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.
문제 정의
- 본 논문에서는 얼굴 영역 검출 세 번째 단계로 검증을 위해 코를 찾는 방법을 제안한다. 이전 단계에서 두 눈과 입의 영역을 추출 하여 눈과 입의 사이의 영역에 에지를 추출하여 코의 존재 유무를 파악하고 코가 존재하는 경우 얼굴임을 최 종적으로 결정한다.
제안 방법
- <그림 2〉의 결과를 보면 (c) Lip Map 적용 영상은 좋은 결과를 보여준 반면, (b) Eye Map 적용 영상의 결과는 좋 지 못하였지만 Eye Map 연산 중, 색상값을 이용한 EyeMapC 연산은〈끄림 2〉(d) EyeMapC 적용 영상에서 보이듯 좋은 결과가 나왔다. 그래서 본 논문에서는 Eye Map의 두 가지 EyeMapL 연산과 EyeMapC 연산 중 EyeMapC 연산만을 이용하여 누을 찾는다.
- 얼굴 후보 영역 내에서 Eye Map의 EyeMapC 연산과 Lip Map를 이용하여 두 눈과 입 의 영역을 찾고. 눈과 입 영역 사이에 코의 존재 유무를 Canny Edge 연산을 통해 판단하여 검증 후. 얼굴을 인식하는 방법을 제안 하였다.
- 본 논문에서는 YCbCr에서 추출한 피부 영역과 Eye Map, Lip Map를 이용하여 눈과 입을 추출하여 실시간으로 얼굴을 검출하였다. 입력 받은 영상의 RGB값에서 YCbCr 색 공간으로 변환하여 조명에 의한 영향이 적은 Cb와 Cr 성 분만을 사용하여 피부 영역을 추출 하였다.
- 본 논문에서는 YCbGr을 통해 피부 영역을 추출하여 얼굴 후보 영역을 지정하고, 지정된 후보 영역에서 노이즈를 제거 한 후, Eye M逆과 Lip Map를 이용하여 눈과 입을 찾고, 눈과 입 사이 영역에서 코의 에지를 찾아 검증하여 실시간으 로 얼굴을 찾는 방법을 제안한다
- 본 논문에서는 얼굴 인식 두 번째 단계로 눈과 입을 찾는 방법을 제안 하며 피부 영역을 통해 얼굴 후보 영역을 지정하고 지정된 영역 안에서 EyeMap와 Lip Map* 통해 눈과 입을 찾는다.
- 본 논문에서는 얼굴 인식을 위한 첫 번째 단계로 피부값을 이용하여 얼굴 후보 영역을 지정하는 빙법을 사용한다. 우선 조명의 영향을 줄이기 위해 RGB 입력 영상을 YCbCr 색 공 간으로 변환시키고 조명에 의한 영향이 적은 색성분인 Cb와 Cr성분에서 얼굴색 영역만을 따로 분리시킨다.
- 본 논문에서는 피부 영역을 추출하여 얼굴 후보 영역을 지 정하고, 지정된 후보 영역에서 노이즈를 제거한 후, 눈과 입 을 찾고, 눈과 입 사이 영역에서 코의 에지를 찾아 검증하여 최종적인 얼굴을 찾는 방법을 제안한다.
-
Ⅲ. 본론
본장에서는 제안한 얼굴 인식 시스템에서 YCbCr을 이용하여 피부 영역을 검출하고 Labeling 기법을 이용하여 노이 즈를 제거하여 얼굴 후보 영역을 정한다. 얼굴 후보 영역에서 Eye Map의 EyeMapL과 EyeMapC 두 가지 연산과 Lip Map을 통하여 두 눈과 입을 찾고, 눈과 입의 사이에 Canny Edge 연산을 통해 코의 존재 유무를 통해 검증한 후.
- 추출된 영상에서 Labeling 기법을 사용하여 노이즈를 제거함으로써 최종적인 얼굴 후보 영역을 찾게 된다. 얼굴 후보 영역 내에서 Eye Map의 EyeMapC 연산과 Lip Map를 이용하여 두 눈과 입 의 영역을 찾고. 눈과 입 영역 사이에 코의 존재 유무를 Canny Edge 연산을 통해 판단하여 검증 후.
- 본장에서는 제안한 얼굴 인식 시스템에서 YCbCr을 이용하여 피부 영역을 검출하고 Labeling 기법을 이용하여 노이 즈를 제거하여 얼굴 후보 영역을 정한다. 얼굴 후보 영역에서 Eye Map의 EyeMapL과 EyeMapC 두 가지 연산과 Lip Map을 통하여 두 눈과 입을 찾고, 눈과 입의 사이에 Canny Edge 연산을 통해 코의 존재 유무를 통해 검증한 후. 최종적 인 얼굴 영역을 인식하는 방법에 대하여 기술한다.
