KR101206736B1 - 회전된 얼굴 영역 검출 장치 및 방법 - Google Patents

회전된 얼굴 영역 검출 장치 및 방법 Download PDF

Info

Publication number
KR101206736B1
KR101206736B1 KR1020110060855A KR20110060855A KR101206736B1 KR 101206736 B1 KR101206736 B1 KR 101206736B1 KR 1020110060855 A KR1020110060855 A KR 1020110060855A KR 20110060855 A KR20110060855 A KR 20110060855A KR 101206736 B1 KR101206736 B1 KR 101206736B1
Authority
KR
South Korea
Prior art keywords
region
candidate
face
face region
area
Prior art date
Application number
KR1020110060855A
Other languages
English (en)
Inventor
백준기
김대희
Original Assignee
중앙대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 중앙대학교 산학협력단 filed Critical 중앙대학교 산학협력단
Priority to KR1020110060855A priority Critical patent/KR101206736B1/ko
Application granted granted Critical
Publication of KR101206736B1 publication Critical patent/KR101206736B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees

Abstract

회전된 얼굴 영역 검출 장치 및 방법이 개시된다. 후보 영역 검출부는 입력 영상을 나타내는 복수의 색상 공간을 기초로 입력 영상으로부터 검출하고자 하는 얼굴 영역을 포함하는 후보 영역을 검출한다. 회전각 산출부는 후보 영역에서 얼굴 영역의 특징점을 검출하고, 검출된 특징점을 이용하여 후보 영역의 회전각을 산출한다. 얼굴 영역 검출부는 회전각을 기초로 회전된 후보 영역으로부터 얼굴 영역을 검출한다. 본 발명에 따르면, 회전된 얼굴 영역의 검출을 효과적으로 수행할 수 있다.

Description

회전된 얼굴 영역 검출 장치 및 방법{Apparatus and method for detecting rotated face region}
본 발명은 회전된 얼굴 영역 검출 장치 및 방법으로, 보다 상세하게는, 영상 속에서 사람의 얼굴이 기울어져 있거나 일부 가려져 있는 경우 얼굴 영역을 검출하는 장치 및 방법에 관한 것이다.
얼굴 검출(face detection) 기술은 컴퓨터 비젼(computer vision)과 패턴 인식 영역에서 매우 중요하다. 얼굴 검출 기술은 특히 얼굴 인식(face recognition)과 추적 알고리즘의 전 단계로 광범위하게 연구되고 있다. 최근의 얼굴 검출 기술에는 지식 기반(knowledge-based), 특징 기반(feature-based), 견본 매칭(template-matching), 어피어런스 기반(appearance-based)과 같은 여러 가지 방법이 있다.
특징 기반 방법에서는 회전 불변의 얼굴 검출(rotation-invariant face detection)을 위한 피부 색 영역 검출을 위해 Haar-like 특징이 사용된다. Haar-like 특징은 기존의 Viola의 방법에서 얼굴 검출에 적용된 것으로, 단순 합 이미지를 이용하여 특징값을 표현한 것이다.
한편 가시 스펙트럼(visible spectrum)에서는 조명 상태, 카메라 특징, 인종, 생리학적인 특징 등 여러 요인 때문에 피부 색 검출(skin color detection)이 어렵다. 따라서 강건한 피부 색 검출 알고리즘(robust skin color detection algorithm)에서는 카메라 특징과 조명 상태를 고려한 트레이닝 셋(training set)이 사용된다.
Viola의 방법은 적응적 부스팅(adaptive boosting: AdaBoost)을 사용하여 똑바른(upright) 얼굴은 검출하지만, 회전된(rotated) 얼굴 검출에는 종종 실패한다. 따라서 Linehert는 처음으로 공간적으로 회전된 얼굴 검출 알고리즘을 제안하였다. 그리고 Viola 방법 기반의 다 시점(multi-view)얼굴 검출에도 이를 확장하였다. 그러나 이러한 방법은 데이터 집합(set)의 증가로 처리 시간과 계산 부하가 늘어난다는 문제가 있다.
또한 견본 기반 방법(template-based methods)은 얼굴의 다른 특징들과 비교하여 상대적으로 정형적인 패턴을 갖는 눈과 입을 검출하는데 널리 사용된다. Hsu의 방법은 YCbCr 색상 영역에서 트레이닝 셋을 사용하여 얼굴 영역을 검출하는 방법이다. 그러나 이는 전산 로드의 증가를 가져온다. 또한 현재의 색 기반 알고리즘(color-based algorithms)은 색 채도(color saturation)에 매우 민감하다는 문제점이 있다.
본 발명이 이루고자 하는 기술적 과제는, 영상 속 사람의 얼굴 영역을 검출하는데 있어서 얼굴이 기울어져 있거나 일부 가려져 있는 경우에도 효과적으로 얼굴 영역을 검출할 수 있는 회전된 얼굴 영역 검출 장치 및 방법을 제공함에 있다.
본 발명이 이루고자 하는 다른 기술적 과제는, 영상 속 사람의 얼굴 영역을 검출하는데 있어서 얼굴이 기울어져 있거나 일부 가려져 있는 경우에도 효과적으로 얼굴 영역을 검출할 수 있는 회전된 얼굴 영역 검출 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공함에 있다.
상기의 기술적 과제를 달성하기 위한, 본 발명에 따른 회전된 얼굴 영역 검출 장치는, 입력 영상을 나타내는 복수의 색상 공간을 기초로 상기 입력 영상으로부터 검출하고자 하는 얼굴 영역을 포함하는 후보 영역을 검출하는 후보 영역 검출부; 상기 후보 영역에서 상기 얼굴 영역의 특징점을 검출하고, 상기 검출된 특징점을 이용하여 상기 후보 영역의 회전각을 산출하는 회전각 산출부; 및 상기 회전각을 기초로 회전된 상기 후보 영역으로부터 상기 얼굴 영역을 검출하는 얼굴 영역 검출부;를 구비한다.
