[논문]지역적 이진화를 이용한 실시간 눈동자 검출

김민하; 여재윤; 차의영

지역적 이진화를 이용한 실시간 눈동자 검출
Real-time Pupil Detection Using Local Binarization 원문보기

김민하 (부산대학교) , 여재윤 (부산대학교) , 차의영 (부산대학교)

본 논문에서는 영상에서 양쪽 눈 영역을 각각 검출하여 각 영역에 대한 지역적 이진화를 통해 눈동자를 검출하는 방법을 제안한다. 단일 저해상도 웹 카메라 영상에서 haar-like feature를 이용해 사람의 얼굴을 검출 한 뒤, 얼굴 영역의 너비와 높이의 비율에 따라 양쪽 눈 영역을 각각 검출한다. 각 눈 영역에서 지역적으로 전처리 및 이진화를 수행하여 눈동자를 검출한다. 눈동자 검출은 HCI(Human-Computer Interface) 시스템에 사용될 수 있다.

In this paper, We proposed that real-time pupil detection using local binarization at each region of eyes in image. In image obtained a single low-resolution web-camera, we detect a region of face using haar-like feature and then detect each region of eyes depending upon the rate of width and height of region of face respectively. In each region of eyes, we detect the pupil after local preprocessing and binarizing. This pupil detection can be variously used for HCI(Human-Computer Interface) systems.

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

문제 정의

본 논문에서는 haar-like feature를 이용해 검출된 얼굴 영역을 기준으로 눈 영역을 지정하고 양 눈 영역에서 지역적 이진화를 통하여 눈동자를 검출한다. 눈동자 검출에 성공한 이후로는 얼굴 검출을 반복하지 않고 눈동자 영역을 기준으로 눈 영역을 갱신하면서 눈동자 검출을 계속한다.
본 논문에서는 얼굴 및 눈동자 영역에 상대적인 눈 영역을 지정하고 갱신하면서 양 눈 영역에서 지역적 이진화를 함으로써 좀 더 정밀한 눈동자 검출 방법을 제안한다.

가설 설정

본 논문에서는 사람의 눈은 얼굴에서 일정한 영역 안에 위치한다고 본다. 따라서 눈 영역을 찾기 위하여 먼저 haar-like feature를 이용하여 얼굴을 검출한다.

제안 방법

그 후, 조명의 영향으로 인해 많이 어두운 영상 혹은 많이 밝은 영상을 향상시키기 위하여 히스토그램 평활화를 수행한다. 이 때, 양 눈 영역내에서 지역적으로 히스토그램 평활화를 수행한다.
그리고 눈동자와 흰자의 밝기차를 뚜렷하게 하고 눈동자와 눈썹 및 눈 끝부분의 밝기차를 강조하기 위하여 스칼라(scalar) 곱 연산을 수행한다. 흑백 영상에서 밝기 값에 곱셈을 하면 밝기 값이 작은 픽셀은 밝기 값이 조금 증가하고 밝기 값이 큰 픽셀은 밝기 값이 많이 증가하여 그림 4와 같이 밝기 차가 뚜렷하게 나타난다.
본 논문에서는 사람의 눈은 얼굴에서 일정한 영역 안에 위치한다고 본다. 따라서 눈 영역을 찾기 위하여 먼저 haar-like feature를 이용하여 얼굴을 검출한다. 검출된 얼굴 영역에서 실험적으로 고정적인 눈 영역을 찾는데 이 때, 눈 영역은 얼굴 영역에서 그림 1과 같은 비율로 존재하고 그림 1에서의 너비와 높이는 얼굴 영역의 너비와 높이를 나타낸다.
먼저, 영상의 색 공간을 RGB에서 YCbCr로 변환하여 Y값을 추출하여 흑백 영상으로 만들고 3×3 크기의 가우시안 필터를 이용하여 블러링 한다.
본 논문에서 얼굴 검출에 이용된 haar-like feature를 정면 얼굴에 대해 학습하였기 때문에 기울어진 얼굴에서는 얼굴을 검출하기 어렵다. 이 점을 보완하기 위하여 초기 검출된 얼굴에서 눈 영역을 찾고 눈동자를 검출한 뒤부터는 눈 영역을 얼굴 영역이 아닌 이전에 검출된 눈동자의 영역에 따라 지정한다. 따라서 한번 눈동자가 검출이 되면 이후 눈동자 검출에 실패하기 전까지는 얼굴 검출을 반복하지 않고 검출된 눈동자 영역에서 다시 눈 영역을 지정하여 눈동자를 검출한다.
이제 양 눈 영역에서 눈동자만을 남기기 위하여 이진화를 수행한다. 위의 전처리 과정을 거침으로써 영상의 전체적인 밝기가 달라지더라도 눈동자 영역이 명확히 검출된다.
이후 연결된 성분 레이블링(connected component labeling)을 통해 객체 영역을 검출한다. 이 때, 레이블링된 영역의 크기가 현재 눈 영역에 대한 눈동자의 크기보다 작은 경우 잡음으로 간주하고 제거한다.

성능/효과

눈동자 검출에 성공한 이후로는 얼굴 검출을 반복하지 않고 눈동자 영역을 기준으로 눈 영역을 갱신하면서 눈동자 검출을 계속한다. 지역적 이진화를 통해 다양한 조명 환경에서도 눈동자가 바르게 검출됨을 확인하였고 눈 영역 갱신을 통해 얼굴이 기울어진 경우에도 눈동자 검출이 잘 됨을 확인하였다.

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

지역적 이진화를 이용한 실시간 눈동자 검출
Real-time Pupil Detection Using Local Binarization 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

지역적 이진화를 이용한 실시간 눈동자 검출 Real-time Pupil Detection Using Local Binarization 원문보기

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

Abstract ▼ AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

지역적 이진화를 이용한 실시간 눈동자 검출
Real-time Pupil Detection Using Local Binarization 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper