KR20030050306A - Method for eye detection from face images by searching for an optimal binarization threshold - Google Patents
Method for eye detection from face images by searching for an optimal binarization threshold Download PDFInfo
- Publication number
- KR20030050306A KR20030050306A KR1020010080719A KR20010080719A KR20030050306A KR 20030050306 A KR20030050306 A KR 20030050306A KR 1020010080719 A KR1020010080719 A KR 1020010080719A KR 20010080719 A KR20010080719 A KR 20010080719A KR 20030050306 A KR20030050306 A KR 20030050306A
- Authority
- KR
- South Korea
- Prior art keywords
- eye
- face image
- threshold
- pair
- eye pair
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
Description
본 발명은 얼굴 영상에서 눈을 검출하는 방법에 관한 것이며, 보다 상세히는 최적 이진화 임계치 탐색에 의한 얼굴 영상에서 눈 검출 방법에 관한 것이다.The present invention relates to a method for detecting eyes in a face image, and more particularly, to a method for detecting eyes in a face image by searching for an optimal binarization threshold.
공지된 바와 같이, 얼굴 영상으로부터 눈을 검출하는 방법으로는 명암도 영상에서 직접 추출하는 방법과 이진 영상에서 추출하는 방법이 있으며, 특징 추출의 편리성 때문에 상기 이진 영상으로부터 눈을 추출하는 방법이 더 많이 사용된다.As is known, there are two methods of detecting eyes from a face image, a method of directly extracting from a contrast image and a method of extracting from a binary image. Due to the convenience of feature extraction, more methods of extracting eyes from the binary image are available. Used.
특히, 상기 이진 영상은 명암도 영상 또는 에지 강도 영상의 이진화 등에 의하여 생성되는데, 좋은 눈 검출 결과를 얻기 위해서는 적절한 임계치의 설정이 필수적이며, 상기 임계치를 입력 영상에 따라 변화하도록 만들기 위해서 명암도 히스토그램이나 평균 명암도로부터 임계치를 생성하는 방법을 사용할 수 있다.Particularly, the binary image is generated by binarization of a contrast image or an edge intensity image. In order to obtain a good eye detection result, setting of an appropriate threshold is necessary. Can be used to generate a threshold value.
그러나, 상기와 같은 임계치는 실험적으로 유도된 특정한 알고리듬 또는 공식에 의하여 계산되므로, 평균 명암도에서 크게 벗어나는 영상의 경우에는 좋지 않은 이진화 결과를 나타낼 수 있다.However, since the threshold is calculated by an experimentally derived specific algorithm or formula, it may show a bad binarization result in the case of an image that deviates significantly from the average contrast.
또한, 종래의 기술은, 미리 정해진 임계치이든 입력 영상에 따라 계산되는 임계치이든, 하나의 명암도 얼굴 영상에 대해서는 단일 이진화 임계치를 적용하는 방식을 고수하기 때문에, 얼굴 영상의 조명 상태에 유연하게 적응하기 어려웠고, 평균적이지 않은 조명 조건 하에서 획득된 얼굴 영상에 대해서는 부적절한 임계치를 적용하게 되어 눈 검출에 실패하는 결과를 초래하는 문제점이 있었다.In addition, since the conventional technique adheres to a method of applying a single binarization threshold to a face image, whether it is a predetermined threshold or a threshold calculated according to an input image, it is difficult to flexibly adapt to the illumination state of the face image. However, there is a problem in that an inappropriate threshold value is applied to a face image acquired under a non-average lighting condition, resulting in a failure of eye detection.