상기의 기술적 과제를 달성하기 위한, 본 발명에 따른 회전된 얼굴 영역 검출 방법은, 입력 영상을 나타내는 복수의 색상 공간을 기초로 상기 입력 영상으로부터 검출하고자 하는 얼굴 영역을 포함하는 후보 영역을 검출하는 후보 영역 검출단계; 상기 후보 영역에서 상기 얼굴 영역의 특징점을 검출하고, 상기 검출된 특징점을 이용하여 상기 후보 영역의 회전각을 산출하는 회전각 산출단계; 및 상기 회전각을 기초로 회전된 상기 후보 영역으로부터 상기 얼굴 영역을 검출하는 얼굴 영역 검출단계;를 갖는다.
본 발명에 따른 회전된 얼굴 영역 검출 장치 및 방법에 의하면, 얼굴 후보 영역을 검출하기 위해 복수의 색상 공간을 사용하고 회전된 얼굴 영역의 회전각을 산출하여 역회전시킨 후 haar-like 특징을 사용하여 최종 얼굴 영역을 검출 및 추적함으로써, 사람의 얼굴이 똑바르게 촬영되지 않고 기울어져 있는 경우에도 정확하게 얼굴 영역을 검출할 수 있다.
도 1은 본 발명에 따른 회전된 얼굴 영역 검출 장치에 대한 바람직한 실시예의 구성을 도시한 블록도,
도 2는 세 종류의 영상이 RGB 색상 공간에서 서로 다른 채도 값을 갖는 경우를 나타낸 도면,
도 3은 후보 영역 검출부에서 후보 영역의 피부 색을 정제하는 과정을 나타낸 도면,
도 4는 본 발명에 따른 회전된 얼굴 영역 검출 방법에 대한 바람직한 실시예의 수행과정을 도시한 흐름도,
도 5는 본 발명에 의해 얻어진 후보 영역을 검출한 영상을 나타낸 도면,
도 6은 본 발명에 의해 얻어진 후보 영역에서 눈과 입의 위치를 검출하는 과정을 나타낸 도면, 그리고,
도 7은 연속적인 프레임에서 얼굴 영역이 움직이거나 가려지는 경우 얼굴 영역 검출 정도를 나타낸 도면이다.
이하에서 첨부된 도면들을 참조하여 본 발명에 따른 회전된 얼굴 영역 검출 장치 및 방법의 바람직한 실시예에 대해 상세하게 설명한다.
도 1은 본 발명에 따른 회전된 얼굴 영역 검출 장치에 대한 바람직한 실시예의 구성을 도시한 블록도이다.
도 1을 참조하면, 본 발명에 따른 얼굴 영역 검출 장치(100)는, 후보 영역 검출부(110), 회전각 산출부(120), 얼굴 영역 검출부(130) 및 얼굴 영역 추적부(140)를 구비한다.
후보 영역 검출부(110)는 입력 영상을 나타내는 복수의 색상 공간을 기초로 입력 영상으로부터 검출하고자 하는 얼굴 영역을 포함하는 후보 영역을 검출한다. 색 구성을 분석하기 위한 복수의 색상 공간으로는 RGB(red,green,blue)와 HSV(hue saturation value) 색상 공간이 사용될 수 있다.
후보 영역은 얼굴 영역을 포함하는 영역으로, 입력 영상에서 피부 색상과 동일한 색상을 갖는 영역을 후보 영역으로 볼 수 있다. 다양한 피부 색들은 공통적으로 빨간색의 요소를 포함하기 때문에, 후보 영역 검출부(110)는 먼저 입력 영상의 HSV 색상 공간에서 색상(hue) 값이 0~60°및 300~360°인 영역을 검출하고 이 영역을 제1 후보영역으로 설정한다. 이때 색상 분류를 용이하게 하기 위해서 입력 영상의 채도(saturation)값을 최대값인 255로 변환할 수 있다.
도 2는 세 종류의 영상이 서로 다른 채도 값을 갖는 경우를 나타낸 도면이다. (a) 영상들은 촬영 당시 원래의 채도 값을 갖는 영상, (b) 영상들은 채도 값을 122로, (c) 영상들은 채도 값을 255로 변환시킨 영상이다. 세 종류의 영상 모두 채도 값을 증가시킴에 따라 피부 영역의 색상이 빨간 색상으로 변환됨을 알 수 있다. 이와 같이 입력 영상의 채도 값을 증가시킴으로써 피부 영역과 그 외의 영역의 구분이 명확해지고 후보 영역을 정확하게 검출할 수 있다.
