인간의 얼굴 검출은 비디오 감시, 휴먼 컴퓨터 인터페이스, 얼굴 인식, 그리고 얼굴 이미지 데이터 베이스 관리와 같은 분야에 중요한 역할을 한다. 본 논문에서는 복잡한 배경뿐만 아니라 다양한 조명 조건에서 색 이미지 변화들의 폭넓은 변화를 처리할 수 있도록 새로운 조명 보정 기술과 이웃 화소들을 조합한 간단하고 빠른 얼굴 검출 방법을 제안한다. 색상 유사도를 기반으로 각 그룹을 추출하여 후보 얼굴 영역을 생성한다. 각각의 얼굴 후보 영역을 증명하기 위하여 눈, 입의 경계맵을 구성한다. 본 논문에서 제안한 방법이 단순하고 매우 빠른 수행능력을 보여주었으며, 89%의 얼굴 검출 수행능력을 나타내었다.
인간의 얼굴 검출은 비디오 감시, 휴먼 컴퓨터 인터페이스, 얼굴 인식, 그리고 얼굴 이미지 데이터 베이스 관리와 같은 분야에 중요한 역할을 한다. 본 논문에서는 복잡한 배경뿐만 아니라 다양한 조명 조건에서 색 이미지 변화들의 폭넓은 변화를 처리할 수 있도록 새로운 조명 보정 기술과 이웃 화소들을 조합한 간단하고 빠른 얼굴 검출 방법을 제안한다. 색상 유사도를 기반으로 각 그룹을 추출하여 후보 얼굴 영역을 생성한다. 각각의 얼굴 후보 영역을 증명하기 위하여 눈, 입의 경계맵을 구성한다. 본 논문에서 제안한 방법이 단순하고 매우 빠른 수행능력을 보여주었으며, 89%의 얼굴 검출 수행능력을 나타내었다.
Human face detection is often the first step in applications such as video surveillance, human computer interface, fare recognition, and image database management. We have constructed a simple and fast system to detect frontal human faces in complex environment and different illumination. This paper...
Human face detection is often the first step in applications such as video surveillance, human computer interface, fare recognition, and image database management. We have constructed a simple and fast system to detect frontal human faces in complex environment and different illumination. This paper presents a fast segmentation method to combine neighboring pixels with similar hue. The algorithm constructs eye, mouth, and boundary maps for verifying each fare candidate. We test the system on images in complex environment and with confusing objects. The experiment shows a robust detection result with few false detected fates.
Human face detection is often the first step in applications such as video surveillance, human computer interface, fare recognition, and image database management. We have constructed a simple and fast system to detect frontal human faces in complex environment and different illumination. This paper presents a fast segmentation method to combine neighboring pixels with similar hue. The algorithm constructs eye, mouth, and boundary maps for verifying each fare candidate. We test the system on images in complex environment and with confusing objects. The experiment shows a robust detection result with few false detected fates.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 색 이미지 변화들의 폭넓은 변화를 처리할 수 있도록 이웃 화소들을 조합한 빠른 얼굴 검출 방법을 제안한다.
본 논문에서는 피부색 컬러 모델과 얼굴 특징을 이용하여 컬러 이미지로부터 얼굴 검출 알고리즘을 제안하였다. 새로운 조명 보정 기술을 이용하였으며, 색상 유사도를 기반으로 각 그룹을 추출하여 후보 얼굴 영역을 생성한다.
제안 방법
컬러 정보의 사용은 이미지 분할에 있어 복잡한 환경에서 얼굴 국부 화를 단순화할 수 있으며 매우 중요한 정보이다[8, 9]. 기존의 연구들이 이미지에서 피부의 예상된 색상올 가지고 시험하였고, 조명은 얼굴의 색상에 영향을 미치게 됨으로서 고정된 범 위를 두는 것이 어렵고, 조명에 의한 원 색상을 변경하더라도 편차는 동일한 경향이 있으므로 이웃 화소를 기반으로 한 얼굴 검출 방법을 제안한다.
눈과 얼굴 특징을 검출하기 위한 최근의 연구는 템플릿을 기반으로 하였으나, 본 논문에서 제안한 것은 직접 눈, 입, 얼굴의 경계를 기반으로 이미지의 컬러 공간의 요소로부터 크기를 분할할 수 있다. 색상 차의 분석은 높은 Cb와 낮은 Cr 값은 눈 주위에서 발견되고, 높은 Cr값은 입 영역에서 발견되며, 눈은 루마성분인 요소 즉, 어둡고 밝은 것이 모두 포함된다.
본 논문에서는 피부색 컬러 모델과 얼굴 특징을 이용하여 컬러 이미지로부터 얼굴 검출 알고리즘을 제안하였다. 새로운 조명 보정 기술을 이용하였으며, 색상 유사도를 기반으로 각 그룹을 추출하여 후보 얼굴 영역을 생성한다. 각각의 얼굴 후보 영 역올 증명하기 위하여 눈, 입의 경계 맵을 구성한다.
대상 데이터
다양한 조명 조건과 복잡한 배경을 가진 변화가 없는 컬러 이미지들을 가지고 실험하였으며, 이 이 미지들은 다양한 컬러, 위치, 크기, 회전, 자세, 얼굴 표정과 여러 명의 얼굴들을 포함하고 다양한 해 상도를 가지고 있다.
각각의 얼굴 후보 영 역올 증명하기 위하여 눈, 입의 경계 맵을 구성한다. 실험 데이터는 얼굴이 포함된 변화가 없는 일 반 사진 정지 영상, 동영상 장면 모음과, 텔레비젼 화면 캡쳐 영상들올 가지고 각기 다른 조명환경, 다양한 얼굴의 크기 각기 다른 얼굴의 개수, 다양한 배경을 가지는 영상으로 이미지의 크기가 320x240이다.
성능/효과
기존의 다른 방법과 비교하여 시스템은 단순하고 빠른 결과를 나타내었다. 본 논문에서 제안한 방법으로 서로 다른 크기의 여러 명 얼굴과 얼굴의 변화를 검출할 수 있으며, 컬러 공간의 비선형 변환으로 인해 어두운 피부색과 밝은 피부색 모두 검출할 수 있다.
본 논문에서 제안한 방법이 단순하고 매우 빠른 수행능력을 보여주었으며, 89%의 얼굴 검출 수행 능력을 나타내었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.