따라서, 본 발명은 상술한 종래의 문제점을 극복하기 위한 것으로서, 본 발명의 목적은 명암도 얼굴 영상의 이진화 임계치를 이진 탐색(binary search)에 의해 생성하고, 그 이진화 결과 영상에서 눈 검출을 시도하여 실패하면 성공하거나 기각할 때까지 같은 과정을 반복하여 주어진 입력 영상에서 눈을 검출하는 최적 이진화 임계치 탐색에 의한 얼굴 영상에서 눈 검출 방법을 제공하는데 있다.Accordingly, an object of the present invention is to overcome the above-described problems, and an object of the present invention is to generate a binarization threshold value of a contrast image of a face by binary search, and fail by attempting to detect an eye from the binarization result image. The present invention provides a method for detecting an eye in a face image by searching for an optimal binarization threshold that detects an eye in a given input image by repeating the same process until success or rejection.
상기 본 발명의 목적을 달성하기 위한 최적 이진화 임계치 탐색에 의한 얼굴 영상에서 눈 검출 방법은, 명암도 얼굴 영상을 입력하는 단계와, 임계치 탐색 방향에 따라 임계치를 생성하고 상기 입력된 명암도 얼굴 영상을 이진화하는 단계와, 상기 이진화 결과인 흑백 얼굴 영상으로부터 눈 쌍을 검출하는 단계와, 눈 쌍 검출에 실패했을 경우 임계치 탐색 방향을 결정하는 단계, 및 눈 쌍 검출에 성공했을 경우 눈 검출 결과를 출력하는 단계로 이루어진다.In order to achieve the object of the present invention, the method for detecting eyes in a face image by searching for an optimal binarization threshold value comprises: inputting a contrast face image, generating a threshold value according to a threshold search direction, and binarizing the input intensity face image. Detecting eye pairs from the black and white face image resulting from the binarization; determining a threshold search direction when eye pair detection fails; and outputting eye detection results when eye pair detection is successful. Is done.
도 1은 본 발명에 따른 최적 이진화 임계치 탐색에 의한 얼굴 영상에서 눈 검출 방법을 도시한 흐름도,1 is a flowchart illustrating an eye detection method in a face image by searching for an optimal binarization threshold according to the present invention;
도 2는 도 1의 임계치 생성 및 이진화 방법을 도시한 흐름도,2 is a flowchart illustrating a threshold generation and binarization method of FIG. 1;
도 3은 도 1의 눈 쌍 검출 방법을 도시한 흐름도,3 is a flowchart illustrating an eye pair detection method of FIG. 1;
도 4는 도 3의 눈 쌍 후보 생성 방법을 도시한 흐름도,4 is a flowchart illustrating a method for generating eye pair candidates of FIG. 3;
도 5는 도 3의 눈 쌍 후보 검증 방법을 도시한 흐름도,5 is a flowchart illustrating an eye pair candidate verification method of FIG. 3;
도 6은 도 1의 임계치 탐색 방향 결정 방법을 도시한 흐름도이다.6 is a flowchart illustrating a method of determining a threshold search direction of FIG. 1.
이하, 본 발명에 따른 최적 이진화 임계치 탐색에 의한 얼굴 영상에서 눈 검출 방법을 첨부한 도면을 참조하여 상세히 설명하기로 한다.Hereinafter, an eye detection method in a face image by searching for an optimal binarization threshold according to the present invention will be described in detail with reference to the accompanying drawings.
도 1을 참조하면, S100단계에서는 명암도 얼굴 영상을 입력한다.Referring to FIG. 1, in step S100, a contrast image of a face is input.
S200단계에서는 임계치 탐색 방향에 따라 임계치를 생성하고 상기 입력된 명암도 얼굴 영상을 이진화한다.In operation S200, a threshold is generated according to the threshold search direction, and the input contrast is binarized.
S300단계에서는 상기 이진화 결과인 흑백 얼굴 영상으로부터 눈 쌍을 검출한다.In operation S300, an eye pair is detected from the black and white face image resulting from the binarization.
S400단계에서는 눈 쌍 검출에 실패했을 경우 임계치 탐색 방향을 결정한다.In step S400, if the eye pair detection fails, the threshold search direction is determined.
S500단계에서는 눈 쌍 검출에 성공했을 경우 눈 검출 결과를 출력한다.In step S500, if the eye pair detection is successful, the eye detection result is output.
상기와 같이 이루어지는 본 발명에 따른 최적 이진화 임계치 탐색에 의한 얼굴 영상에서 눈 검출 방법은 다음과 같이 수행된다.The eye detection method in the face image by the optimal binarization threshold search according to the present invention made as described above is performed as follows.
도 1 내지 도 6을 참조하면, 본 발명에 따른 얼굴 영상에서 눈 검출 방법은 최초에, 명암도 얼굴 영상을 컴퓨터에 입력하고(S100), 임계치 탐색 방향에 따라 임계치를 생성하여 입력된 명암도 얼굴 영상을 이진화한다(S200).1 to 6, the eye detection method in the face image according to the present invention first inputs a contrast face image to a computer (S100), generates a threshold value according to the threshold search direction, and inputs the input intensity face image. Binarize (S200).
이때, 도 2에 도시된 바와 같이, 입력된 명암도 얼굴 영상에 대하여 첫 번째 탐색일 경우에는 탐색 방향은 주어지지 않고, 대신 임계치를 초기화하며(S204), 초기 임계치는 명암도 얼굴 영상의 평균 명암도로 설정한다.In this case, as shown in FIG. 2, if the input contrast is the first search for the face image, the search direction is not given, but instead the threshold is initialized (S204), and the initial threshold is set as the average contrast of the face image. do.
예컨대, 편의상 초기화를 0번째 탐색으로 간주하고, ti를 i번째 탐색된 임계치(threshold), li를 i번째 탐색 시의 하한값(lower bound), ui를 i번째 탐색 시의 상한값(upper bound), gmax를 가능한 최대 명암도(gray level), gmean을 명암도 얼굴 영상의 평균 명암도라 하면 초기화는 아래의 수학식 1과 같이 수행된다.For example, for convenience, the initialization is regarded as the 0 th search, t i is the threshold searched for the i th search, l i is the lower bound at the i th search, and u i is the upper bound at the i th search. ), g max is the maximum possible gray level and g mean is the average contrast of the face image.
만약, 첫 번째 탐색이 아닌 경우에는 탐색 방향이 주어지고, 새로운 임계치 탐색은 이진 탐색(binary search) 방식을 채택하여 원하는 적절한 임계치에 신속하게 근접할 수 있도록 한다(S206).If it is not the first search, a search direction is given, and the new threshold search adopts a binary search method so that the user can quickly approach the desired threshold (S206).
예컨대, 첫번째 탐색이 아닌 경우에, 이진화 임계치 탐색 방식은 탐색 방향에 따라 탐색 구간, 즉 하한값과 상한값을 설정하고 이 탐색 구간의 가운데에 해당하는 값을 선택하며, 실제로 i번째 탐색은 아래의 수학식 2와 같이 수행된다.For example, in the case of not the first search, the binarization threshold search method sets a search section, that is, a lower limit and an upper limit, according to the search direction, and selects a value corresponding to the center of the search interval. Is performed as 2
따라서, 상기 수학식 1 또는 수학식 2에 의하여 계산된 임계치를 명암도 얼굴 영상에 적용하여 이진화하면(S208), 그 결과는 흑백 얼굴 영상으로 표현된다.Therefore, if the threshold value calculated by Equation 1 or Equation 2 is applied to the contrast face image and binarized (S208), the result is expressed as a black and white face image.
즉, 명암도 얼굴 영상의 각 화소(pixel)를 임계치보다 작으면 흑화소(black pixel)로, 아니면 백화소(white pixel)로 변환한다.That is, if the intensity of each pixel of the face image is smaller than the threshold, the pixel is converted into a black pixel or a white pixel.
상기와 같이 이진화 결과로 흑백 얼굴 영상이 표현되면, 상기 흑백 얼굴 영상으로부터 눈 쌍 검출을 시도한다(S300).When the black and white face image is represented as a result of the binarization as described above, an eye pair detection is attempted from the black and white face image (S300).
이때, 눈은 매우 유사한 두 개의 물체로 이루어진다는 사실을 활용하기 위하여 도 3에 도시된 바와 같이, 임계치 생성 및 이진화 단계의 결과인 흑백 얼굴 영상으로부터 눈 쌍을 이룰 수 있는 후보를 생성한다(S302).At this time, in order to take advantage of the fact that the eyes are composed of two very similar objects, as shown in FIG. 3, candidates capable of pairing eyes from a black and white face image resulting from the threshold generation and binarization are generated (S302). .
만약, 눈 쌍 후보가 하나도 생성되지 않았으면 임계치를 다시 탐색하여야 하므로 임계치 탐색 결정 방향 단계로 진행하고(S304), 눈 쌍 후보가 하나라도 있으면 눈 쌍 후보가 실제 눈에 해당하는지 검증한다(S306).If none of the eye pair candidates are generated, the threshold must be searched again, so the process proceeds to the threshold search determination direction step (S304). If there is even one eye pair candidate, it is verified whether the eye pair candidate corresponds to the actual eye (S306). .
만약, 검증을 통과한 눈 쌍 후보가 하나도 없으면 임계치를 다시 탐색하여야 하므로 임계치 탐색 결정 방향 단계로 진행하고(S308), 검증을 통과한 눈 쌍 후보가 하나라도 있으면 그 후보들 중에서 가장 높은 점수가 주어진 쌍을 선택하여 이를 눈 검출 결과로 출력한다(S310).If none of the eye pair candidates have passed the verification, the threshold must be searched again, so the process proceeds to the threshold search decision direction step (S308). If there is one eye pair candidate that has passed the verification, the pair with the highest score among the candidates is given. Select and output it as an eye detection result (S310).
특히, 상기와 같이 흑백 얼굴 영상에서 눈 쌍 후보를 생성하려면, 도 4에 도시된 바와 같이, 흑백 얼굴 영상에서 먼저 연결 요소(connected component)를 추출한 후(S312), 각 연결 요소에 대하여 필터링(filtering)을 수행하는데(S314), 이는 눈일 가능성이 거의 없는 것들을 선택하여 더 이상 고려하지 않기 위한 것이다.In particular, in order to generate the eye pair candidate from the black and white face image as described above, as shown in FIG. 4, first, a connected component is extracted from the black and white face image (S312), and filtering for each connected element is performed. (S314), this is to select the ones that are unlikely to be eyes and to no longer consider.
여기서 조사하는 특징은 각 연결 요소를 최소 인접 사각형(minimum bounding rectangle) 형태로 나타낼 때 포함되는 흑화소의 개수, 가로 대 세로 비율, 상대 폭, 상대 높이이다. 상기 상대 폭과 상대 높이는 각각 흑백 얼굴 영상의 폭과 높이에 대한 비율로 나타내고, 이들 특징의 값들이 일반적인 눈 영역의 특징 값에서 크게 벗어나면 필터링한다.The features examined here are the number of black pixels, aspect ratio, relative width, and relative height included when representing each connected element in the form of a minimum bounding rectangle. The relative width and relative height are expressed as ratios of the width and height of the black and white face image, respectively, and are filtered when the values of these features deviate significantly from those of the general eye region.
또한, 필터링을 통과한 요소들에 대해서는 가능한 모든 쌍을 조사하여 두 눈을 이루는 쌍이 될 수 있는 것들을 선택하고, 필터링 후에 N개의 요소가 남아있다면 모두NC2개의 쌍을 조사한다(S316,S318,S320,S322,S324).In addition, the elements that have passed the filtering are examined for all possible pairs to select those that can be a pair of eyes, and if N elements remain after filtering, all N C 2 pairs are examined (S316, S318, S320, S322, S324).
먼저, 추출한 연결 요소를 하나의 쌍으로 선택하여(S316) 두 영역의 유사도와 관계된 특징들에 대하여 각 특징만으로 판단할 때 두 영역이 유사한 정도를 0과 1 사이의 유사도로 나타낸다(S318).First, when the extracted connection elements are selected as a pair (S316) and the features related to the similarity of the two areas are determined by each feature only, the degree of similarity between the two areas is represented as a similarity between 0 and 1 (S318).
여기서 유사도 결정에 사용한 특징은 흑화소 개수, 영역 폭과 높이, 수직 방향으로 겹치는 정도, 수평 방향의 거리이며, 이들 중 상기 검은 픽셀 수, 영역 폭과 높이에 대해서는 두 특징 값의 비율을 직접 유사도로 사용하고, 상기 수직 방향 겹침 정도는 두 눈이 수직 방향으로 유사한 위치에 있는 점을 이용하기 위한 것이다.Here, the features used to determine the similarity are the number of black pixels, the area width and height, the degree of overlap in the vertical direction, and the distance in the horizontal direction. In this case, the degree of vertical overlap is to use a point where the two eyes are in a similar position in the vertical direction.
또한, 두 영역이 수직 방향으로 전혀 겹치지 않으면 0, 완전히 겹치면 1로 하되, 그 사이의 경우, 두 영역이 함께 차지하는 높이에 대한 겹치는 높이의 비율을 유사도로 한다. 상기 수평 방향 거리는 두 눈이 대개 한 눈의 폭만큼 수평방향으로 떨어져 있는 점을 이용하기 위한 것이다.In addition, if the two regions do not overlap at all in the vertical direction, it is 0, and if they overlap completely, the ratio of overlapping heights to heights occupied by the two regions together is taken as the similarity. The horizontal distance is to use a point where the two eyes are usually horizontally separated by the width of one eye.
따라서 유사도는 두 영역간의 수평방향 거리가 0일 때를 0, 거리가 두 영역의 최소 x값에서 최대 x값까지의 거리의 1/3일 때를 1, 2/3일 때를 0으로 하는 퍼지 멤버쉽(fuzzy membership) 형태의 함수로 결정한다.Therefore, the similarity is a fuzzy value of 0 when the horizontal distance between the two areas is 0, and 0 when the distance is 1/3 of the distance from the minimum x value to the maximum x value of the two areas. Determined as a function of fuzzy membership type.
상기와 같은 유사도 결정 과정에서 한 특징만 보더라도 두 영역이 눈 쌍이 될 수 없는 것이 확실한 경우는 눈 쌍 후보로 선택하지 않고 다음 쌍 선택으로 되돌아간다(S320). 예를 들어, 두 영역의 폭이 심한 차이가 난다거나 두 영역이 수직 방향으로 매우 멀리 떨어져 있는 경우 등이다.In the above similarity determination process, if only one characteristic is seen, it is certain that the two regions cannot be an eye pair, and the selection returns to the next pair selection without selecting as an eye pair candidate (S320). For example, there is a significant difference in width between the two regions, or the two regions are very far apart in the vertical direction.
반면에, 두 영역이 눈 쌍이 될 가능성이 있는 경우에는 각 쌍의 특징별 유사도를 모두 합하여 종합 유사도를 계산하고(S322), 이 값이 바로 해당 눈 쌍의 점수가 된다.On the other hand, if the two areas are likely to be eye pairs, the total similarity is calculated by summing all the similarities for each pair of features (S322), and this value is the score of the corresponding eye pair.
만약, 상기 모든 연결 요소들에 대한 모든 가능한 쌍이 조사되었으면 눈 쌍 후보 정보를 출력하고, 그렇지 않으면 다음 쌍 선택으로 되돌아간다(S324).If all possible pairs for all of the connection elements have been examined, the eye pair candidate information is output, otherwise the process returns to the next pair selection (S324).