다음으로 후보 영역 검출부(110)는 채도 값이 최대인 입력 영상으로부터 녹색보다 빨간색의 색상 값이 큰 영역(R값이 G값보다 큰 영역)을 제2 후보영역으로 결정한다. 최종적으로 후보 영역 검출부(110)는 제1 후보영역과 제2 후보영역의 공통된 영역을 얼굴 영역을 포함하는 후보 영역으로 결정한다.
또한 후보 영역 검출부(110)는 후보 영역의 피부 색을 정제(refining)하기 위해서 색 기반 양방향 필터링(color-based bilateral filtering)을 수행할 수 있다. 색 기반 양방향 필터링에서는 후보 영역의 각 화소의 이웃 화소 중에서 후보 영역의 화소와 색상 값이 비슷한 화소를 후보 영역에 추가한다. 그리고 HSV 색상 공간에서 추가된 이웃 화소와 후보 영역의 화소 사이의 거리가 5보다 작으면 화소의 색상 값을 일치시킨다. 이러한 정제(refinement) 과정을 통해 모순되는 조명 상태와 카메라 특징을 보상하고 노이즈 효과(noise effect)를 최소화할 수 있다.
도 3은 후보 영역 검출부(110)에서 후보 영역의 피부 색을 정제하는 과정을 나타낸 도면이다. 도 3의 영상에서 여성의 얼굴에 표시된 화소는 색상 값 250, 채도 값 31, 명도 값 222를 갖는다. 따라서 후보 영역 검출부(110)는 HSV 색상 공간에서 표시된 화소로부터 5보다 작은 거리에 있는 이웃 화소의 색상 값을 250으로 변환시켜 후보 영역에 포함시켜 후보 영역의 피부 색을 정제한다.
회전각 산출부(120)는 후보 영역에서 얼굴 영역의 특징점을 검출하고, 검출된 특징점을 이용하여 후보 영역의 회전각을 산출한다. 구체적으로 얼굴 영역의 특징점으로서 눈과 입의 위치를 검출하여 얼굴 영역을 포함하는 후보 영역이 기울어진 정도인 회전각을 산출할 수 있다.
눈과 입의 위치를 검출하기 위한 Hsu의 방법은 YCbCr 색상 공간에서 트레이닝 셋을 이용한 알고리즘이다. 그러나 회전각 산출부(120)는 트레이닝 셋 대신에 후보 영역 검출부(110)에서 검출한 후보 영역을 사용한다.
회전각 산출부(120)는 크로미넌스 요소(chrominance component)를 고려한 제1 위치와 루미넌스 요소(luminance component)를 고려한 제2 위치를 결합하여 하나의 눈의 위치를 검출한다. 제1 위치는 다음의 수학식 1로 나타낼 수 있다.
Figure 112011047653416-pat00001
여기서, EyeMapcroma 는 제1 위치, Cb 는 푸른색의 강도, Cr은 붉은색의 강도,
Figure 112011047653416-pat00002
은 Cr 의 음수 값을 나타낸다. 예를 들면,
Figure 112011047653416-pat00003
로 설정될 수 있다. 그리고
Figure 112011047653416-pat00004
는 [0,255] 범위에서 정상화되는 값이다. 또한 제1 위치는 높은 Cb 값과 낮은 Cr 값을 갖는다. 제2 위치는 다음의 수학식 2로 나타낼 수 있다.
Figure 112011047653416-pat00005
여기서, Y는 명도, gσ 는 5 X 5 마스크(mask),
Figure 112011047653416-pat00006
는 그레이 스케일 딜레이션(gray-scale dilation),
Figure 112011047653416-pat00007
는 그레이 스케일 일루션(gray-scale erosion)이다.회전각 산출부(120)는 AND 연산자(operation)에 의해 제1 위치와 제2 위치를 결합시켜 눈의 위치를 검출한다. 그리고 입의 위치인 MouthMap은 다음의 수학식 3에 의해 얻어질 수 있다.
Figure 112011047653416-pat00008
여기서, Cb 는 푸른색의 강도, Cr은 붉은색의 강도이고
