선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 그렇기 때문에 본 논문에서의 내부에너지는 일반적인 방법과 동일하게 제어점들의 곡선성을 시 (5)와 같이 사용을 하였으며, 외부에너지는 화소값의 변화가 아니라 얼굴 영역의 면적 변화를 식 (7)을 이용하여 판별하여 사용하였다..
- 제어점을 생성하였다. 또한 ACM(Active Contour Model)의 외부에너지를 화소간의 밝기차가 아닌 얼굴 영역의 면적의 변화량을 측정하여 웅용하였다. 이에 관한 세부내용으로 2장에서 TSL 색상 공간과 마할라 노비스 거리를 이용한 후보 영역의 선정과정올 기술하고, 3장에서 변형된 ACM의 방식으로 보다 정확하게 얼굴을 추출하는 방법을 서술한다.
- 또한, 이러한 얼굴 색상 공간의 특징은 타원형의 구조를 가지고 있으므로 얼굴 중심 영역의 T-S값을 근간으로 마할라노비스 거리에 의한 얼굴 영역을 선정하였다. 마할라노비스 거리측정은 식 (2)와 같고, 이에 의한 얼굴 후보 영역의 추출은 그림 3과 같다.
- 이는 조명의 영향에 의해 미검출되는 영역이 존재하는 단점이 있지만, 얼굴에 근사한 영역의 추출이 가능하므로, 이를 이용하여 ACM의 초기 제어점을 선택하였다[4]. 본 논문에서 얼굴의 정확한 위치 판단은 3장의 응용 ACM에서 하기 때문에 우선적으로 얼굴 영역의 근사위치 판단을 위하여 TSLfTint, Saturation, Luminan -ce) 공간과 마할라노비스 거리를 이용하였다.
- 또한 그림 4의 (。에서의 좌측처럼 잡영이 얼굴 영역으로 판단되는 부분이 나타나는데, 이러한 잡영의 제거를 위한 추가적인 알고리듬이 필요하다. 본 논문에서는 레이블링을 이용하여 얼굴 후보 영역을 추출하였다. 하지만, 얼굴내부의미 추출된 요소에 의해서 레이블링시 얼굴 영역이 분할되는 문제를 보완하기 위하여 2차 분석의 단계를 적용하였다.
- 본 논문에서는 핸드폰 카메라를 이용한 얼굴 영역의 정확한 추출을 위해 다른 색상 공간보다 얼굴 영역의 추출에 효율적인 TSL 색상 공간을 이용하여 얼굴 영역의 후보위치를 선정하고, 이를 근간으로 초기의 제어점을 생성하였다. 또한 ACM(Active Contour Model)의 외부에너지를 화소간의 밝기차가 아닌 얼굴 영역의 면적의 변화량을 측정하여 웅용하였다.
- 얼굴 색상 공간을 이용하는 방법이다. 이는 조명의 영향에 의해 미검출되는 영역이 존재하는 단점이 있지만, 얼굴에 근사한 영역의 추출이 가능하므로, 이를 이용하여 ACM의 초기 제어점을 선택하였다[4]. 본 논문에서 얼굴의 정확한 위치 판단은 3장의 응용 ACM에서 하기 때문에 우선적으로 얼굴 영역의 근사위치 판단을 위하여 TSLfTint, Saturation, Luminan -ce) 공간과 마할라노비스 거리를 이용하였다.
- 본 논문에서는 레이블링을 이용하여 얼굴 후보 영역을 추출하였다. 하지만, 얼굴내부의미 추출된 요소에 의해서 레이블링시 얼굴 영역이 분할되는 문제를 보완하기 위하여 2차 분석의 단계를 적용하였다. 이는 얼굴 내부의 요소들을 이용해 마할라노비스 거리를 1 차 추출보다 20%정도 추가하여 확장하는 방법을 사용하였다.
대상 데이터
- 본 논문에 쓰인 입력영상들은 각 개인들이 핸드폰 카메라를 이용하여 찍은 영상들을 인터넷에서 수집하였다. 그림 3의 (a)와 같은 영상이 입력되면 식 (3)에 의해 얼굴 영역에 대한 마할라노비스 거리 측정을 하고, 그림 3의 (b)의 타원안에 해당하는 화소를 추출할 수 있으며, 추출된 영역은 그림 3의 (。와 같이 나타난다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.