[논문]눈 영역에 적합한 에지 추출과 밝기값 정보를 이용한 눈 검출

문원호; 최연석; 김철기; 차의영

[국내논문] 눈 영역에 적합한 에지 추출과 밝기값 정보를 이용한 눈 검출
Detection of eye using optimal edge technique and intensity information 원문보기

한국해양정보통신학회 2010년도 추계학술대회, 2010 Oct. 27, 2010년, pp.196 - 199

문원호 (부산대학교 컴퓨터공학과) , 최연석 (부산대학교 컴퓨터공학과) , 김철기 (부산대학교 디자인학과) , 차의영 (부산대학교 컴퓨터공학과)

초록
AI-Helper

사람의 눈동자는 얼굴 크기와 비교해 볼 때 상대적으로 일정한 거리를 가지고 있기 때문에 이미지 정규화에 있어서 중요한 지표로 사용된다. 이 논문은 이러한 특징을 이용해 최적화된 세그멘테이션 방법을 사용하여 눈동자 검출의 새로운 접근방법을 소개한다. 눈 검출 방법은 세 가지 중요한 단계로 나눌 수 있다. (1)흑백 영상에서 눈 영역에 적합한 에지 추출 방법, (2)레이블링(labeling) 기법을 이용한 눈 영역 추출, (3)밝기값 정보를 이용한 눈동자 위치 검출. 실험 결과로는 다양한 조명 환경과 얼굴표정을 가진 2408장의 FERET 영상을 이용하여 98.9%의 검출 성능을 보였다.

Abstract ▼ AI-Helper

The human eyes are important facial landmarks for image normalization due to their relatively constant interocular distance. This paper introduces a novel approach for the eye detection task using optimal segmentation method for eye representation. The method consists of three steps: (1)edge extraction method that can be used to accurately extract eye region from the gray-scale face image, (2)extraction of eye region using labeling method, (3)eye localization based on intensity information. Experimental results show that a correct eye detection rate of 98.9% can be achieved on 2408 FERET images with variations in lighting condition and facial expressions.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

지금까지 많은 시간과 노력이 소비됐음에도 불구하고 아직도 자동 눈 검출에 있어서 그 복잡성에 기인하여 빛의 상태나 표정, 방해물(안경, 머리카락) 등에 의해 각 알고리듬들의 성능은 의심할 여지없이 많은 영향을 받고 있다. 본 논문에서는 눈 영역에서 최적화된 에지 검출 기법과 밝기 정보를 이용하여 수행속도가 빠르고 좋은 성능을 가지는 새로운 눈 검출 방법을 제시하고자 한다. 그림 1은 본 논문에서 제안하는 눈 검출 방법의 순서도를 보여준다.
정확한 눈 영역을 세그멘테션하기 위해서는 불필요한 수직에지 성분을 제거할 필요가 있다. 본 논문에서는 이러한 문제점을 해결하기 위해 효과적인 에지 제거 방법을 제시한다.
그리고 눈 검출은 다양한 얼굴 표정, 조명환경, 눈 주위의 방해물(안경, 머리카락, 주름)과 같은 복잡성에 기인하여 다양한 영상에서 좋은 성능을 가지기 어렵다. 본 논문에서는 눈 영역에서 최적화된 에지 추출 기법과 밝기값 정보를 이용하여 새로운 눈 검출 방법을 제안하였다.

제안 방법

본 논문에서는 정확한 눈 위치를 찾기 위하여 밝기값(intensity) 정보를 이용한다. 눈의 동공(iris)에는 빛이 반사되어 비춰지는 밝은 작은 원들이 존재한다.

대상 데이터

9%의 높은 검출률을 보였다. FERET 데이터베이스 중 사람의 얼굴이 정면을 향해있는 사진의 개수는 총 2724장이다. 본 논문에서는 눈 검증 좌표(ground truth)가 제공되지 않은 316개의 영상을 제외한 2408장의 영상으로 실험을 하였다.
FERET 데이터베이스 중 사람의 얼굴이 정면을 향해있는 사진의 개수는 총 2724장이다. 본 논문에서는 눈 검증 좌표(ground truth)가 제공되지 않은 316개의 영상을 제외한 2408장의 영상으로 실험을 하였다. 전체 영상은 안경을 쓴 영상이 260장, 눈감은 영상이 171장, 어두운 영상이 108장, 그 외는 일반 영상으로 분류되어진다.
본 논문에서는 눈 검증 좌표(ground truth)가 제공되지 않은 316개의 영상을 제외한 2408장의 영상으로 실험을 하였다. 전체 영상은 안경을 쓴 영상이 260장, 눈감은 영상이 171장, 어두운 영상이 108장, 그 외는 일반 영상으로 분류되어진다. 그림 6은 실험 결과 예제 영상이다.

이론/모형

왜냐하면 이 검출기는 영상에서 특정 사각형 정보를 빼거나 더하는 과정을 통해 구해지는 Haar-like wavelet 또는 Haar feature를 사용하기 때문이다. 본 논문에서는 얼굴 검출을 위해 Viola와 Jones의 얼굴 검출기를 사용하였다. 본 장에서는 Viola와 Jones 검출기의 특징들을 간략하게 소개한다.

성능/효과

실험 결과는 FERET 데이터베이스를 이용하였고 0.25의 오차율(E)을 기준으로 98.9%의 높은 검출률을 보였다. FERET 데이터베이스 중 사람의 얼굴이 정면을 향해있는 사진의 개수는 총 2724장이다.
오검출된 영상을 분석한 결과, 전체 오검출 영상의 75% 이상이 안경을 쓴 영상에서 발생하였고, 나머지 25%는 어두운 영상, 눈 감은 영상, 일반 영상에서 오검출 되었다. 안경을 쓴 영상에서는 안경 테두리나 렌즈에서 반사되어지는 밝은 빛이 오인식의 원인이었고, 어두운 영상의 경우에는 에지 검출이 이루어지지 않아 후보 영역을 추출하지 못해 눈 검출 오인식의 원인이 되었다.
실험 결과, FERET 데이터베이스의 영상 2408장에서 98.9%의 높은 검출 성능을 보였고, 수행 속도는 Inter core2 Duo CPU E8400 환경에서 평균 62ms의 빠른 수행 속도를 보였다. 이와 같이 본 논문에서 제안한 눈 검출 방법은 빠르고 좋은 성능을 보여 주기 때문에 얼굴 표정 인식과, 얼굴 감지 시스템의 전처리 단계에서의 사용되기에 접합한 방법 중 하나로 제시될 것으로 보인다.
이와 같이 본 논문에서 제안한 눈 검출 방법은 빠르고 좋은 성능을 보여 주기 때문에 얼굴 표정 인식과, 얼굴 감지 시스템의 전처리 단계에서의 사용되기에 접합한 방법 중 하나로 제시될 것으로 보인다. 또한, 제안한 방법은 적외선을 이용한 눈 검출 시스템과 유사한 동공의 밝기 정보를 이용하지만, 적외선과 관련된 특정 장비가 필요가 없다는 장점을 가진다.

후속연구

9%의 높은 검출 성능을 보였고, 수행 속도는 Inter core2 Duo CPU E8400 환경에서 평균 62ms의 빠른 수행 속도를 보였다. 이와 같이 본 논문에서 제안한 눈 검출 방법은 빠르고 좋은 성능을 보여 주기 때문에 얼굴 표정 인식과, 얼굴 감지 시스템의 전처리 단계에서의 사용되기에 접합한 방법 중 하나로 제시될 것으로 보인다. 또한, 제안한 방법은 적외선을 이용한 눈 검출 시스템과 유사한 동공의 밝기 정보를 이용하지만, 적외선과 관련된 특정 장비가 필요가 없다는 장점을 가진다.

질의응답

핵심어	질문	논문에서 추출한 답변
	추출된 얼굴 영상에서 에서 얼굴을 구성하는 각각의 구성요소는 어떤 성분을 많이 가지고 있는가?	추출된 얼굴 영상에서 얼굴을 구성하는 각각의 구성요소(눈, 눈썹, 코, 입)들은 수평, 수직에지 성분을 많이 가지고 있다. 특히, 눈 영역은 다른 구성요소보다 더 많은 에지 정보를 가지고 있다.
	이미지 정규화에서 사람의 눈동자가 중요한 지표로 사용되는 이유는 무엇인가?	사람의 눈동자는 얼굴 크기와 비교해 볼 때 상대적으로 일정한 거리를 가지고 있기 때문에 이미지 정규화에 있어서 중요한 지표로 사용된다. 이 논문은 이러한 특징을 이용해 최적화된 세그멘테이션 방법을 사용하여 눈동자 검출의 새로운 접근방법을 소개한다.
	눈 검출 방법은 어떤 세 가지 단계로 나눌 수 있는가?	눈 검출 방법은 세 가지 중요한 단계로 나눌 수 있다. (1)흑백 영상에서 눈 영역에 적합한 에지 추출 방법, (2)레이블링(labeling) 기법을 이용한 눈 영역 추출, (3)밝기값 정보를 이용한 눈동자 위치 검출. 실험 결과로는 다양한 조명 환경과 얼굴표정을 가진 2408장의 FERET 영상을 이용하여 98.

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

[국내논문] 눈 영역에 적합한 에지 추출과 밝기값 정보를 이용한 눈 검출
Detection of eye using optimal edge technique and intensity information 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 눈 영역에 적합한 에지 추출과 밝기값 정보를 이용한 눈 검출 Detection of eye using optimal edge technique and intensity information 원문보기

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

Abstract ▼ AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 눈 영역에 적합한 에지 추출과 밝기값 정보를 이용한 눈 검출
Detection of eye using optimal edge technique and intensity information 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper