권호기사보기
| 기사명 | 저자명 | 페이지 | 원문 | 기사목차 |
|---|
결과 내 검색
동의어 포함
영상처리 기법을 이용한 얼굴검출에 관한 많은 다양한 방법들이 제시되어 왔다. 일반적으로 가장 많이 쓰이는 얼굴 검출 방식은 Viola와 Jones이 제안한 Adaboost 방식이다. 이 방식은 Haar-like feature을 이용하여 얼굴영상을 선행 학습하고, 검출 성능은 학습된 DB에 의존한다. 이는 일정 거리 범위 안의 학습된 얼굴 크기에서는 얼굴 검출을 잘 수행하지만, 카메라에서 객체(얼굴)의 거리가 멀어지면 얼굴 크기가 작아져 기존에 학습한 Haar-like feature로 얼굴 검출을 하지 못하는 경우가 발생한다. 이에 본 논문에서는 생물학 기반의 선택적 주의집중 기반의 Haar-like feature 정보를 이용한 Adaboost 모델과 사용자의 시선 응시 점 정보를 이용하여, 사용자의 관심영역 확장을 통한 원거리 얼굴 검출 모델을 제안한다. 생물학적 기반의 선택적 주의 집중 모델인 돌출맵(Saliency map) 정보를 이용하여 입력 영상에 대하여 얼굴 후보 영역을 검출하고, 검출된 얼굴 후보 영역 중에서 선행 학습된 Haar-like feature 정보로 Adaboost 알고리즘을 이용하여 최종 얼굴 영상을 검출한다. 그리고 사용자의 시선 응시 점 정보는 관심영역을 선택 하는데 이용된다. 피 실험자가, 카메라로부터 멀리 거리 떨어져 얼굴의 크기가 얼굴검출이 힘들더라도 사용자 시선 응시 점 영역을 선형 보간법으로 확대하여 입력영상으로 재사용함으로써 얼굴 검출 성능을 높일 수 있다. 제안된 방법이 기존의 Adaboost 방법보다 얼굴 검출 성능과 수행시간 면에서 우수함을 실험을 통해 확인하였다.
Face detection methods using image processing have been proposed in many different ways. Generally, the most widely used method for face detection is an Adaboost that is proposed by Viola and Jones. This method uses Haar-like feature for image learning, and the detection performance depends on the learned images. It is well performed to detect face images within a certain distance range, but if the image is far away from the camera, face images become so small that may not detect them with the pre-learned Haar-like feature of the face image. In this paper, we propose the far distance face detection method that combine the Aadaboost of Viola-Jones with a saliency map and user's attention information.
| 번호 | 참고문헌 | 국회도서관 소장유무 |
|---|---|---|
| 1 | 정재찬, 신호철, 황대환, 조재일, “피부색 필터를이용한 실시간 얼굴 검출기”, 대한전자공학회 하계학술대회 제 33권 1호, 253-254쪽, 2010년 | 미소장 |
| 2 | Efficient Face Detection based on Skin Color Model | 소장 |
| 3 | Face Tracking Method based on Neural Oscillatory Network Using Color Information | 소장 |
| 4 | P. Viola, M. J. Jones, “Robust Real-Time Face Detection”, International Journal of Computer Vision 57(2) Kluwer Academic Publishers. Manufactured in The Netherlands, pp. 137-154, 2004. | 미소장 |
| 5 | A model of saliency-based visual attention for rapid scene analysis ![]() |
미소장 |
| 6 | Selective attention and the organization of visual information. ![]() |
미소장 |
| 7 | Stereo saliency map considering affective factors and selective motion analysis in a dynamic environment ![]() |
미소장 |
| 8 | E. B. Goldstein, “Sensation & Perception, 4th edition,” An international Thomson publishing company, USA, 1995. | 미소장 |
| 9 | Development of Visualizing Earphone and Hearing Glasses for Human Augmented Cognition ![]() |
미소장 |
| 10 | A. M. Treisman, and G. Gelde, “A feature-integration theory of attention,” Cognitive Psychology, vol. 12, no. 1, pp. 97-136, 1980. | 미소장 |
| 11 | Visual Attention Using Game Theory ![]() |
