최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국방송공학회 2014년도 추계학술대회, 2014 Nov. 07, 2014년, pp.41 - 44
오웅천 (백석대학교 정보통신학부) , 강태호 (백석대학교 정보통신학부) , 곽노윤 (백석대학교 정보통신학부)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
얼굴 영상에서의 얼굴 요소 검출 방법은 어떻게 분류할 수 있는가? | 기존에 연구된 얼굴 영상에서의 얼굴 요소 검출 방법은 크게 두 가지 범주로 분류할 수 있다. 첫 번째는 가시광선 하에서 취득된 영상에서 눈의 모양과 흑백 계조의 분포를 기반으로 눈을 검출하는 방법이고, 두 번째 범주는 근적외선 하에서 취득된 영상으로부터 동공의 분광적 특성을 활용하는 방법이다[4]. Cootes 등이 제안한 AAM(Active Appearance Model) 방법[5]은 얼굴의 형상과 텍스춰 정보에 PCA(Principal Component Analysis)를 적용하여 모델링된 고유 벡터들을 이용하여 얼굴 요소의 위치를 맞추는 방법이다. | |
Haar-like 특징과 AdaBoost 알고리즘을 결합한 방법은 어떤 분야에 적용되고 있는가? | Jones[2]에 의해 제안된 Haar-like 특징과 AdaBoost 알고리즘을 결합한 것이다. 이 방법이 널리 사용됨에 따라 얼굴 검출의 정확도가 크게 향상되어 스마트 폰, 디지털 카메라 및 PC의 UX/UI, 보안 및 감시 시스템, 시선 분석 프로그램, 졸음 방지 시스템, 사진 편집 프로그램 등 다양한 응용 분야에 적용되고 있다. 얼굴 인식의 두 번째 단계는 검출된 얼굴을 적절한 크기와 위치로 정규화 하는 과정이다. | |
AAM 방법이란? | 첫 번째는 가시광선 하에서 취득된 영상에서 눈의 모양과 흑백 계조의 분포를 기반으로 눈을 검출하는 방법이고, 두 번째 범주는 근적외선 하에서 취득된 영상으로부터 동공의 분광적 특성을 활용하는 방법이다[4]. Cootes 등이 제안한 AAM(Active Appearance Model) 방법[5]은 얼굴의 형상과 텍스춰 정보에 PCA(Principal Component Analysis)를 적용하여 모델링된 고유 벡터들을 이용하여 얼굴 요소의 위치를 맞추는 방법이다. AAM을 이용한 다양한 후속 연구들이 진행되었으며, 최근에는 3차원 깊이 정보를 함께 이용하는 방법으로 발전되었다[6]. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.