Figure 112011047653416-pat00009
값은 다음의 수학식 4와 같이 산출된다.
Figure 112011047653416-pat00010
여기서, Cr 2 과 Cr/Cb는 [0,255] 범위에서 정상화된다. fg는 페이스 마스크(face mask), n은 fg 내의 픽셀의 수를 나타낸다.
회전각 산출부(120)는 후보 영역에서 앞서 설명한 방식으로 눈과 입의 위치를 찾은 후 얼굴 영역의 기울어진 정도인 회전각을 산출한다. Erc와 Elc를 각각 두 눈의 중심, 그리고 Mc를 입의 중심이라 한다. 회전각 산출부(120)는 Erc와 Elc를 연결한 선과 X축 사이의 각도를 측정하여 회전각을 결정한다. 만약 입력 영상에서의 얼굴이 기울어지지 않았다면, 회전각은 0이 된다.
얼굴 영역 검출부(130)는 측정된 회전각의 크기만큼 회전된 후보 영역을 역회전시키고 Viola 알고리즘을 사용하여 얼굴 영역을 검출한다. Viola 알고리즘은 네가지 종류의 Haar-like 특징 기반의 약분류기와 적분 이미지, 케스케이드(cascade)를 이용하여 실시간으로 얼굴 검출이 가능한 속도를 보이며 정확도도 상당히 높다.
그러나 Viola 알고리즘은 회전된 얼굴 영역을 검출하는데 있어서는 성공률이 감소한다. 따라서 얼굴 영역 검출부(130)는 기울어진 얼굴 영역을 바로잡기 위해서 후보 영역을 회전각만큼 역회전시키고 회전된 후보 영역에 Viola 알고리즘을 사용하여 얼굴 영역을 검출한다. 이때, 회전 방향은 앞서 설명한 회전각 산출부(120)에서 구한 두 눈의 중심 Erc와 Elc를 연결한 선보다 입의 중심인 Mc가 아래 쪽에 위치하도록 회전시킨다. 또한 Viola 알고리즘을 포함하는 다양한 얼굴 영역 검출 알고리즘을 역회전시킨 후보 영역에 대하여 사용할 수 있다.
얼굴 영역 추적부(140)는 입력 영상에 시간적으로 연속하는 복수의 영상 프레임에서 얼굴 영역을 추적한다. 또한 회전된 얼굴 영역이 가려진 경우에도 연속적인 프레임에서 얼굴 영역중심 좌표의 움직임 벡터를 추정하여 얼굴 영역을 추적한다. 이때 robust 얼굴 추적 알고리즘을 사용할 수 있으며 눈과 입 영역 중심의 움직임 벡터(motion vector)를 추정하는 것이다. 얼굴 영역 중심 좌표는 다음의 수학식 5와 같이 산출된다.
Figure 112011047653416-pat00011
여기서, (x1,y1)는 오른쪽 눈의 중심, (x2,y2)는 왼쪽 눈의 중심, (x3,y3)는 입의 중심 좌표를 나타낸다. 현재 프레임(frames)과 이전 프레임 간의 얼굴 영역 중심 좌표의 차이는 움직임 벡터 Fmove로 설정된다. Fmove는 얼굴 영역이 가려지는 경우에 예측 파라미터로 사용될 수 있다. 구체적으로, 얼굴 영역이 일부 가려지는 경우 얼굴 영역 중심 좌표는 이전 프레임의 중심 좌표에 Fmove를 더하여 예측된다.
도 4는 본 발명에 따른 회전된 얼굴 영역 검출 방법에 대한 바람직한 실시예의 수행과정을 도시한 흐름도이다.
후보 영역 검출부(110)는 입력 영상을 나타내는 복수의 색상 공간을 기초로 입력 영상으로부터 검출하고자 하는 얼굴 영역을 포함하는 후보 영역을 검출한다(S200). 구체적으로는 앞서 설명한 바와 같이 HSV 색상 공간에서 색상(hue) 값이 0~60°및 300~360°인 영역과 채도 값이 최대인 입력 영상으로부터 녹색보다 빨간색의 색상 값이 큰 영역(R값이 G값보다 큰 영역)의 공통된 영역을 후보 영역으로 한다.
다음으로 회전각 산출부(120)는 후보 영역에서 눈과 입의 위치를 검출한다(S210). 앞서 설명한 바와 같이 눈과 입의 위치 검출에는 Hsu의 방법에서 트레이닝 셋 대신 후보 영역 검출부(110)에서 검출한 후보 영역을 사용한다.