상기와 같이 눈 쌍 후보 정보가 생성되면, 생성된 각 눈 쌍 후보에 대하여 먼저 두 영역이 각각 눈 모양을 가지고 있는지를 검증한다(S306).When the eye pair candidate information is generated as described above, for each of the generated eye pair candidates, first, it is verified whether two regions have eye shapes (S306).
여기서는 미리 만들어진 눈 모양 템플릿을 이용한 템플릿 매칭(template matching) 방식을 사용한다. 즉, 도 5에 도시된 바와 같이, 어느 하나의 눈 쌍 후보를 선택하여 두 영역 중 하나라도 눈 모양을 띠고 있지 않으면 다음 눈 쌍 후보 선택으로 되돌아가고(S326,S328), 그렇지 않으면 두 영역의 모양이 서로 유사한가를 검증한다(S330).Here, a template matching method using a pre-made eye template is used. That is, as shown in Fig. 5, if one of the eye pair candidates is selected and one of the two regions does not have an eye shape, the process returns to the next eye pair candidate selection (S326, S328). It is verified whether they are similar to each other (S330).
만약, 두 영역의 모양이 유사하지 않으면 다음 눈 쌍 후보 선택으로 되돌아가고, 그렇지 않으면 검증에 성공한 것이 되며, 모든 눈 쌍 후보가 조사되었으면검증된 눈 쌍 후보 정보를 출력하고, 그렇지 않으면 다음 눈 쌍 후보 선택으로 되돌아간다(S332).If the shapes of the two regions are not similar, the process returns to the next eye pair candidate selection, otherwise the verification is successful, and if all eye pair candidates have been examined, the verified eye pair candidate information is output; Return to selection (S332).
상기와 같이 검증된 눈 쌍 후보 정보가 출력되면, 상기 눈 쌍은 입력 명암도 얼굴 영상에서 검출된 눈으로 최종 출력된다(S500).When the verified eye pair candidate information is output as described above, the eye pair is finally output to the eye detected in the input contrast diagram face image (S500).
만약, 상기 눈 쌍 검출 단계(S300)에서, 눈 쌍 검출에 실패했을 경우에는 임계치 탐색 방향을 결정하여 임계치 생성 및 이진화를 다시 수행한다(S400).If the eye pair detection fails in the eye pair detection step S300, the threshold search direction is determined to perform threshold generation and binarization again (S400).
이 과정은 눈 쌍 후보가 생성되지 않았거나 검증된 눈 쌍 후보가 없을 때 수행하게 되며, 이러한 경우에는 임계치가 부적절하게 설정된 것으로 판단하여 새로운 임계치 탐색을 위한 방향을 결정한다. 즉, 도 6에 도시된 바와 같이 임계치를 높일 것인가, 낮출 것인가를 결정해야 한다.This process is performed when no eye pair candidate is generated or there is no verified eye pair candidate. In this case, it is determined that the threshold is inappropriately set to determine a direction for searching for a new threshold. That is, as shown in Figure 6 it should be determined whether to increase or decrease the threshold.
이때, 먼저 임계치 탐색 회수가 최대 반복 회수에 도달했으면 기각하고(S402), 그렇지 않으면 주어진 흑백 얼굴 영상을 분석하기 위해 상기 흑백 얼굴 영상에서 추출된 연결 요소의 평균적인 크기를 분석한다(S404,S406).At this time, if the number of threshold search times reaches the maximum number of repetitions, first, it is rejected (S402), otherwise, the average size of the connection elements extracted from the black and white face image is analyzed to analyze a given black and white face image (S404, S406). .
즉, 평균 크기가 너무 크게 나타나면 흑색 부분이 너무 많이 존재하는 것으로 판단할 수 있으며, 이것은 임계치가 높아서 너무 많은 화소들이 흑화소로 변환된 것이므로 임계치를 낮추어야 한다.In other words, if the average size is too large, it may be determined that there are too many black portions. This is because the threshold value is high and too many pixels are converted to black pixels.