- 눈과 입 영역 사이에 코의 존재 유무를 Canny Edge 연산을 통해 판단하여 검증 후. 얼굴을 인식하는 방법을 제안 하였다. 좋은 인식률에 불구하고, 많은 계산 량으로 인해 얼굴 인식 중 실시간에 약간의 문제가 발생했다 는 것과, 피부 색상을 기초로 하는 알고리즘의 특성상 피부색 과 비슷한 계열의 옷이나 배경이 존재할 경우 정확한 얼굴 영역 검출이 불가능했다
- 본 논문에서는 얼굴 인식을 위한 첫 번째 단계로 피부값을 이용하여 얼굴 후보 영역을 지정하는 빙법을 사용한다. 우선 조명의 영향을 줄이기 위해 RGB 입력 영상을 YCbCr 색 공 간으로 변환시키고 조명에 의한 영향이 적은 색성분인 Cb와 Cr성분에서 얼굴색 영역만을 따로 분리시킨다. YCbCr 모델은 색상 정보로부터 광도를 분리하는 색상 모델로 Y는 광도 를 나타내며.
- 본 논문에서는 YCbCr에서 추출한 피부 영역과 Eye Map, Lip Map를 이용하여 눈과 입을 추출하여 실시간으로 얼굴을 검출하였다. 입력 받은 영상의 RGB값에서 YCbCr 색 공간으로 변환하여 조명에 의한 영향이 적은 Cb와 Cr 성 분만을 사용하여 피부 영역을 추출 하였다. 추출된 영상에서 Labeling 기법을 사용하여 노이즈를 제거함으로써 최종적인 얼굴 후보 영역을 찾게 된다.
대상 데이터
- 본 연구를 실험하는데 사용된 컴퓨터 환경은 Intel Pentium4 3GHz의 CPU, 1G의 RAM, NVIDIA GeForce 6600의 VGA. Windows XP SP2의 OS를 사용하였으며, Microsoft Visual Studio C++ 6.
이론/모형
- 각각의 Cb와 Cr값이 수식 (2)의 기준값 내에 포함된다면 피부색으로 간주하였으며 , 노이즈 제거를 위해 Labeling 기법을 사용하였다. 그림 (1)은 수식 (1), (2)와 노이즈 제거 를 통해 검출된 결과 영상이며 (a)는 입력 받은 원본 영상.
- 눈과 입을 검출하는 방법은 Hue가 제안한 Eye Map과 Lip Map를 사용한다〔10〕. Eye Mape 명암값의 대비를 이용하여 EyeMapL괴• 색상값을 이용한 EyeMapC로 이루어져 있으며 모두 YCbCr 색상 공간에서 산출하게된다.
성능/효과
- <그림 2〉의 결과를 보면 (c) Lip Map 적용 영상은 좋은 결과를 보여준 반면, (b) Eye Map 적용 영상의 결과는 좋 지 못하였지만 Eye Map 연산 중, 색상값을 이용한 EyeMapC 연산은〈끄림 2〉(d) EyeMapC 적용 영상에서 보이듯 좋은 결과가 나왔다. 그래서 본 논문에서는 Eye Map의 두 가지 EyeMapL 연산과 EyeMapC 연산 중 EyeMapC 연산만을 이용하여 누을 찾는다.
- <그림 4〉에서는<그림 3〉보다 복잡한 배경에서 실험을 하였다. 결과에서 보여주듯 좋은 인식률을 보여 주었다. 하지만 실시간 인식에서 가장 중요한 정확한 실시간 탐지에서 문제를 보였다.
후속연구
- 하지만 실시간 인식에서 가장 중요한 정확한 실시간 탐지에서 문제를 보였다. 이는 차후 연구에서 추출된 얼굴 영역에서 명암값을 이용해 눈을 찾는 등 좀 더 적은 계산량을 요하는 방법을 사용 한다면 충분히 해결될 것이라 보여 진다. 피부 영역과 비슷한 색상의 배경이나 옷이 존재 했을 경우에도 잘못된 초기 얼굴 영역을 추출 하는 경우도 있었으며, 이 역시 이러한 상황에 강건한 피부 영역 추출 방법을 사용한다면 해결될 것 이라 보여 진다.
- 차후 연구에서는 조명이나 주변 환경에 강건한 피부 추출 방법을 제안하여 초기 얼굴 후보 영역의 문제점을 보완하고, 좀 더 실시간에 용이하며. 얼굴의 다른 특징을 찾는 방법을 결합 한다면 보다 좋은 인식률을 보일 것으로 보여진다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.