계속하여 회전각 산출부(120)는 검출된 눈과 입의 위치를 이용하여 후보 영역 내의 얼굴 영역이 기울어진 정도인 후보 영역의 회전각을 산출한다(S220). 앞서 설명한 바와 같이 두 눈의 중심을 연결한 선과 X축과의 차이 각도를 회전각으로 결정한다.
얼굴 영역 검출부(130)는 산출된 회전각만큼 역회전시킨 똑바른 후보 영역을 기초로 얼굴 영역을 검출한다(S230). 앞서 설명한 바와 같이 Viola 알고리즘을 역회전시킨 후보 영역에 사용하여 회전된 얼굴에 취약한 Viola 알고리즘의 단점을 극복할 수 있다.
본 발명의 성능을 평가하기 위한 실험을 수행하였다. 실험에는 Caltech 101 얼굴 데이터베이스가 사용되었다.
도 5는 본 발명에 의해 얻어진 후보 영역을 검출한 영상을 나타낸 도면이다. (a) 영상들은 원래의 입력 영상을, (b) 영상들은 본 발명에 의해 얻어진 얼굴 후보 영역을 나타낸다.
도 6은 본 발명에 의해 얻어진 후보 영역에서 눈과 입의 위치를 검출하는 과정을 나타낸 도면이다. (a) 영상은 원래의 입력 영상을, (b) 영상은 후보 영역 검출부(110)에서 검출한 후보 영역을 나타낸다. (c) 영상은 회전각 산출부(120)에서 산출한 눈의 위치를, (d) 영상은 회전각 산출부(120)에서 산출한 입의 위치를, (e) 영상은 산출된 눈과 입의 위치를 연결한 삼각형 영역을 나타내는 도면이다.
표 1은 얼굴 영역이 회전되지 않은 경우 기존의 방법과 본 발명의 얼굴 영역 검출의 검출률과 실패율을 비교하여 나타낸 것이다.
얼굴 영역 검출 방법 viola의 방법 LAB 기반 방법 본 발명
검출률 29/31 16/31 29/31
실패율 6/31 19/31 4/31
비교되는 기존의 방법은 Viola 방법과 Lab 색상 공간 기반 얼굴 검출 방법이다. 실험에는 31개의 Caltech 데이터베이스가 사용되었다. Viola 얼굴 검출 방법은 31개의 영상 중 29개의 영상에 대해 성공하고 6개의 영상에 대해 실패하여, 93.55%의 성공률과 19.35%의 실패율을 보인다.
LAB 색상 공간 기반 얼굴 검출 방법은 31개 영상 중 16개의 영상에 대해 성공하고 19개의 영상에 대해 실패하여 검출률이 반정도 감소한다. 본 발명은 31개의 영상 중 29개에 대해 성공하여 93.55%의 성공률을 보인다. 실험 결과에 따르면 얼굴 영역이 회전되지 않은 경우 본 발명과 Viola 방법은 비슷한 검출률을 보인다.
표 2는 얼굴의 회전 각에 따른 Viola의 방법과 본 발명의 얼굴 영역 검출 성공률을 비교하여 나타낸 것이다.
회전 각(°) Viola의 방법의 성공률(%) 본 발명의 성공률(%)
0 94 94
5 94 94
10 90 94
15 59 94
20 59 90
25 6 94
30 0 94
35 0 94
40 16 90
45 6 94
Viola 방법은 15°이상부터 급격하게 성공률이 감소한다. 그러나 본 발명은 평균적으로 92% 이상의 높은 검출 성공률을 보인다. 실험 결과에 따르면 본 발명은 회전된 얼굴 영역의 검출에 매우 효과적임을 알 수 있다.
도 7은 연속적인 프레임에서 얼굴 영역이 움직이거나 가려지는 경우 얼굴 영역 검출 정도를 나타낸 도면이다. (a) 는 26번째, (b)는 73번째, (c)는 113번째, (d)는 225번째, (e)는 533번째, (f)는 571번째, (g)는 892번째, (h)는 1009번째 프레임을 나타낸다. 연속적인 프레임에서 볼 수 있듯이 얼굴 중심 좌표로 움직임과 가려짐을 추적할 수 있다.
본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이상에서 본 발명의 바람직한 실시예에 대해 도시하고 설명하였으나, 본 발명은 상술한 특정의 바람직한 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 된다.