따라서, 이 경우에는 임계치 탐색 방향은 아래가 되고, 반대의 경우에는 임계치 탐색 방향은 위가 된다.Thus, in this case, the threshold search direction is down, and in the opposite case, the threshold search direction is up.
상술한 바와 같이 본 발명에 따른 최적 이진화 임계치 탐색에 의한 얼굴 영상에서 눈 검출 방법은 명암도 얼굴 영상의 이진화 임계치를 이진 탐색(binary search)에 의해 생성하고, 그 이진화 결과 영상에서 눈 검출을 시도하여 실패하면 성공하거나 기각할 때까지 같은 과정을 반복하여 주어진 입력 영상에서 눈을 검출하도록 되어 있기 때문에, 주어진 입력 명암도 얼굴 영상의 조명 상태에의 적응성을 높이고 눈 검출의 성능을 극대화할 수 있는 효과가 있다.As described above, the eye detection method in the face image by searching for the optimal binarization threshold according to the present invention generates a binarization threshold of the intensity and face image by binary search, and attempts to detect the eye in the binarization result image and fails. Since the eye is detected from a given input image by repeating the same process until it succeeds or rejects, the given input contrast also has the effect of increasing the adaptability to the illumination state of the face image and maximizing the performance of eye detection.
이상에서 설명한 것은 본 발명에 따른 최적 이진화 임계치 탐색에 의한 얼굴 영상에서 눈 검출 방법을 실시하기 위한 하나의 실시예에 불과한 것으로서, 본 발명은 상기한 실시예에 한정되지 않고, 이하의 특허청구의 범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경 실시가 가능한 범위까지 본 발명의 기술적 정신이 있다고 할 것이다.What has been described above is only one embodiment for performing the eye detection method in the face image by the optimal binarization threshold search according to the present invention, the present invention is not limited to the above-described embodiment, the scope of the claims Without departing from the gist of the present invention claimed in the present invention, anyone of ordinary skill in the art will have the technical spirit of the present invention to the extent that various modifications can be made.
Claims (6)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2001-0080719A KR100447268B1 (en) | 2001-12-18 | 2001-12-18 | Method for eye detection from face images by searching for an optimal binarization threshold |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2001-0080719A KR100447268B1 (en) | 2001-12-18 | 2001-12-18 | Method for eye detection from face images by searching for an optimal binarization threshold |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20030050306A true KR20030050306A (en) | 2003-06-25 |
| KR100447268B1 KR100447268B1 (en) | 2004-09-07 |
Family
ID=29576050
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR10-2001-0080719A KR100447268B1 (en) | 2001-12-18 | 2001-12-18 | Method for eye detection from face images by searching for an optimal binarization threshold |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100447268B1 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7697734B2 (en) | 2005-11-19 | 2010-04-13 | Electronics And Telecommunications Research Institute | Method and apparatus of detecting eye using symmetry and moment characteristics of object |
| US7929734B2 (en) | 2006-11-21 | 2011-04-19 | Electronics And Telecommunications Research Institute | Method and apparatus for detecting eyes in face region |
| US11126824B2 (en) * | 2019-12-23 | 2021-09-21 | Ubtech Robotics Corp Ltd | Face image quality evaluating method and apparatus and computer readable storage medium using the same |
| KR20210137843A (en) * | 2020-05-11 | 2021-11-18 | 아주대학교산학협력단 | Method and Apparatus for detecting windows using building images |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4611347A (en) * | 1984-09-24 | 1986-09-09 | At&T Bell Laboratories | Video recognition system |
| JP3057996B2 (en) * | 1994-01-18 | 2000-07-04 | 日産自動車株式会社 | Eye position detection device for vehicle driver |
| JP3499305B2 (en) * | 1994-10-28 | 2004-02-23 | 富士写真フイルム株式会社 | Face area extraction method and exposure amount determination method |
| JPH08287216A (en) * | 1995-04-18 | 1996-11-01 | Sanyo Electric Co Ltd | In-face position recognizing method |
| JP2001092964A (en) * | 1999-09-24 | 2001-04-06 | Daido Steel Co Ltd | Recognizing method for object |