미소장 |
| 12 | A saliency map in primary visual cortex ![]() |
미소장 |
| 13 | B. Scassellati, “Investigating models of social development using a humanoid robot,” in Proc. IJCNN2003, pp. 2704-2709, 2003. | 미소장 |
| 14 | Active vision for sociable robots ![]() |
미소장 |
| 15 | F. Orabona. G. Metta, and G. Sandini,“Object-based Visual Attentions: a Model for aBehaving Robot,” 3rd International Workshop onAttention and Performance in ComputationalVision, 2005. | 미소장 |
| 16 | Biologically Motivated Visual Selective Attention for Face Localization ![]() |
미소장 |
| 17 | Biologically Motivated Face Selective Attention Model ![]() |
미소장 |
| 18 | Kovaˇc, J., Peer, P., Solina, F.: “Human skin colour clustering for face detection”, EUROCON 2, pp. 144–48, 2003. | 미소장 |
| 19 | Rafael C. Gonzalez, Richard E. Woods, Digital Image Processing, 2ed edition, Prentice Hall, USA, 2002. | 미소장 |
| 20 | P. Viola and M.J. Jones, “Robust real-time object detection”, Technical Report Series, Compaq Cambridge research Laboratory, 01, Feb. 2001. | 미소장 |
| 21 | 김석호, 김재민, 조성원, 이기성, 정선태,“Haar-like Feature 변형을 이용한 기울어진 얼굴검출”, 대한전자공학회 하계종합 학술대회 31권 제1호, 987-988쪽, 2008년 | 미소장 |
| 22 | 배정민, 이영현, 송태엽, 구본화, 전승선, 고한석,“Edge와 Intensity 기반의 특징을 이용한 얼굴 검출”, 대한전자공학회 하계종합 학술대회, 967- 968쪽, 2009년 | 미소장 |
| 23 | Yoav Freund and Robert E. Schapire., “A decisiontheoretic generalization of on-line learning and an application to boosting.” Journal of Computer and System Sciences, 55(1): pp. 119 –139, 1997. | 미소장 |
| 24 | Robert E. Schapire and Yoram Singer.“Improved boosting algorithms using confidence-rated predictions”, In Proceedings of theEleventh Annual Conference on ComputationalLearning Theory, pp. 80–91, 1998. | 미소장 |
| 25 | Robert E. Schapire, Yoav Freund, Peter Bartlett, and Wee Sun Lee. “Boosting the margin: A new explanation for the effectiveness of voting methods”, In Machine Learning: Proceedings of the Fourteenth International Conference, 1997. | 미소장 |
| 26 | R. Brunelli, “Template Matching Techniques in Computer Vision: Theory and Practice”, Wiley, ISBN 978-0-470-51706-2, 2009. | 미소장 |
| 27 | Z. Ramdane Cherif, A. Nait-Ali, J. Motsch, M. Krebs, “An adaptive calibration of an infrared light device used for gaze tracking”, in Proc. of the IEEE Instrumentation and Measurement Technology Conference, Anchorage, AK, pp. 1029–1033, 2002. | 미소장 |
| 28 | Georgia Tech face database, http://www.anefian.com/research/face_reco.htm | 미소장 |
| 29 | UCD Valid Database, http://ee.ucd.ie/validdb/datasets.html | 미소장 |
| 30 | Tobii glasses eye-tracker, http://www.tobii.com/ | 미소장 |
*표시는 필수 입력사항입니다.
| 전화번호 |
|---|
| 기사명 | 저자명 | 페이지 | 원문 | 기사목차 |
|---|
| 번호 | 발행일자 | 권호명 | 제본정보 | 자료실 | 원문 | 신청 페이지 |
|---|
도서위치안내: / 서가번호:
우편복사 목록담기를 완료하였습니다.
*표시는 필수 입력사항입니다.
저장 되었습니다.