KR20110139864A - 얼굴 검출 방법 및 시스템 - Google Patents

얼굴 검출 방법 및 시스템 Download PDF

Info

Publication number
KR20110139864A
KR20110139864A KR1020100059939A KR20100059939A KR20110139864A KR 20110139864 A KR20110139864 A KR 20110139864A KR 1020100059939 A KR1020100059939 A KR 1020100059939A KR 20100059939 A KR20100059939 A KR 20100059939A KR 20110139864 A KR20110139864 A KR 20110139864A
Authority
KR
South Korea
Prior art keywords
histogram
face
image
coordinate
information image
Prior art date
Application number
KR1020100059939A
Other languages
English (en)
Inventor
김병민
이상헌
손명규
박지호
이장우
Original Assignee
재단법인대구경북과학기술원
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 재단법인대구경북과학기술원 filed Critical 재단법인대구경북과학기술원
Priority to KR1020100059939A priority Critical patent/KR20110139864A/ko
Publication of KR20110139864A publication Critical patent/KR20110139864A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

본 발명에 따른 얼굴 검출 방법 및 시스템은, 입력 영상을 각 픽셀값의 특징을 포함하는 특징 정보 영상으로 변환하는 단계와; 상기 특징 정보 영상의 모든 좌표 위치에 대한 적분 히스토그램 테이블을 생성하는 단계와; 상기 적분 히스토그램 테이블로부터 각 좌표 윈도우 영역의 히스토그램을 산출하는 단계와; 상기 윈도우 영역의 히스토그램을 평가하여 얼굴 영역 후보를 검색하는 단계와; 상기 검색된 얼굴 영역의 후보들로부터 얼굴 영상을 추출하는 단계를 포함하는 것을 특징으로 한다.

Description

얼굴 검출 방법 및 시스템{SYSTEM AND METHOD FOR FACE DETECTION}
본 발명은 얼굴 검출 방법 및 시스템에 관한 것이다.
얼굴 인식 기술은 IPTV, 스마트폰, 디지털카메라, 출입통제장치 등의 다양한 디지털 기기 및 보안 시스템에서 널리 활용될 수 있다. 얼굴 인식을 위해서는 촬영된 디지털 영상에서 먼저 얼굴영역을 검출해야 하며 얼굴 영역의 검출 속도는 전체 시스템 성능을 좌우하는 중요한 요소이다.
그런데, 종래의 얼굴 검출을 위한 방대한 계산량을 필요로 한다. 이에, 입력된 이미지의 크기를 줄이거나, 얼굴이 있을 후보 영역을 전처리 단계에서 빠르게 계산하여 탐색 범위를 좁히는 방법 등이 개발된 바 있다.
그러나, 이러한 기존의 얼굴검출 방법은 얼굴검출 정확도의 손해를 감수해야하거나 속도 향상이 월등하지 않다. 또한, 이러한 기존의 얼굴검출 방법은 싱글 코어(single-core) 기반의 직렬연산 아키텍처에 적합하기 때문에 최근 들어 이용되고 있는 멀티 코어(multi-core) 또는 병렬 연산 아키텍처 기반 연산장치의 성능을 제대로 활용할 수 없다는 문제점이 있다.
본 발명이 이루고자 하는 기술적 과제는, 안면 검출의 정확도를 보장하면서 연산량을 감소시킬 수 있고, 병렬 연산 처리기술을 적용하여 연산 속도를 향상시킬 수 있는 얼굴 검출 방법 및 시스템을 제공함에 있다.
본 발명에 따른 얼굴 검출 방법은, 입력 영상을 각 픽셀값의 특징을 포함하는 특징 정보 영상으로 변환하는 단계와; 상기 특징 정보 영상의 모든 좌표 위치에 대한 적분 히스토그램 테이블을 생성하는 단계와; 상기 적분 히스토그램 테이블로부터 각 좌표 윈도우 영역의 히스토그램을 산출하는 단계와; 상기 윈도우 영역의 히스토그램을 평가하여 얼굴 영역 후보를 검색하는 단계와; 상기 검색된 얼굴 영역의 후보들로부터 얼굴 영상을 추출하는 단계를 포함할 수 있다.
본 발명에 따른 얼굴 검출 시스템은, 입력 영상을 각 픽셀값의 특징을 포함하는 특징 정보 영상으로 변환하는 전처리부와; 상기 특징 정보 영상의 모든 좌표 위치에 대한 적분 히스토그램 테이블을 생성하고, 상기 적분 히스토그램 테이블로부터 각 좌표 윈도우 영역의 히스토그램을 산출하는 얼굴 기술자 생성기와; 상기 윈도우 영역의 히스토그램을 평가하여 얼굴 영역 후보를 검색하는 얼굴 분류기와; 상기 검색된 얼굴 영역의 후보들로부터 얼굴 영상을 추출하는 후처리부를 포함할 수 있다.
도 1은 본 발명의 실시예에 따른 얼굴 검출 시스템의 제어블럭도이다.
도 2는 도 1의 전처리부의 영상 처리 상태도이다.
도 3 및 도 4는 본 발명의 실시예에 따른 적분 히스토그램의 처리 상태도이다.
도 5는 본 발명의 일 실시예에 따른 얼굴 검출 방법의 제어흐름도이다.
도 6은 본 발명의 다른 실시예에 따른 얼굴 검출 방법의 제어흐름도이다.
이하에서는 첨부한 도면을 참조하여 본 발명의 실시예에 따른 얼굴 검출 방법 및 시스템에 대해서 상세하게 설명한다. 다만, 본 발명을 설명함에 있어, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다.
또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
이하에서는 첨부한 도면을 참조하여 본 발명의 실시예에 따른 얼굴 검출 방법 및 시스템에 대해서 상세하게 설명한다. 다만, 본 발명을 설명함에 있어, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다.
도 1은 본 발명의 실시예에 따른 얼굴 검출 시스템의 제어블럭도이다.
도 1에 도시된 바와 같이, 얼굴 검출 시스템은 입력된 영상을 특징 정보 영상으로 변환하는 전처리부(100)와, 특징 정보 영상의 각 좌표 위치의 윈도우 영역의 히스토그램을 생성하는 얼굴 기술자 생성기(200)와, 각 히스토그램을 평가하여 얼굴 영역 후보를 검색 얼굴 분류기(300)와, 검색된 얼굴 영역 후보들로부터 얼굴 영역을 추출하는 후처리부(400)를 포함한다.
전처리부(100)는 입력 영상을 고정된 스케일(scale)로 축소하여 영상 피라미드를 생성하고, 각 스케일별 컬러 영상 또는 그레이 스케일(gray scale) 영상에서 특징 정보 영상으로 변환한다. 도 2는 전처리부(100)의 영상 처리 상태도로서, 입력된 영상 이미지(A)가 특징 정보 영상(B)인 LBP 영상으로 변환된 상태를 예시하고 있다.
특징 정보 영상은 얼굴 기술자 생성기(200)에서 처리 가능한 포맷의 영상으로서, 얼굴 기술자(face descriptor) 생성을 위해서는 LBP(Local Binary Pattern), PCA(Principle Component Analysis) 등의 여러 가지 방법들이 적용될 수 있다. 이하, 설명에서는 LBP 기법을 이용하여 특징 정보 영상을 생성하여 얼굴 기술자를 생성하는 경우를 예시하기로 한다.
