초록

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

OpenCV(Open Computer Vision)에서 제공하는 얼굴 검출 알고리즘은 Haar-like feature와 Cascade 방식을 이용하여 얼굴의 패턴을 찾아내 얼굴을 검출한다. 그러나 우연히 얼굴이 아닌 곳이 얼굴과 유사한 패턴일 경우, 얼굴로 인식하는 오류를 범하게 된다. 따라서 본 논문은 MCT(Modified Census Transform)와 신경망을 이용하여 잘못된 얼굴 검출 영역을 감소시키는 알고리즘을 제안한다. MCT는 다양한 조명 조건에서도 강인한 얼굴 영상의 지역적 구조 특징을 추출하기 위하여 사용되고, 신경망 알고리즘은 Haar-Cascade 알고리즘의 얼굴 검출 방법으로 검출된 영역이 실제로 얼굴인지 아닌지를 판단하기 위하여 사용된다. 실험에서 사용된 6개의 데이터들은 인터넷에서 수집한 것으로서, Haar-Cascade 알고리즘의 얼굴 검출 방법으로 얼굴을 검출하였을 때 오검출된 영역이 1개 이상 존재한다. 본 논문에서 제안한 알고리즘으로 실험한 결과, Haar-Cascade 알고리즘의 얼굴 검출 방법에 비하여 오검출된 영역이 감소된 것을 확인할 수 있었다.

OpenCV(Open Computer Vision)에서 제공하는 얼굴 검출 알고리즘은 Haar-like feature와 Cascade 방식을 이용하여 얼굴의 패턴을 찾아내 얼굴을 검출한다. 그러나 우연히 얼굴이 아닌 곳이 얼굴과 유사한 패턴일 경우, 얼굴로 인식하는 오류를 범하게 된다. 따라서 본 논문은 MCT(Modified Census Transform)와 신경망을 이용하여 잘못된 얼굴 검출 영역을 감소시키는 알고리즘을 제안한다. MCT는 다양한 조명 조건에서도 강인한 얼굴 영상의 지역적 구조 특징을 추출하기 위하여 사용되고, 신경망 알고리즘은 Haar-Cascade 알고리즘의 얼굴 검출 방법으로 검출된 영역이 실제로 얼굴인지 아닌지를 판단하기 위하여 사용된다. 실험에서 사용된 6개의 데이터들은 인터넷에서 수집한 것으로서, Haar-Cascade 알고리즘의 얼굴 검출 방법으로 얼굴을 검출하였을 때 오검출된 영역이 1개 이상 존재한다. 본 논문에서 제안한 알고리즘으로 실험한 결과, Haar-Cascade 알고리즘의 얼굴 검출 방법에 비하여 오검출된 영역이 감소된 것을 확인할 수 있었다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 그러나 우연히 얼굴이 아닌 곳이 얼굴과 유사한 패턴일 경우, 얼굴로 인식하는 오류를 범하게 된다. 이러한 문제점을 보완하기 위하여 본 논문에서는 MCT와 신경망을 이용하여 잘못된 얼굴 검출 영역을 감소시키는 알고리즘을 제안하였다. 본 논문에서 제안한 알고리즘으로 실험한 결과, Haar-Cascade 알고리즘의 얼굴 검출 방법으로 얼굴을 검출하였을 때 보다 오검출된 영역이 감소된 것을 확인할 수 있었다.

가설 설정

• 식 (1)에 의해 조명 값 L(X)에 대한 어떠한 가정이 없다면 반사 값 R(X)를 구하는 것은 불가능하다. 따라서 MCT는 영상의 특징으로 R(X)만을 이용하기 위해 매우 작은 크기의 윈도우내에서 L(X)의 값은 변하지 않는다는 가정을 한다. 이러한 가정을 통해 지역적 구조 특징은 R(X)에 의한 영향만을 받게 된다.

제안 방법

• MCT는 다양한 조명변화에 둔감하게 만드는 방법으로 영상의 지역적 구조 특징 정보만을 추출할 수 있다. 얼굴로 검출된 영역에 한해서 MCT를 수행하여 지역적 구조 특징을 추출한다. 3장에서는 신경망 알고리즘에 대하여 설명하였다.
• 본 논문에서 제안하는 얼굴 오검출 감소 알고리즘은 다음과 같은 과정을 수행한다. 첫 번째, 입력 영상에 대해 Haar-Cascade 알고리즘의 얼굴 검출 방법을 통해 얼굴을 검출한다. 만약 입력 영상에 우연히 얼굴과 유사한 패턴이 존재한다면 얼굴이 아닌 곳을 얼굴로 검출하는 오검출이 존재할 수 있다.

대상 데이터

• 실험에서 사용된 6개의 데이터들은 인터넷에서 수집한 것으로서, Haar-Cascade 알고리즘의 얼굴 검출 방법으로 얼굴을 검출하였을 때 오검출된 영역이 1개 이상 존재한다. 그림 6은 실험에 사용된 데이터 중의 일부이다.

이론/모형

• 본 논문에서 사용한 신경망은 역전파 알고리즘을 적용시켰다. 역전파 알고리즘이란 신경망의 출력 값이 원하는 출력 값이 나오도록 오차 신호를 역방향으로 전파하여 노드 사이의 가중치를 수정하는 기법이다.
• 하지만 우연히 얼굴이 아닌 곳이 얼굴과 유사한 패턴일 경우, 얼굴로 인식하는 오류를 범하게 된다. 이에 본 논문은 이러한 오검출된 얼굴 영역을 감소시키기 위하여 얼굴로 검출된 영역에 한하여 MCT와 신경망 알고리즘을 사용한다.

성능/효과

• 이러한 문제점을 보완하기 위하여 본 논문에서는 MCT와 신경망을 이용하여 잘못된 얼굴 검출 영역을 감소시키는 알고리즘을 제안하였다. 본 논문에서 제안한 알고리즘으로 실험한 결과, Haar-Cascade 알고리즘의 얼굴 검출 방법으로 얼굴을 검출하였을 때 보다 오검출된 영역이 감소된 것을 확인할 수 있었다.
• 인터넷에서 수집한 6개의 데이터들에 대하여 표 1은 Haar-Cascade 알고리즘과 본 논문에서 제안하는 알고리즘의 실험 결과를 비교하여 나타낸 것이다. 표 1에서 나타낸 바와 같이 본 논문에서 제안한 알고리즘의 얼굴 오검출률이 Haar-Cascade 알고리즘에 비하여 우수한 것이 입증되었다.

후속연구

• 향후 MCT를 사용해 조명의 영향에 강한 것뿐만 아니라 노이즈에도 강인하게 작용할 수 있는 변환법에 대한 연구가 필요하다. 얼굴이 검출된 영역에 한하여 조명과 더불어 노이즈에도 강인하게 특징벡터를 추출할 수 있다면 오검출을 더욱 감소시킬 수 있을 것으로 예상된다.
• 향후 MCT를 사용해 조명의 영향에 강한 것뿐만 아니라 노이즈에도 강인하게 작용할 수 있는 변환법에 대한 연구가 필요하다. 얼굴이 검출된 영역에 한하여 조명과 더불어 노이즈에도 강인하게 특징벡터를 추출할 수 있다면 오검출을 더욱 감소시킬 수 있을 것으로 예상된다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기