Claims (13)

  1. 입력 영상을 나타내는 복수의 색상 공간을 기초로 상기 입력 영상으로부터 검출하고자 하는 얼굴 영역을 포함하는 후보 영역을 검출하는 후보 영역 검출부;
    상기 후보 영역에서 상기 얼굴 영역의 특징점을 검출하고, 상기 검출된 특징점을 이용하여 상기 후보 영역의 회전각을 산출하는 회전각 산출부; 및
    상기 회전각을 기초로 회전된 상기 후보 영역으로부터 상기 얼굴 영역을 검출하는 얼굴 영역 검출부;를 포함하며,
    상기 후보 영역 검출부는 상기 입력 영상의 HSV 색상 공간에서의 색상 값이 사전에 설정한 범위인 제1 후보영역과 채도 값을 최대로 변환한 상기 입력 영상의 RGB 색상 공간에서 R값이 G값보다 큰 제2 후보영역의 공통된 영역을 상기 후보 영역으로 결정하는 것을 특징으로 하는 회전된 얼굴 영역 검출 장치.
  2. 삭제
  3. 제 1항에 있어서,
    상기 회전각 산출부는 상기 얼굴 영역의 눈과 입의 위치를 YCbCr 색상 공간에서 검출하고 상기 검출된 눈과 입의 위치를 이용하여 상기 회전각을 산출하는 것을 특징으로 하는 회전된 얼굴 영역 검출 장치.
  4. 제 3항에 있어서,
    상기 얼굴 영역 검출부는 상기 검출된 입의 위치가 상기 검출된 눈의 위치보다 아래쪽에 위치하도록 상기 후보 영역을 상기 회전각만큼 역회전시키는 것을 특징으로 하는 회전된 얼굴 영역 검출 장치.
  5. 제 1항에 있어서,
    상기 입력 영상에 시간적으로 연속하는 복수의 영상 프레임에서 각각 상기 얼굴 영역을 검출하여 상기 얼굴 영역의 움직임을 추적하는 얼굴 영역 추적부를 더 포함하는 것을 특징으로 하는 회전된 얼굴 영역 검출 장치.
  6. 제 5항에 있어서,
    상기 얼굴 영역 추적부는 상기 영상 프레임에서 상기 얼굴 영역의 전체 또는 일부가 가려진 경우에 상기 얼굴 영역의 중심 좌표에 대한 움직임 벡터를 기초로 상기 얼굴 영역의 움직임을 추정하는 것을 특징으로 하는 회전된 얼굴 영역 검출 장치.
  7. 입력 영상을 나타내는 복수의 색상 공간을 기초로 상기 입력 영상으로부터 검출하고자 하는 얼굴 영역을 포함하는 후보 영역을 검출하는 후보 영역 검출단계;
    상기 후보 영역에서 상기 얼굴 영역의 특징점을 검출하고, 상기 검출된 특징점을 이용하여 상기 후보 영역의 회전각을 산출하는 회전각 산출단계; 및
    상기 회전각을 기초로 회전된 상기 후보 영역으로부터 상기 얼굴 영역을 검출하는 얼굴 영역 검출단계;를 포함하며,
    상기 후보 영역 검출단계는 상기 입력 영상의 HSV 색상 공간에서의 색상 값이 사전에 설정한 범위인 제1 후보영역과 채도 값을 최대로 변환한 상기 입력 영상의 RGB 색상 공간에서 R값이 G값보다 큰 제2 후보영역의 공통된 영역을 상기 후보 영역으로 결정하는 것을 특징으로 하는 회전된 얼굴 영역 검출 방법.
  8. 삭제
  9. 제 7항에 있어서,
    상기 회전각 산출단계는 상기 얼굴 영역의 눈과 입의 위치를 YCbCr 색상 공간에서 검출하고 상기 검출된 눈과 입의 위치를 이용하여 상기 회전각을 산출하는 것을 특징으로 하는 회전된 얼굴 영역 검출 방법.
  10. 제 9항에 있어서,
    상기 얼굴 영역 검출단계는 상기 검출된 입의 위치가 상기 검출된 눈의 위치보다 아래쪽에 위치하도록 상기 후보 영역을 상기 회전각만큼 역회전시키는 것을 특징으로 하는 회전된 얼굴 영역 검출 방법.
  11. 제 7항에 있어서,
    상기 입력 영상에 시간적으로 연속하는 복수의 영상 프레임에서 각각 상기 얼굴 영역을 검출하여 상기 얼굴 영역의 움직임을 추적하는 얼굴 영역 추적단계를 더 포함하는 것을 특징으로 하는 회전된 얼굴 영역 검출 방법.
  12. 제 11항에 있어서,
    상기 얼굴 영역 추적단계에서, 상기 영상 프레임에서 상기 얼굴 영역의 전체 또는 일부가 가려진 경우에 상기 얼굴 영역의 중심 좌표에 대한 움직임 벡터를 기초로 상기 얼굴 영역의 움직임을 추정하는 것을 특징으로 하는 회전된 얼굴 영역 검출 방법.
  13. 제 7항에 기재된 회전된 얼굴 영역 검출 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020110060855A 2011-06-22 2011-06-22 회전된 얼굴 영역 검출 장치 및 방법 KR101206736B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110060855A KR101206736B1 (ko) 2011-06-22 2011-06-22 회전된 얼굴 영역 검출 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110060855A KR101206736B1 (ko) 2011-06-22 2011-06-22 회전된 얼굴 영역 검출 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101206736B1 true KR101206736B1 (ko) 2012-11-30