LBP 기법으로 얼굴 기술자를 생성하는 경우, 특징 정보 영상의 각 픽셀값은 LBP 오퍼레이터의 값이 될 수 있다. LBP 오퍼레이터는 다음의 <수식 1>과 같이 정의된다.
<수식 1>
Figure pat00001
<수식 1>에서 P와 R은 기준점으로부터 R반경 이내의 P개의 점을 뜻하고, g는 영상의 빛의 강도(intensity) 또는 그레이 레벨(gray level)의 값을 뜻한다. 산출된 LBP 오퍼레이터의 출력 값은 2차원 상의 이미지로 표현될 수 있다.
이러한 구성에 의해, 전처리부(100)는 입력된 영상 이미지(A)의 각 픽셀값을 <수식 1>에 대입하여 2차원 상의 이미지로 표현함으로써 특징 정보 영상(B)을 생성할 수 있다.
얼굴 기술자 생성기(200)는 적분 히스토그램을 이용하여 특징 정보 영상의 모든 좌표 위치에 대한 윈도우 영역의 히스토그램을 산출한다. 얼굴 기술자 생성기(200)는 특징 정보 영상의 모든 좌표 위치에 대한 적분 히스토그램 테이블 생성한다. 이 후, 얼굴 기술자 생성기(200)는 적분 히스토그램 테이블의 각 좌표 윈도우 영역의 히스토그램 산출한다.
얼굴 기술자 생성기(200)가 적분 히스토그램 테이블 및 각 좌표 윈도우 영역의 히스토그램을 생성하는 원리를 도 3 및 도 4를 참조하여 설명한다.
도 3은 얼굴 기술자 생성기(200)가 A+B+C+D영역에 대한 히스토그램 테이블을 생성하는 상태를 도시한 것으로서, 먼저, A+B영역에 대한 히스토그램에서 A+C영역에 대한 히스토그램을 더하고 중복되는 A영역에 대한 히스토그램을 빼고 다시 D영역에 대한 히스토그램을 더하여 A+B+C+D영역에 대한 히스토그램을 구한다.
적분 히스토그램 테이블을 생성하기 위한 계산식은 하기 <수식 2>와 같이 정의된다.
<수식 2>
Figure pat00002
<수식 2>에서 H(h,w)는 영상의 좌상단 원점에서부터 높이 h, 너비 w까지의 적분 히스토그램을 뜻하며, 수식에서와 같이 재귀적으로 정의되어 계산할 수 있다. hist는 하나의 히스토그램을 뜻하며 hist(lbp[i,j])는 lbp 영상에서 (i,j)위치의 점의 값 1개의 히스토그램을 뜻한다. 즉, 영상에서 (i,j)위치의 값에 해당하는 bin의 값이 1이고 그 외 나머지 bin 전부의 값은 0인 히스토그램을 hist로 정의할 수 있다. 이에, 히스토그램 테이블의 (i,j)번째 히스토그램은 영상의 원점에서 (i,j)좌표까지의 영역에 대한 누적 히스토그램과 같은 의미를 갖는다. 따라서, 이전 좌표 3개의 히스토그램을 이용하여 영상의 데이터를 다시 계산할 필요 없이 빠르게 계산할 수 있다.
도 4는 적분 히스토그램 테이블을 이용하여 영상의 특정 윈도우 영역에 대한 히스토그램을 생성하는 과정도 앞의 과정과 유사하다. 도 4와 같이 D영역의 히스토그램을 구하기 위해서 A+B+C+D영역의 히스토그램에서 A+B영역의 히스토그램과 A+C영역의 히스토그램을 빼고 중복 감산 된 A 영역의 히스토그램을 더한다.
적분 히스토그램으로부터 부분 영역에 대한 히스토그램을 계산하는 과정은 <수식 3>과 같이 정의된다.
<수식 3>
Figure pat00003
상기 <수식 3>에서 hist(i,j,k,l)은 영상의 도 4와 같이 좌상단과 우하단의 좌표값으로 이루어지는 영상의 사각 부분 영역의 히스토그램을 뜻한다.
이상 설명한 바와 같이, 본 발명에 따라 각 좌표의 윈도우에 대한 히스토그램을 산출하는 경우, 인접한 윈도우 영역의 히스토그램을 구하는 것에는 영향을 주지 아니한다. 따라서, 각 좌표의 윈도우에 대한 히스토그램 산출을 병렬화하여 연산하는 것이 가능하다.
병렬 연산장치는 GPU(graphics processing unit) 기반의 다수 코어(many-core) 연산구조 또는 멀티 코어(multi-core) CPU를 이용할 수 있다. 병렬화의 단위는 1개의 윈도우의 히스토그램 계산을 1개의 코어에서 수행하도록 한다. 일반적으로 연산장치의 코어의 수보다 영상에서 처리해야 할 윈도우의 수가 더 많으므로 이 경우 (윈도우의 수 / 코어의 수)만큼 반복해서 계산한다.
병렬 연산 시 적분 히스토그램 테이블을 계산하는 과정은 병렬화가 불가능하므로 CPU 등의 연산장치에서 미리 계산하여 병렬 연산장치, 예컨대, GPU의 메모리에 적분 히스토그램 테이블을 저장한다. 적분 히스토그램 테이블에는 "(영상높이- window높이+1)*(영상너비-window너비+1)"개의 히스토그램을 저장하는 메모리를 할당하여, 각 윈도우영역에 대한 히스토그램의 산출값이 해당 적분 히스토그램 테이블에 매칭되어 저장되도록 한다. 각 윈도우영역에 대한 히스토그램의 계산이 종료되면 얼굴 분류기(300)로 적분 히스토그램을 전달한다.
얼굴 분류기(300)는 적분 히스토그램 테이블의 각 히스토그램을 평가하여 얼굴 영역 후보를 판단한다. 얼굴 분류기(300)의 판단을 위해서는 SVM(Support Vector Machines), 부스팅(Boosting), 뉴럴 네트워크(Neural network) 등의 다양한 방법이 이용될 수 있다.
후처리부(400)는 얼굴 분류기(300)에서 검색된 얼굴 영역의 후보들로부터 얼굴 영상을 추출한다. 후처리부(400)는 얼굴 분류기(300)에서 검색된 얼굴 영역의 후보들에서 중복되는 영역을 제거함으로써, 입력 영상에서 얼굴 영역만을 추출한 얼굴 영상을 생성한다.
이상 설명한 바와 같이, 본 발명의 실시예에 따른 얼굴 검출 시스템은 적분 히스토그램을 산출하여 얼굴 기술자를 생성할 수 있다. 이와 같이, 얼굴 기술자가 히스토그램의 형태로 구성될 경우 기술자(descriptor)의 크기나 개수 등의 다른 특성에 관계없이 쉽게 적용이 가능하다. 또한, 각 좌표의 윈도우에 대한 히스토그램이, 인접한 윈도우 영역의 히스토그램과 독립적으로 산출되도록 함으로써 병렬 연산 방식의 적용이 가능하다.
도 5는 본 발명의 일 실시예에 따른 얼굴 검출 방법의 제어흐름도이다.
전처리부(100)는 입력 영상을 고정된 스케일로 축소하여 영상 피라미드를 생성한다(S100).
전처리부(100)는 각 스케일별 영상을 특징 정보 영상으로 변환한다(S200). 얼굴 검출을 위한 얼굴 기술자 생성에 LBP 방식을 적용한 경우, 특징 정보 영상의 각 픽셀값은 <수식 1>의 LBP 오퍼레이터를 통해 산출될 수 있다.
얼굴 기술자 생성기(200)는 특징 정보 영상의 모든 좌표 위치에 대한 적분 히스토그램 테이블을 생성한다(S300). 얼굴 기술자 생성기(200)는 <수식 2>를 이용하여 히스토그램 테이블을 생성할 수 있다. 히스토그램 테이블에서 (i,j)번째 히스토그램은 영상의 원점에서 (i,j)좌표까지의 영역에 대한 누적 히스토그램과 같은 의미를 갖는다.
얼굴 기술자 생성기(200)는 적분 히스토그램 테이블로부터 해당 좌표 윈도우 영역의 히스토그램을 산출한다(S400). 좌표 윈도우 영역의 히스토그램은 좌상단과 우하단의 좌표값이 (i, j, k. l)으로 이루어지는 영상의 사각 부분 영역의 히스토그램(hist(i,j,k,l))으로 산출될 수 있다. 여기서, 각각의 좌표 윈도우 영역의 히스토그램은 인접 영역의 히스토그램과는 독립적인 연산 되므로, 병렬 연산 장치(220)를 이용한 산출이 가능하다.
얼굴 분류기(300)는 각각의 좌표 윈도우 영역의 히스토그램을 평가하여 얼굴 영역 후보를 검색한다(S500).
후처리부(400)는 검색된 얼굴 영역의 후보들로부터 중복된 영상을 제거하여 입력 영상으로부터 얼굴 영상을 추출한다(S600).
도 6은 본 발명의 다른 실시예에 따른 얼굴 검출 방법의 제어흐름도로서, 병렬 연산 기법을 이용하여 히스토그램을 산출하는 방법을 예시한 것이다. 본 실시예에서는, 다수 코어(many-core) 연산구조를 갖는 GPU에서 병렬 연산을 수행하는 것으로 가정하기로 한다.
히스토그램 산출을 위해, GPU의 메모리에 적분 히스토그램 테이블을 로딩하여 복사한다(S310). GPU는 병렬 연산 장치(220)로서, GPU 대신 멀티코어 CPU를 이용하는 것도 가능하다. 적분 히스토그램 테이블은 직렬 연산을 수행하는 메인 처리장치에서 생성될 수 있다.
GPU는 적분 히스토그램 테이블에서 각 윈도우의 히스토그램을 계산하기 위해, (i, j)번째 히스토그램의 계산을 i* TABLE_WIDTH + j 번째 코어에 할당한다(S320). 즉, 1개의 윈도우의 히스토그램이 1개의 코어에서 산출되도록 병렬화한다.
이에 따라, (i, j)번째 윈도우의 히스토그램은 다수의 코어에서 동시에 산출된 후(S330), 히스토그램 테이블에 저장된다(S340). 일반적으로 GPU의 코어의 수 보다 영상에서 처리해야 할 윈도우의 수가 더 많으므로, "window의 수 / core의 수" 만큼 반복하면, 전체 윈도우의 히스토그램을 산출할 수 있다.
계산이 종료되면 GPU 메모리에 저장된 계산 결과를 메인 메모리로 복사한다(S350). 이에, 얼굴 분류기(300)는 메인 메모리에 저장된 각 윈도우의 히스토그램을 평가하여 얼굴 후보 영역을 검출할 수 있다.
이상 설명한 바와 같이, 본 발명의 실시예는 적분 히스토그램 테이블을 생성한 후, 각 윈도우 영역의 히스토그램을 산출하도록 함으로써, 연산량을 절감시킬 수 있으며, 각 윈도우에 대한 히스토그램을 구하는 과정은 다른 인접한 윈도우 영역의 히스토그램을 구하는 것에 영향을 주지 않으므로 용이하게 병렬화가 가능하다.
본 발명에 따른 얼굴 검출 방법 및 시스템에 의하면, 안면 검출의 정확도를 보장하면서 연산량을 감소시킬 수 있고, 병렬 연산 처리기술을 적용하여 연산 속도를 향상시킬 수 있다.
이상에서 대표적인 실시예를 통하여 본 발명에 대하여 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안되며 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100 : 전처리부 200 : 얼굴 기술자 생성기
220 : 병렬 연산 장치 300 : 얼굴 분류기
400 : 후처리부

Claims (18)

  1. 입력 영상을 각 픽셀값의 특징을 포함하는 특징 정보 영상으로 변환하는 단계와;
    상기 특징 정보 영상의 모든 좌표 위치에 대한 적분 히스토그램 테이블을 생성하는 단계와;
    상기 적분 히스토그램 테이블로부터 각 좌표 윈도우 영역의 히스토그램을 산출하는 단계와;
    상기 윈도우 영역의 히스토그램을 평가하여 얼굴 영역 후보를 검색하는 단계와;
    상기 검색된 얼굴 영역의 후보들로부터 얼굴 영상을 추출하는 단계를 포함하는 얼굴 검출 방법.
  2. 제1항에 있어서,
    상기 특징 정보 영상으로 변환하는 단계는;
    상기 입력 영상을 고정된 스케일로 축소하여 영상 피라미드를 생성하는 단계와;
    상기 스케일별 영상의 각 픽셀값을 얼굴 기술자 생성을 위한 오퍼레이터에 대입하여 특정 정보 영상으로 표시하는 단계를 포함하는 얼굴 검출 방법.
  3. 제2항에 있어서,
    상기 얼굴 기술자 생성을 위한 오퍼레이터는 LBP(Local Binary Pattern) 기법을 기반으로 한 LBP 오퍼레이터를 포함하고, 상기 LBP 오퍼레이터는,
    Figure pat00004

