KR100596197B1 - 가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법 - Google Patents

Abstract

본 발명은 가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법에 관한 것으로, 입력 영상으로부터 윤곽선을 검출하는 윤곽선 검출단계와; 상기 윤곽선에 가변 타원 마스크의 위치와 크기를 변화시키면서 매핑시켜 가중치를 산출하는 가중치 산출단계와; 상기 가중치의 값을 설정된 얼굴 후보 영역의 가중치 범위와 비교하여, 그 범위 내에 가중치 값이 위치하면 그 영역을 얼굴 후보 영역으로 설정하는 얼굴 후보 영역 검출단계와; 상기 축적 히스토그램을 이용하여 상기 얼굴 후보 영역 내에서 눈 후보 영역을 검출하는 눈 후보 영역 검출단계와; 상기 축적 히스토그램을 이용하여 상기 얼굴 후보 영역 내에서 입 후보 영역을 검출하는 입 후보 영역 검출단계와; 상기 얼굴 후보 영역, 눈 후보 영역 및 입 후보 영역을 이용하여 사람의 얼굴이 가지는 기하학적인 특징과 명암의 특징을 나타내는 파라미터를 산출하는 파라미터 산출단계와; 다양한 얼굴 패턴 영상을 학습시킨 신경 회로망에 상기 파라미터를 입력하여 얼굴영역을 검출하는 얼굴영역 검출단계로 이루어진다. 이와 같은 구성에 의하여 본 발명은 조명 및 배경에 무관하며 안경이나 얼굴을 가리는 머리카락 등의 물체가 있는 경우에도 정확한 얼굴을 검출할 수 있는 효과가 있다.

Description

가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법{Face Detection Method Using A Variable Ellipsoidal Mask and Morphological Features}

도 1은 본 발명 가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법의 순서도.

도 2는 본 발명에 적용되는 도 2는 상기 5X5 마스크의 일실시 구성도.

도 3은 가중치를 이용한 얼굴 후보 영역 검출에 오류가 발생하는 경우를 나타낸 예시도.

도 4는 입력 영상에서 추출한 얼굴 후보 영역을 도시한 모식도.

도 5는 입력 영상의 윤곽선에서 눈과 입의 검출 영역을 도시한 모식도.

도 6a와 도 6b는 각각 상기 얼굴 후보 영역 타원체의 지름과 두 눈 사이 거리의 비와 눈 사이의 거리와 두 눈의 중점에서 입과의 거리 비의 개념을 설명하기 위한 모식도.

도 7은 눈 영역의 명암 값과 얼굴 전체 영역의 명암 값의 비와 입 영역의 명암 값과 얼굴 전체 영역의 명암 값의 비의 산출을 설명한 모식도.

도 8은 본 발명에 적용하는 신경 회로망의 실시 예를 나타낸 회로도.

도 9는 신경 회로망에 입력하는 다양한 입력영상의 예를 나타낸 모식도.

본 발명은 가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법에 관한 것으로, 특히 얼굴의 회전이나 부수적인 물체가 있는 경우에도 정확하게 얼굴을 인식하는데 적당하도록 한 가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법에 관한 것이다.

일반적으로, 얼굴인식 등의 생체 인식 방법은 보안 시스템이나 기타 신원확인 분야에 응용된다.

특히, 얼굴인식 분야는 지문이나, 홍체의 인식 등에 비하여 극히 자연스러운 생체 인식의 수단으로, 그 응용범위는 매우 넓다.

종래에는 얼굴의 인식을 위하여 얼굴 객체를 단순화하는 시각적 객체 클래스를 형성하여 얼굴 영역을 검출하는 방법들이 이용되었다.

이와 같은 방법들의 예로는 기하학적 상관관계를 이용하는 방법, 템플릿 매칭법, 얼굴영상의 공분산을 이용한 방법들이 있다.

상기 얼굴 영역 내의 특징적 부분들인 눈, 코, 입 등의 기하학적 상관관계를 이용하여 얼굴을 인식하는 방법은 조명의 상태나 얼굴의 촬상 각도 또는 안경, 머리카락 등의 부수적인 물체에 의해 얼굴이 가려지는 경우, 정확한 얼굴을 인식할 수 없다.

또한, 템플릿 매칭 방법은 얼굴 특징들의 특수한 패턴들을 설정하여 템플릿 과 정합시켜 검출하는 방법이다. 이러한 템플릿 매칭 방법은 조명이 균일하지 못하거나 얼굴을 촬상한 영상의 크기에 변화가 있는 경우에는 얼굴의 검출 및 인식이 어려운 문제점이 있었다.

그리고 전체 얼굴 영상의 공분산을 통하여 그 유사성을 찾아 얼굴 영역을 판별하는 방법은 얼굴 영상의 회전이나 조명에 의해 변화가 심한 경우 얼굴 영역을 검출하는 것이 어려운 문제점이 있었다.

이와 같은 문제점들을 감안한 본 발명은 조명이나, 얼굴의 촬상 위치/각도에 따라 무관하게 얼굴을 인식할 수 있는 가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법을 제공함에 그 목적이 있다.

본 발명의 다른 목적은 안경 등의 물체가 얼굴을 가리고 있어도, 정확하게 얼굴영역을 검출할 수 있는 가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법을 제공함에 그 목적이 있다.

상기와 같은 목적을 달성하기 위한 본 발명은 입력 영상으로부터 윤곽선을 검출하는 윤곽선 검출단계와; 상기 윤곽선에 가변 타원 마스크의 위치와 크기를 변화시키면서 매핑시켜 가중치를 산출하는 가중치 산출단계와; 상기 가중치의 값을 설정된 얼굴 후보 영역의 가중치 범위와 비교하여, 그 범위 내에 가중치 값이 위치하면 그 영역을 얼굴 후보 영역으로 설정하는 얼굴 후보 영역 검출단계와; 상기 축적 히스토그램을 이용하여 상기 얼굴 후보 영역 내에서 눈 후보 영역을 검출하는 눈 후보 영역 검출단계와; 상기 축적 히스토그램을 이용하여 상기 얼굴 후보 영역 내에서 입 후보 영역을 검출하는 입 후보 영역 검출단계와; 상기 얼굴 후보 영역, 눈 후보 영역 및 입 후보 영역을 이용하여 사람의 얼굴이 가지는 기하학적인 특징과 명암의 특징을 나타내는 파라미터를 산출하는 파라미터 산출단계와; 다양한 얼굴 패턴 영상을 학습시킨 신경 회로망에 상기 파라미터를 입력하여 얼굴영역을 검출하는 얼굴영역 검출단계로 구성함에 그 특징이 있다.

상기와 같이 구성되는 본 발명의 실시 예를 첨부한 도면을 참조하여 상세히 설명하면 다음과 같다.

도 1은 본 발명에 따르는 가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법의 순서도로서, 이에 도시한 바와 같이 Canny 마스크 연산을 통한 윤곽선을 검출하는 단계(S100)와; 가변 타원 마스크를 이용한 얼굴후보 검출단계(S200)와; 축적 히스토그램을 이용한 눈 후보의 쌍을 구하는 단계(S300)와; 영상을 회전시키는 단계(S400)와; 축적 히스토그램을 이용하여 입 영역을 검출하는 단계(S500)와; 신경망 입력 파라미터를 산출하는 단계(S600)와; 신경망 학습과정을 통해 얼굴영역을 추출하는 단계(S700)로 구성된다.

이하, 상기와 같은 본 발명의 실시 예를 보다 구체적으로 설명한다.

먼저, S100단계에서는 Canny 마스크 연산을 통해 윤곽선을 검출한다.

상기 Canny 마스크 연산은 입력영상에서 윤곽선을 찾는 과정으로, 먼저 입력영상의 모든 화소들에 대하여 그 화소 위치에서의 지역적인 밝기 값 변화의 크기와, 필요한 경우 변화방향 까지 윤곽선추출 필터들을 이용하여 계산한다.

그 다음, 다시 모든 화소에 대하여 그 8근방 화소들을 고려하여 중앙의 화소가 밝기 값 변화방향에 있는 8근방중의 다른 두개의 화소 보다 밝기 값 변화 크기가 작다면 윤곽선 후보에서 제외시키는 과정을 반복 하여, 윤곽선 후보 화소들을 압축하면서 최종 윤곽선의 두께를 한 개의 화소 크기로 되도록 한다.

상기와 같은 방법으로 입력영상의 윤곽선을 검출한 후, S200단계를 수행한다.

S200단계에서는 가변 타원 마스크를 이용한 얼굴 후보 영역을 검출한다.

가변 타원 마스크는 사람의 얼굴이 타원형에 가깝다는 것을 적용한 것으로, 사람 얼굴의 가로/세로의 비와 유사한 1:1.4의 비를 적용한 타원 마스크를 사용한다.

이 타원 마스크는 입력영상에서의 얼굴크기에 따라 가변적인 것이어야 하며, 아래의 타원방정식을 가지는 타원 마스크를 사용한다.

상기 수학식 1에서 (x,y)는 타원의 중점, a는 단축의 반지름, (x',y')는 타원체의 원주에 위치하는 특정한 지점을 나타낸다.

이와 같은 타원 방정식은 그 크기를 가변시키면서, 상기 S100단계에서 검출한 윤곽에서 타원 마스크와 유사한 윤곽을 검출하게 된다.

상기 이와 같은 검출과정은 먼저, 매핑(mapping)과 가중치를 부여하여 사람의 얼굴이 가지는 기하학적 특징에 부합하는 윤곽을 검출한다.

상기 매핑 과정은 타원체 위의 모든 좌표(x',y')에 5X5 마스크의 중심이 존재하도록 씌우고, 단축의 반지름(a)과 타원의 중점(x,y)을 변화시키면서 윤곽선 영상에 매핑시킨다.

도 2는 상기 5X5 마스크의 일실시 구성도로서, 상기 20으로 표시된 부분이 타원체 상의 모든 좌표의 상부에 위치하는 부분이다.

아래의 수학식 2는 상기 수학식 1의 타원함수를 윤곽선 영상에 매핑한 후의 결과를 나타낸다.

상기 F(x',y')는 윤곽선 영상의 화소 값, 즉 윤곽선일 경우 255, 윤곽선이 아닐 경우 0의 가지는 값이며, e(x',y',a)는 상기 수학식 1을 나타낸다.

이와 같이 매핑한 후, 아래의 수학식 3을 이용하여 (x,y,a)에 대한 고유한 값인 가중치를 구한다.

상기 타원 위의 모든 좌표에 마스크가 씌워지게 되므로, 이 마스크들에 의해 타원 형태의 굵은 띠가 형성된다.

상기 가중치는 사람의 얼굴이 완전한 타원체를 형성하지 않을 수도 있으나, 근사적으로 타원체를 형성하므로 얼굴이 아닌 부분보다는 큰 가중치를 가진다.

이와 같은 가중치의 크기를 이용하여 얼굴 후보의 영역을 검출하게 된다.

도 3은 상기 가중치를 이용한 얼굴 후보 영역 검출에 오류가 발생하는 경우를 나타낸 예시도로서, 이에 도시한 바와 같이 실제 얼굴영역의 가중치(E_ratio)는 0.2449이고, 실제 얼굴영역이 아닌 윤곽선이 밀집된 영역에서는 그 가중치가 0.7185이며, 이를 상기의 수학식들을 이용하여 단순 검출하면 얼굴 후보 영역의 검출에 오류가 발생할 수 있다.

이와 같은 오류를 방지하기 위하여 본 발명에서는 타원 마스크 내에 위치하는 전체 화소의 수에 대한 윤곽선의 화소수의 비를 이용한다.

이는 얼굴 윤곽 내에는 눈, 코, 입의 윤곽이 있으며, 이 윤곽의 화소 수는 전체 얼굴의 화소 수에 대하여 특정한 비를 가지게 된다.

이를 아래의 수학식 4에 나타내었다.

상기 P_total은 타원 내에 위치하는 전체 화소의 수이며, P_edge는 그 윤곽선의 화소 수를 나타내며, 이 비는 0.2에서 0.6의 분포를 가질 수 있다.

상기 가중치(E_ratio)는 타원 전체의 면적에 대한 타원 내에서 흰점으로 표시되는 화소들이 차지하는 면적의 비로 나타난다.

