[논문]유동인구 분석을 위한 얼굴 인식 알고리즘

김지환; 김두현; 김진우; 고유준; 이수원; 이정진

문제 정의

못할 수 있다. 따라서 실제 환경과 제약된 환경에서 산출되는 데이터 결과가 얼마나 차이가 나는지 비교하기 위해 실험을 진행하였다.
이러한 배경에서 얼굴 인식과 관련된 많은 연구가 진행되어 왔다. 본 연구는 Color Model 기반, Haar-Like Feature 기반 얼굴 알고리즘들의 성능을 비교 분석하고 그에 따른 평가를 제공한다. [[21]] .
본 연구를 바탕으로 알고리즘 사용자들이 보다 주어진 환경에 적합하고 상황에 알맞은 선택을 도울 수 있도록 한다.

제안 방법

가능성이 있다. 따라서 여러 개의 Feature를 배치하고 훈련과정을 통해 윈도우 내의 영상이 얼굴인지 아닌지를 구별하는 방법으로 인식률을 높인다. 이를 위해 Adaboost를 이용하여 Feature들에 가중치를 각각 할당하여 정확성을 높인다.
본 실험은 제한된 환경에서 [그림 8]과 같이 카메라 정면을 응시하고 있는 얼굴에 대한 감지 및 [그림 9]와 같이 고개를 들거나 숙이는 얼굴을 감지하는 두 가지 실험을 토대로 결과를 산출하였다. 아울러 현실감을 더하기 위해 [그림 1이과 같은 건널목 환경에서 실제로 신호를 대기하고 있는 사람의 얼굴을 담은 영상으로도 실험을 진행하였다.
수 있다. 본 연구를 통해 건널목이라는 특정 공간에서 각각의 알고리즘을 비교, 분석 및 평가한다.
본 연구에서는 Color Model 기반 얼굴 인식 알고리즘과 Haar-Like Feature 기반 얼굴 인식 알고리즘을 비교분석 및 평가한다.
HSV등이 바로 그것이다. 본 연구에서는 YCbCr, HSV를 이용하여 피부색을 검출하는 방법을 사용하였다. 그러나 YCbCr의 경우 밝기성분(Y)과 색차정보(Cb, Cr)를분리하여 표현하기 때문에 피부색과 비슷한 경우 [그림 3] 과 같이 잘못 검출하는 오류를 범할 수 있다.
본 연구에서는 건널목 등의 특정 공간에서 유동인구를 분석하기 위하여 Color Model 기반 및 Haar-Like Feature 기반 얼굴 인식 알고리즘의 성능을 비교 분석하였다. 분석 결과, 모든 사람들이 카메라 정면을 바라본다면 Haar-Like Feature 기반 알고리즘이 Color Model 기반 알고리즘보다 환경의 영향을 적게 받는다는 점에서 보다 정확한 얼굴 인식이 가능하였다.
아울러 현실감을 더하기 위해 [그림 1이과 같은 건널목 환경에서 실제로 신호를 대기하고 있는 사람의 얼굴을 담은 영상으로도 실험을 진행하였다. 실험에서 1분의 길이의 영상을 총 140 frame으로 나누고 각 프레임 별로 시스템이 예측한 얼굴의 수와 실제 얼굴의 수를 비교하여 평가를 진행하였다.
따라서 여러 개의 Feature를 배치하고 훈련과정을 통해 윈도우 내의 영상이 얼굴인지 아닌지를 구별하는 방법으로 인식률을 높인다. 이를 위해 Adaboost를 이용하여 Feature들에 가중치를 각각 할당하여 정확성을 높인다. 그리고 모든 Haar-Like Feature를 통하여 각 영역에 대한 분류가 얼굴로 판정이 되면 최종적으로 영상에서 얼굴 영역 위치 정보를 산출한다.
이와 같은 문제점을 보완하기 위하여 색조, 채도, 명도의 3가지 성분으로 색을 표현하는 방식인 HSV를 통하여 피부색을 검출하는 방법을 사용하였다.
정면으로 바라보고 있는 영상과 마찬가지로 카메라를 정면으로 바라보고 있지 않은 영상에 대해서도 Color Model 기반, Haar-Like Feature 기반 알고리즘으로 얼굴을 인식하여 다음과 같은 결과를 얻을 수 있었다.
카메라를 정면으로 바라보고 있는 영상에 대하여 Color Model 기반, Haar-Like Feature 기반의 두 가지 알고리즘을 통해 얼굴을 인식했을 때 다음과 같은 결과를 얻을 수 있었다.