    R은 반경, P는 반경 R 이내의 점, g는 빛의 강도(intensity) 또는 그레이 레벨(gray level)의 값으로 정의되는 얼굴 검출 방법.
  4. 제1항에 있어서,
    상기 특징 정보 영상의 모든 좌표 위치에 대한 적분 히스토그램 테이블을 생성하는 단계는,
    상기 특정 정보 영상의 좌상단 원점에서부터 높이 h, 너비 w까지의 적분 히스토그램을 H(h,w)로 정의하고, 다음의 수식,
    Figure pat00005

    hist는 하나의 히스토그램, hist(lbp[i,j])는 lbp 영상에서 (i,j)위치의 점의 값으로 정의하여 상기 특정 정보 영상의 모든 좌표 위치에 대한 적분 히스토그램 테이블을 생성하는 단계를 포함하는 얼굴 검출 방법.
  5. 제4항에 있어서,
    상기 적분 히스토그램 테이블로부터 각 좌표 윈도우 영역의 히스토그램을 산출하는 단계는,
    상기 특정 정보 영상에서 좌상단과 우하단의 좌표값으로 이루어지는 영상의 사각 부분 영역의 히스토그램을 hist(i,j,k,l)로 정의하고, 다음의 수식,
    Figure pat00006
    을 이용하여 상기 각 좌표 윈도우 영역의 히스토그램을 산출하는 단계를 포함하는 얼굴 검출 방법.
  6. 제1항에 있어서,
    상기 적분 히스토그램 테이블로부터 각 좌표 윈도우 영역의 히스토그램을 산출하는 단계는,
    상기 각 좌표 윈도우 영역의 히스토그램을 병렬 연산 방식으로 산출하는 단계를 포함하는 얼굴 검출 방법.
  7. 제6항에 있어서,
    상기 병렬 연산 방식은,
    1개의 연상장치에 1개의 상기 윈도우 영역을 할당하여 상기 히스토그램을 산출하는 방식을 포함하는 얼굴 검출 방법.
  8. 제1항에 있어서,
    상기 윈도우 영역의 히스토그램을 평가하여 얼굴 영역 후보를 검색하는 단계는,
    SVM(Support Vector Machines), 부스팅(Boosting), 뉴럴 네트워크(Neural network) 중, 적어도 어느 하나를 이용하여 상기 얼굴 영역 후보를 검색하는 단계를 포함하는 얼굴 검출 방법.
  9. 제1항에 있어서,
    상기 검색된 얼굴 영역의 후보들로부터 얼굴 영상을 추출하는 단계는,
    상기 검색된 얼굴 영역의 후보들 중 중복된 부분을 제거하여 상기 입력 영상에서 상기 얼굴 영상을 추출하는 단계를 포함하는 얼굴 검출 방법.
  10. 입력 영상을 각 픽셀값의 특징을 포함하는 특징 정보 영상으로 변환하는 전처리부와;
    상기 특징 정보 영상의 모든 좌표 위치에 대한 적분 히스토그램 테이블을 생성하고, 상기 적분 히스토그램 테이블로부터 각 좌표 윈도우 영역의 히스토그램을 산출하는 얼굴 기술자 생성기와;
    상기 윈도우 영역의 히스토그램을 평가하여 얼굴 영역 후보를 검색하는 얼굴 분류기와;
    상기 검색된 얼굴 영역의 후보들로부터 얼굴 영상을 추출하는 후처리부를 포함하는 얼굴 검출 시스템.
  11. 제10항에 있어서,
    상기 전처리부는,
    상기 입력 영상을 고정된 스케일로 축소하여 영상 피라미드를 생성하고, 상기 스케일별 영상의 각 픽셀값을 얼굴 기술자 생성을 위한 오퍼레이터에 대입하여 특정 정보 영상으로 표시하는 얼굴 검출 시스템.
  12. 제11항에 있어서,
    상기 전처리부는,
    LBP(Local Binary Pattern) 기법을 기반으로 한 LBP 오퍼레이터를 포함하고, 상기 LBP 오퍼레이터는,
    Figure pat00007

    R은 반경, P는 반경 R 이내의 점, g는 빛의 강도(intensity) 또는 그레이 레벨(gray level)의 값으로 정의되는 얼굴 검출 시스템.
  13. 제10항에 있어서,
    상기 얼굴 기술자 생성기는,
    상기 특정 정보 영상의 좌상단 원점에서부터 높이 h, 너비 w까지의 적분 히스토그램을 H(h,w)로 정의하고, 다음의 수식,
    Figure pat00008

    hist는 하나의 히스토그램, hist(lbp[i,j])는 lbp 영상에서 (i,j)위치의 점의 값으로 정의하여 상기 특정 정보 영상의 모든 좌표 위치에 대한 적분 히스토그램 테이블을 생성하는 얼굴 검출 시스템.
  14. 제13항에 있어서,
    상기 얼굴 기술자 생성기는,
    상기 특정 정보 영상에서 좌상단과 우하단의 좌표값으로 이루어지는 영상의 사각 부분 영역의 히스토그램을 hist(i,j,k,l)로 정의하고, 다음의 수식,
    Figure pat00009

    을 이용하여 상기 각 좌표 윈도우 영역의 히스토그램을 산출하는 얼굴 검출 시스템.
  15. 제10항에 있어서,
    상기 각 좌표 윈도우 영역의 히스토그램을 병렬 연산 방식으로 산출하는 병렬 연산 장치를 포함하는 얼굴 검출 시스템.
  16. 제15항에 있어서,
    상기 병렬 연산 장치는,
    1개의 연산장치에 1개의 상기 윈도우 영역을 할당하여 상기 히스토그램을 산출하는 얼굴 검출 시스템.
  17. 제10항에 있어서,
    상기 얼굴 분류기는,
    SVM(Support Vector Machines), 부스팅(Boosting), 뉴럴 네트워크(Neural network) 중, 적어도 어느 하나를 이용하여 상기 얼굴 영역 후보를 검색하는 얼굴 검출 시스템.
  18. 제10항에 있어서,
    상기 후처리부는,
    상기 검색된 얼굴 영역의 후보들 중 중복된 부분을 제거하여 상기 입력 영상에서 상기 얼굴 영상을 추출하는 얼굴 검출 시스템.

KR1020100059939A 2010-06-24 2010-06-24 얼굴 검출 방법 및 시스템 KR20110139864A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100059939A KR20110139864A (ko) 2010-06-24 2010-06-24 얼굴 검출 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100059939A KR20110139864A (ko) 2010-06-24 2010-06-24 얼굴 검출 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR20110139864A true KR20110139864A (ko) 2011-12-30

Family

ID=45505179

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100059939A KR20110139864A (ko) 2010-06-24 2010-06-24 얼굴 검출 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR20110139864A (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101314293B1 (ko) * 2012-08-27 2013-10-02 재단법인대구경북과학기술원 조명변화에 강인한 얼굴인식 시스템
KR101473991B1 (ko) * 2013-05-30 2014-12-24 주식회사 에스원 얼굴 검출 방법 및 그 장치
KR20160000574A (ko) * 2014-06-24 2016-01-05 경희대학교 산학협력단 이미지 스팸 필터링 장치 및 방법
KR101601564B1 (ko) * 2014-12-30 2016-03-09 가톨릭대학교 산학협력단 얼굴의 원형 블록화를 이용한 얼굴 검출 방법 및 그 장치
KR20210076528A (ko) * 2019-12-16 2021-06-24 조선대학교산학협력단 감정 인식 방법 및 장치

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101314293B1 (ko) * 2012-08-27 2013-10-02 재단법인대구경북과학기술원 조명변화에 강인한 얼굴인식 시스템
KR101473991B1 (ko) * 2013-05-30 2014-12-24 주식회사 에스원 얼굴 검출 방법 및 그 장치
KR20160000574A (ko) * 2014-06-24 2016-01-05 경희대학교 산학협력단 이미지 스팸 필터링 장치 및 방법
KR101601564B1 (ko) * 2014-12-30 2016-03-09 가톨릭대학교 산학협력단 얼굴의 원형 블록화를 이용한 얼굴 검출 방법 및 그 장치
KR20210076528A (ko) * 2019-12-16 2021-06-24 조선대학교산학협력단 감정 인식 방법 및 장치

Similar Documents

Publication Publication Date Title
CN111340797B (zh) 一种激光雷达与双目相机数据融合检测方法及系统
US9940509B2 (en) Object detection method and object detection apparatus
KR100559471B1 (ko) 대칭축을 이용한 얼굴 검출 시스템 및 방법
Alismail et al. Robust tracking in low light and sudden illumination changes
WO2016068869A1 (en) Three dimensional object recognition
Nguyen et al. Yolo based real-time human detection for smart video surveillance at the edge
JP5936561B2 (ja) 画像における外観及びコンテキストに基づく物体分類
CN111382637B (zh) 行人检测跟踪方法、装置、终端设备及介质
JP2011134012A (ja) 画像処理装置、その画像処理方法及びプログラム
KR20110139864A (ko) 얼굴 검출 방법 및 시스템
CN113781519A (zh) 目标跟踪方法和目标跟踪装置
KR102665603B1 (ko) 스테레오 매칭을 위한 하드웨어 디스패러티 평가
WO2011099072A1 (ja) パターン識別装置
CN113793370B (zh) 三维点云配准方法、装置、电子设备及可读介质
JP6028972B2 (ja) 画像処理装置、画像処理方法および画像処理プログラム
JP4918615B2 (ja) 対象個数検出装置および対象個数検出方法
CN111583417A (zh) 一种图像语义和场景几何联合约束的室内vr场景构建的方法、装置、电子设备和介质
JP6127958B2 (ja) 情報処理装置、情報処理方法、並びにプログラム
CN112819953B (zh) 三维重建方法、网络模型训练方法、装置及电子设备
KR100998374B1 (ko) 직선의 시작점과 종료점을 검출하기 위한 영상 처리 방법및 그 장치
US11809997B2 (en) Action recognition apparatus, action recognition method, and computer-readable recording medium
JP2011141664A (ja) 文書比較装置、文書比較方法、及びプログラム
Kizuna et al. Accelerating facial detection for improvement of person identification accuracy in entering and exiting management system
CN111428729A (zh) 一种目标检测方法和装置
KR101212316B1 (ko) 공간 변환과 움직임 추정을 이용한 프레임 중앙점의 이동 경로 추출방법

Legal Events

Date Code Title Description
A201 Request for examination
E601 Decision to refuse application