이와 가중치의 제한으로 보다 정확한 얼굴 후보 영역을 검출 할 수 있게 된다.

상기와 같은 가중치의 분포 차이는 얼굴의 크기, 얼굴의 특징적인 부분들의 크기 차이 등에 의해 발생하며, 상기 도 3의 예에서 윤곽선이 과도하게 밀집된 부분은 얼굴 후보 영역에서 제외시킨다.

상기와 같이 얼굴 후보 영역을 검출한 후, 그 얼굴 후보 영역에서 얼굴 영역과 보다 유사한 영역을 검출한다.

이와 같은 검출은 가중치가 일정한 임계 값(Threshold=15) 보다 큰 상위의 4% 이내의 타원만을 선별하는 것으로, 군집되어 있는 타원체들을 클러스트링 한 후, 그 타원체들의 중점을 설정하여 이를 얼굴 후보 영역으로 결정한다.

아래의 수학식 5는 상기와 같이 클러스트링 한 후의 얼굴 후보 영역의 타원체의 중점을 나타낸다.

상기의 각 타원체는 고유한 가중치를 가지고 있으며, 상기 수학식 5를 이용하여 얼굴 후보 영역의 중점인 타원체의 중점은 가중치가 큰 방향으로 더 이동하게 된다.

도 4는 상기와 같은 과정을 통해 추출한 얼굴 후보 영역을 나타낸 것으로, 가로와 세로의 비가 1:1.4인 직사각형 블록으로 얼굴 후보 영역이 표시된다.

상기 도 4에서 알 수 있듯이 동일한 반지름에 대하여 클러스트링을 한 후에도 가중치가 높지만 얼굴이 아닌 부분들이 얼굴 후보 영역으로 선정될 수 있다.

이와 같은 얼굴 후보 영역들 중 얼굴 영역을 검출하기 위해서 축적 히스토그램을 이용한 눈과 입영역을 검출한다.

먼저, 눈 영역 검출단계(S300)에서는 명암을 이용하여 눈 영역을 검출한다.

즉, 눈의 홍체 부분의 명암은 얼굴 영역 중에서 가장 어두운 부분이며, 이러한 명암을 검출하여 눈을 검출한다.

그러나 흑백 영상에서는 조명의 상태에 따라 피부의 명암, 눈의 명암, 입의 명암 값들이 큰 차이를 보이며, 이에 따라 고정된 임계 값으로 눈이나 입을 정확히 추출하기는 용이하지 않다.

이를 감안하여 본 발명에서는 축적 히스토그램을 이용하여 임계 값이 유동적으로 변화하도록 하고, 이를 이용하여 눈과 입을 검출한다.

도 5는 각각 눈과 입의 검출영역을 나타낸 모식도로서, 이에 도시한 바와 같이 눈이 존재 할 수 있는 눈 검출영역의 축적 히스토그램을 구하고, 명암 값 0에서부터 픽셀의 개수를 계산한다.

이때 눈 검출 영역 전체의 픽셀 개수의 10%를 초과하는 최초 명암 값을 기준으로 이진화 한다.

그리고 각 고립점들을 라벨링 하여 각각의 중심점을 찾고, 타원체의 면적과 눈 후보 영역의 면적 비로 각각의 눈 후보를 결정한 후, 타원체 단축의 지름과 두 눈 사이의 거리 비를 이용하여 후보 눈 쌍들을 검출한다.

이때 두 눈의 중심점을 연결하는 선과 가로축이 이루는 각은 ±20°이내로 제한하였다. 각각의 눈 후보 점들에 대한 중심 좌표

는 아래의 수학식 6과 같이 나타낼 수 있다.

상기 수학식 6에서 N은 각 눈 후보의 화소수를 나타낸다.

상기와 같이 눈 후보 영역을 결정한 후, 아래의 수학식 7을 사용하여 눈의 면적을 구한다. 수학식 7에서 Label(x,y)는 라벨링된 영상을 나타낸다.

상기와 같이 구한 눈 후보 영역의 면적을 이용하여 눈 후보 영역의 범위를 산출한다.

수학식 8에 눈 후보 영역의 범위를 나타내었다.

상기 수학식 8에서, MAX는 얼굴 후보 타원체 전체 픽셀의 수의 5%에 해당하는 픽셀의 수이며, 고립점의 면적이 3이하이면 잡음이고, MAX이상이면 눈이 아닌 머리카락이나 기타의 다른 물체를 의미한다.

이와 같이 눈의 후보 영역의 면적을 이용하여 눈 영역을 검출한다.

타원 마스크에 의해 추출된 후보 타원체가 얼굴 영역과 정합 된다면, 도 5에도시한 바와 같이 각 영역 내에 눈과 입이 위치하게 된다.

상기 도 5에서 (X, Y)는 타원체의 중심점을, a는 타원체 단축의 반지름을 나타내고, h는 두 눈 사이의 거리를 나타내며, Eye_x는 눈 검출영역에서 검출된 두 눈을 가로축과 평행이 되도록 회전한 상태에서의 눈의 x좌표 값을 나타낸다.

눈 검출 영역은 후보 타원체의 중점을 기준으로 y축은 ±0.8×a 이내로 하 고, x축은 -0.6×a 내지 0.4×a 이내로 정한다.

또한, 입 검출 영역은 두 눈 사이의 거리를 h라 할 때 눈의 높이에서 아래로 0.8h 내지 1.4h 이내로 정한다.

이는 사람의 눈과 입의 기하학적 상관관계에 따르는 것이다.

상기와 같은 과정을 통해 눈을 검출한 후, 입을 검출한다(S500).

입의 검출과정 역시 입 검출 영역의 축적 히스토그램을 구하고, 명암 값 0에서부터 픽셀 개수를 계산하여 입 검출 영역 전체 면적의 20%를 초과하는 명암 값을 기준으로 이진화 처리를 수행한다.

그 다음, 라벨링하여 중점과 면적을 계산하여, 그 중 면적이 가장 크고 가로와 세로의 비가 1:0.8 이하인 블록을 입의 후보 영역으로 결정한다.

상기와 같이 눈과 입 영역이 검출된 얼굴 후보 타원체를 최종 얼굴 영역으로 결정하기 위하여 신경 회로망을 구축해야 하며, 그 신경 회로망에 입력할 파라미터를 산출한다(S600).

그 파라미터는 명암 분포의 좌우 대칭적 유사도(S), 얼굴 영역 타원체의 지름(2a)과 두 눈 사이의 거리(h)의 비(R₁), 눈 사이의 거리와 두 눈의 중점에서 입과의 거리 비(R₂), 눈 영역의 명암 값과 얼굴 전체 영역의 명암 값의 비(R₃), 입 영역의 명암 값과 얼굴 전체 영역의 명암 값의 비(R₄), 얼굴후보 영역의 명암의 분산 값(σ)이다.

상기 명암 분포의 좌우 대칭적 유사도(S)는 상기 검출한 눈 영역을 기준으로 그 하측의 볼, 코, 입이 대칭적으로 존재한다.

두 눈을 기준으로 입력영상을 회전(S400)시키고, 두 눈 사이의 중점을 계산 한 후, 아래의 수학식 9를 사용하여 명암 분포의 좌우 대칭적 유사도를 구한다.

또한, 상기 얼굴 후보 영역 타원체의 지름과 두 눈 사이 거리의 비(R₁)와 눈 사이의 거리와 두 눈의 중점에서 입과의 거리 비(R₂)는 아래의 수학식 10으로 표현된다.

또한, 도 6a와 도 6b는 각각 상기 얼굴 후보 영역 타원체의 지름과 두 눈 사이 거리의 비(R₁)와 눈 사이의 거리와 두 눈의 중점에서 입과의 거리 비(R₂)의 개념 을 설명하기 위한 설명도이다.

그리고, 도 7은 눈 영역의 명암 값과 얼굴 전체 영역의 명암 값의 비(R₃), 입 영역의 명암 값과 얼굴 전체 영역의 명암 값의 비(R₄)를 산출하기 위한 설명도로서, 이에 도시한 바와 같이 얼굴 후보 영역을 세 개의 블록으로 분할한다.

즉, 눈 영역, 입 영역, 눈과 입 영역의 사이 영역의 세 블록으로 분할하고, 그 세 블록 전체의 명암도와 눈 영역의 명암도의 비(R₃)를 산출한다.

이와 동일한 방법으로 세 블록 전체의 명암도와 입 영역의 명암도의 비(R₄)를 산출한다.

그 다음, 얼굴후보 영역의 명암의 분산 값(σ)은 아래의 수학식 11을 이용하여 산출한다.

상기 수학식 11에서 avg는 얼굴 후보 영역의 평균 명암 값이고, P_v(X,Y)는 얼굴 영역 내의 좌표(x,y)의 명암 값, N은 전체 화소 수를 나타낸다.

이와 같이 파라미터를 산출하고, 그 파라미터를 이용하여 신경망 학습을 통해 얼굴영역을 검출(S700)하게 된다.

도 8은 본 발명에 적용하는 신경 회로망의 실시 예를 나타낸 회로도로서, 이 에 도시한 바와 같이 역전파 신경 회로망은 입력층(input layer), 은닉층(hidden layer)과 출력층(output layer)으로 구성된다.

상기와 같은 구성의 신경 회로망을 사용하여 얼굴인 경우와 얼굴이 아닌 경우의 입력 파라미터를 각각 1000개로 하고, 그 출력 값은 각각 (0.9, 0.1),(0.1, 0.9)로 학습률은 0.01, 오차는 0.1로 하여 학습시킨다.

도 9는 다양한 입력영상에 대한 얼굴인식을 실험결과이며, 조명의 상태, 얼굴의 크기, 표정, 얼굴의 수, 영상의 해상도 등을 다양하게 변화시켜 실험한 결과 97% 이상의 검출율을 확인 하였다.

이상에서는 본 발명을 특정의 바람직한 실시 예들을 들어 도시하고 설명하였으나, 본 발명은 상기한 실시 예들에 한정되지 않으며 본 발명의 개념을 벗어나지 않는 범위 내에서 당해 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 다양한 변경과 수정이 가능하다.

상기한 바와 같이 본 발명은 가변 타원 마스크 연산과 축적 히스토그램을 통해 얼굴 후보 영역을 결정하고, 특징 점을 추출하여 이 특징 점의 기하학적 상관관계와 다양한 얼굴패턴 영상을 학습시킨 역전파 신경망회로를 적용하여 입력영상에서의 얼굴의 크기나, 수, 회전 정도에 무관하게 정확하게 얼굴영역을 추출할 수 있는 효과가 있다.

또한, 본 발명은 조명 및 배경에 무관하며 안경이나 얼굴을 가리는 머리카락 등의 물체가 있는 경우에도 정확한 얼굴을 검출할 수 있는 효과가 있다.

Claims (12)

1. 입력영상의 모든 화소들에 대하여 그 화소 위치에서의 지역적인 밝기 값 변화의 크기와, 필요한 경우 변화방향 까지 윤곽선추출 필터들을 이용하여 계산한 후, 입력영상의 모든 화소에 대하여 그 8근방 화소들을 고려하여 중앙의 화소가 밝기 값 변화방향에 있는 8근방중의 다른 두개의 화소 보다 밝기 값 변화 크기가 작다면 윤곽선 후보에서 제외시키는 과정을 반복 하여, 윤곽선 후보 화소들을 압축하면서 최종 윤곽선의 두께를 한 개의 화소 크기로 검출되도록 하는 윤곽선 검출단계와;

   윤곽을 표시하는 타원체 위의 모든 좌표에 5X5 가변 타원 마스크의 중심이 존재하도록 씌우고, 가변 타원 마스크의 단축의 반지름과 타원의 중점을 변화시키면서 윤곽선 영상에 매핑시키는 매핑단계를 거친 후, 매핑의 결과로서 사람의 얼굴이 완전한 타원체는 아니지만 타원체와 유사하다는 점을 이용하여 가변 타원 마스크의 위치와 크기를 변화시키면서 유사한 정도를 검출하는 가중치 검출단계를 거치는 가중치 산출단계와;

   입력영상의 윤곽선에서 얼굴 윤곽 내에는 눈, 코, 입의 윤곽이 있는 것을 감안하여, 상기 타원 마스크 내에 위치하는 전체 화소의 수에 대한 윤곽선의 화소수의 비를 가중치의 범위로 산정하고, 상기 가중치 산출단계에서 산출한 가중치가 상기 가중치의 범위 내에 있는 타원 윤곽선을 얼굴 후보 영역으로 검출하는 얼굴 후보 영역 검출단계와;

   눈이 존재할 수 있는 눈 검출영역의 축적 히스토그램을 구한 후, 상기 축적 히스토그램을 이용하여, 눈 후보 영역의 픽셀 개수를 계산하고, 타원체의 면적과 눈 후보 영역의 면적 비로 각각의 눈 후보 영역을 결정한 상태에서 상기 얼굴 후보 영역의 단축의 지름과 두 눈 후보 영역사이의 거리 비를 이용하여 후보 눈 쌍들을 검출하는 눈 후보 영역 검출단계와;

   상기 축적 히스토그램을 이용하여 상기 얼굴 후보 영역 내에서 입 후보 영역을 검출하는 입 후보 영역 검출단계와;

   얼굴 후보 영역의 명암 분포의 좌우 대칭적 유사도, 얼굴 후보 영역의 단축 지름과 두 눈 후보 영역 사이의 거리 비, 두 눈 사이의 거리와 두 눈의 중점에서 입과의 거리 비, 눈 영역의 명암 값과 얼굴 전체 영역의 명암 값의 비, 입 영역의 명암 값과 얼굴 전체 영역의 명암 값의 비, 얼굴후보 영역의 명암의 분산 값을 파라미터로 산출하는 파라미터 산출단계; 및,

   다양한 얼굴 패턴 영상을 학습시킨 신경 회로망에 상기 파라미터를 입력하여 얼굴영역을 검출하는 얼굴영역 검출단계로 이루어진 것을 특징으로 하는 가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법.
2. 삭제
3. 제 1항에 있어서, 상기 가중치 산출단계에서 사용하는 가변 타원 마스크는 사람의 얼굴이 타원형에 가깝다는 것을 적용한 것으로, 사람 얼굴의 가로와 세로의 비와 유사한 1:1.4의 비를 적용한 타원 마스크인 것을 특징으로 하는 가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법.
4. 삭제
5. 삭제
6. 제 1항에 있어서, 상기 가중치의 범위는 0.2 내지 0.6인 것을 특징으로 하는 가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법.
7. 제 1항에 있어서, 상기 추출한 얼굴 후보 영역에서 가중치가 소정의 임계 값 보다 큰 상위의 일부 타원만을 선택하여 최종 얼굴 후보 영역으로 설정하는 것을 특징으로 하는 가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법.
8. 제 7항에 있어서, 상기 임계 값은 15이며, 최종 얼굴 후보 영역으로 설정하는 타원은 그 가중치가 임계 값보다 큰 상위의 4% 이내의 타원인 것을 특징으로 하는 가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법.
9. 삭제
10. 제 1항에 있어서, 입 후보 영역 검출단계는 입이 존재 할 수 있는 입 검출 영역의 축적 히스토그램을 구하는 단계와,

    그 입 검출 영역의 픽셀 개수를 계산하여 입 검출 영역 전체 면적의 20%를 초과하는 명암 값을 기준으로 이진화 처리를 수행하는 단계와,

    상기 입 검출 영역의 중점과 면적을 계산하여, 그 중 면적이 가장 크고 가로와 세로의 비가 1:0.8 이하인 블록을 입의 후보 영역으로 검출하는 단계로 이루어진 것을 특징으로 하는 가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법.
11. 삭제
12. 제 1항에 있어서, 상기 얼굴영역 검출단계는 역전파 신경 회로망을 다양한 얼굴 패턴을 입력하여 학습시키는 단계와,

    상기 학습이 완료된 역전파 신경 회로망에 파라미터를 입력하여 얼굴영역을 검출하는 단계로 이루어진 것을 특징으로 하는 가변 타원 마스크와 형태학적 특징을 이용한 얼굴 인식 방법.

Images