 보기

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

석종원 (28)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

영유아 이상징후 감지를 위한 표정 인식 알고리즘 개선
The improved facial expression recognition algorithm for detecting abnormal symptoms in infants and young children 원문보기

초록
AI-Helper

표/그림 (13)

표/그림 (13)