Family

ID=47565692

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110060855A KR101206736B1 (ko) 2011-06-22 2011-06-22 회전된 얼굴 영역 검출 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101206736B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101816412B1 (ko) * 2016-06-14 2018-01-08 현대자동차주식회사 가림 랜드마크를 고려한 얼굴 랜드마크 검출 시스템 및 방법
CN110223302A (zh) * 2019-05-08 2019-09-10 华中科技大学 一种基于旋转区域提取的舰船多目标检测方法
KR102144474B1 (ko) * 2019-07-26 2020-08-14 한국전기연구원 영상에서의 해충 검출 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007264860A (ja) * 2006-03-28 2007-10-11 Victor Co Of Japan Ltd 顔領域抽出装置
KR100935482B1 (ko) * 2008-03-27 2010-01-06 주식회사 제스틴 합성이미지 제공시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007264860A (ja) * 2006-03-28 2007-10-11 Victor Co Of Japan Ltd 顔領域抽出装置
KR100935482B1 (ko) * 2008-03-27 2010-01-06 주식회사 제스틴 합성이미지 제공시스템 및 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101816412B1 (ko) * 2016-06-14 2018-01-08 현대자동차주식회사 가림 랜드마크를 고려한 얼굴 랜드마크 검출 시스템 및 방법
CN110223302A (zh) * 2019-05-08 2019-09-10 华中科技大学 一种基于旋转区域提取的舰船多目标检测方法
CN110223302B (zh) * 2019-05-08 2021-11-19 华中科技大学 一种基于旋转区域提取的舰船多目标检测方法
KR102144474B1 (ko) * 2019-07-26 2020-08-14 한국전기연구원 영상에서의 해충 검출 방법

Similar Documents

Publication Publication Date Title
US6404900B1 (en) Method for robust human face tracking in presence of multiple persons
CN108038456B (zh) 一种人脸识别系统中的防欺骗方法
CN105760826B (zh) 一种人脸跟踪方法、装置和智能终端
US6611613B1 (en) Apparatus and method for detecting speaking person's eyes and face
EP1046126B1 (en) System for human face detection
US8358813B2 (en) Image preprocessing
US7003135B2 (en) System and method for rapidly tracking multiple faces
US8559708B2 (en) Image preprocessing
US8358812B2 (en) Image Preprocessing
US8295593B2 (en) Method of detecting red-eye objects in digital images using color, structural, and geometric characteristics
US11915518B2 (en) Facial authentication device, facial authentication method, and program recording medium
JP4373840B2 (ja) 動物体追跡方法、動物体追跡プログラムおよびその記録媒体、ならびに、動物体追跡装置
JP7197485B2 (ja) 検出システム、検出装置およびその方法
JP4658532B2 (ja) 顔を検出する処理方法及び画像中の顔の検出装置
US8244004B2 (en) Image preprocessing
Tathe et al. Real-time human detection and tracking
KR101206736B1 (ko) 회전된 얼굴 영역 검출 장치 및 방법
Almomani et al. Segtrack: A novel tracking system with improved object segmentation
Low et al. Experimental study on multiple face detection with depth and skin color
EP1865443A2 (en) Facial feature detection method and device
Kryszczuk et al. Color correction for face detection based on human visual perception metaphor
KR100729265B1 (ko) 차 영상 방법과 색상정보를 이용한 얼굴 검출 방법
TWI225222B (en) Robust face detection algorithm for real-time video sequence
CN107527357A (zh) 暴力场景中人脸检测定位与实时跟踪方法
KR100882139B1 (ko) 얼굴 검출 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20151028

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20171011

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190110

Year of fee payment: 7