| KR20010108613A (en) * | 2000-05-30 | 2001-12-08 | 대표자 김성우 | Method for extracting front face area through the matching of the upper and lower face parts |
-
2001
- 2001-12-18 KR KR10-2001-0080719A patent/KR100447268B1/en active IP Right Grant
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7697734B2 (en) | 2005-11-19 | 2010-04-13 | Electronics And Telecommunications Research Institute | Method and apparatus of detecting eye using symmetry and moment characteristics of object |
| US7929734B2 (en) | 2006-11-21 | 2011-04-19 | Electronics And Telecommunications Research Institute | Method and apparatus for detecting eyes in face region |
| US11126824B2 (en) * | 2019-12-23 | 2021-09-21 | Ubtech Robotics Corp Ltd | Face image quality evaluating method and apparatus and computer readable storage medium using the same |
| KR20210137843A (en) * | 2020-05-11 | 2021-11-18 | 아주대학교산학협력단 | Method and Apparatus for detecting windows using building images |
Also Published As
| Publication number | Publication date |
|---|---|
| KR100447268B1 (en) | 2004-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8498449B2 (en) | Eye detecting device, eye detecting method, and program | |
| CN101246549B (en) | Method and apparatus for recognizing boundary line in an image information | |
| JP2002133426A (en) | Ruled line extracting device for extracting ruled line from multiple image | |
| US9171224B2 (en) | Method of improving contrast for text extraction and recognition applications | |
| US20020154815A1 (en) | Character recognition device and a method therefore | |
| JP4558232B2 (en) | IMAGE PROCESSING METHOD, IMAGE PROCESSING DEVICE, AND COMPUTER-READABLE RECORDING MEDIUM RECORDING PROGRAM FOR CAUSING COMPUTER TO EXECUTE IMAGE PROCESSING METHOD | |
| KR100923935B1 (en) | Method and system for evaluating document image automatically for optical character recognition | |
| CN111461131A (en) | Identification method, device, equipment and storage medium for ID card number information | |
| Subasic et al. | Face image validation system | |
| US7751610B2 (en) | Image recognition method and image recognition apparatus | |
| KR100447268B1 (en) | Method for eye detection from face images by searching for an optimal binarization threshold | |
| KR20160000531A (en) | Pupil acquisition method using binary of adjacent sum and control device for extracting pupil using the same | |
| KR20010015025A (en) | Character extracting method | |
| JP2010186246A (en) | Image processing apparatus, method, and program | |
| KR100449486B1 (en) | Document recognition system and method using vertical line adjacency graphs | |
| KR100218394B1 (en) | Method for recognizing a license number for a car | |
| US20050271260A1 (en) | Device, method and program for removing pores | |
| JP2005250786A (en) | Image recognition method | |
| KR100713335B1 (en) | Method for recognizing of picture in wireless terminal | |
| JP2002279345A (en) | Image processing device and method, and computer- readable storage medium with stored program | |
| JP2002312719A (en) | Character segmentation device, character segmentation method and program for character segmentation | |
| JP2019113477A (en) | Defect inspection equipment and defect inspection method | |
| Xamxidin et al. | Off Line Handwritten Signature Verification Based on Feature Fusion | |
| JPH0981743A (en) | Character and graphic processor and method therefor | |
| JP2007026470A (en) | Pattern recognition device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| 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: 20120730 Year of fee payment: 9 |
|
| FPAY | Annual fee payment |
Payment date: 20130729 Year of fee payment: 10 |
|
| FPAY | Annual fee payment |
Payment date: 20140728 Year of fee payment: 11 |
|
| FPAY | Annual fee payment |
Payment date: 20150728 Year of fee payment: 12 |
|
| FPAY | Annual fee payment |
Payment date: 20160726 Year of fee payment: 13 |