대상 데이터

결과를 산출하였다. 아울러 현실감을 더하기 위해 [그림 1이과 같은 건널목 환경에서 실제로 신호를 대기하고 있는 사람의 얼굴을 담은 영상으로도 실험을 진행하였다. 실험에서 1분의 길이의 영상을 총 140 frame으로 나누고 각 프레임 별로 시스템이 예측한 얼굴의 수와 실제 얼굴의 수를 비교하여 평가를 진행하였다.

데이터처리

평가 척도로는 시스템이 예측한 값과 실제의 값의 일치 여부를 토대로 Precision, Recall, F-measure의 값을 사용하였다.

이론/모형

OpenCV 에서 제공하는 기본 얼굴 인식 알고리즘 (Haar-Like Feature)을 사용하여 영상을 분석한다[4]. 하지만 영상을 찍는 환경의 조명으로부터 많은 영향을 받아 조명이 어두울 경우 굉장히 낮은 성능을 보여주었다[그림 7],

성능/효과

존재하였다. Feature의 Parameter 값을 다르게 하여 실험해 본 결과 FrontalFace_ALT가 가장 좋은 성능을 보였다. Precision 은 Color Model 기반 알고리즘이 나머지 알고리즘보다 우수 하였으나, Recalle Haar-Like Feature 기반 알고리즘이 더 우수하였다.
HSV로 변환한 뒤 영상을 분석하는 방법은 YCbCr을사용하여 피부색을 검출하는 것보다 더 명확한 결과를 산출해낸다는 사실을 발견하였다. 일정 간격으로 저장되어있는 파일들을 순차적으로 읽어 메모리에 로딩한 후 읽어온 영상을 HSV 색체 기반 영상으로 [그림 4]와 같이 변환한다.
Feature의 Parameter 값을 다르게 하여 실험해 본 결과 FrontalFace_ALT가 가장 좋은 성능을 보였다. Precision 은 Color Model 기반 알고리즘이 나머지 알고리즘보다 우수 하였으나, Recalle Haar-Like Feature 기반 알고리즘이 더 우수하였다. 그 이유는 외부 환경에서 살색과 비슷한 색이 쉽게 노출되었고 사람들의 몸짓에 따라 얼굴 이외의 신체부위가 얼굴로 인식되는 경우가 많아졌기 때문이다.
그 이유는 외부 환경에서 살색과 비슷한 색이 쉽게 노출되었고 사람들의 몸짓에 따라 얼굴 이외의 신체부위가 얼굴로 인식되는 경우가 많아졌기 때문이다. 또한 정확도 면에서는 Haar-Like Feature 기반 알고리즘의 성능이 떨어졌다. 그 이유는 정면응시를 기준으로 얼굴 인식을 하는 Haar-Like Feature 기반 알고리즘이 상대적으로 자연스럽게 움직이는 사람들, 즉 정면을 응시하지 않는 사람들이 많이 존재했을 때 얼굴 인식을 정확히 할 수 없었기 때문이다.
분석 결과, 모든 사람들이 카메라 정면을 바라본다면 Haar-Like Feature 기반 알고리즘이 Color Model 기반 알고리즘보다 환경의 영향을 적게 받는다는 점에서 보다 정확한 얼굴 인식이 가능하였다. 하지만 실제로 건널목과 같이 사람들이 유동적인 곳에서 얼굴을 인식하려면 정면이 아닌 여러 방향의 얼굴 또한 인식할 수 있어야 한다.

후속연구

하지만 Color Model 기반 알고리즘의 단점은 환경의 영향을 많이 받는다는 점이다. 따라서 환경에 덜 민감한 Color Model 기반 알고리즘에 대한 연구가 보완된다면 Haar-Like Feature 기반 알고리즘 보다 유동인구에 대한 얼굴 인식 정확도가 향상될 수 있을 것이다.

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

유동인구 분석을 위한 얼굴 인식 알고리즘
Face Recognition Algorithms for Analyzing Floating Population 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

유동인구 분석을 위한 얼굴 인식 알고리즘 Face Recognition Algorithms for Analyzing Floating Population 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

유동인구 분석을 위한 얼굴 인식 알고리즘
Face Recognition Algorithms for Analyzing Floating Population 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper