Ω-특징을 고려한 보행자의 얼굴영역 검출에 관한 연구 = Ω-Feature Based Face Region Detection of a Pedestrian

국문 초록 (Abstract)

영상보안을 목적으로 한 CCTV 또는 네트워크 카메라는 일반적으로 천장에 설치되어 침입 및 출입을 감시한다. 이때의 영상은 위에서 아랫방향으로 촬영된 형태를 보이고 있다. 이러한 영상에서 얼굴영역검출을 시도할 경우, 기존 얼굴영역 검출알고리즘들은 대부분 눈, 코, 입 등과 같은 특징점들을 이용해 검출하기 때문에 정면이 아닌 영상이미지에서는 검출에 어려움이 발생된다. 또한 얼굴의 위치, 크기, 기울기 등과 같은 물리적 요인과 조명밝기에 대한 환경적 요인으로 인하여 얼굴영역검출 판단에 오차가 발생된다. 이와 같은 문제를 해결하기 위해 본 논문에서는 동작검출 수행 후 도출된 동작영역에서 신체비율을 통해 인간의 어깨, 목, 머리 윤곽선을 추출하고, 추출된 이미지와 Ω이미지를 비교하여 얼굴영역을 검출한다. 본 논문에서는 하나의 동작검출알고리즘을 기반으로 한 기존 얼굴영역검출 알고리즘인 Haar-Like Feature와 본 논문이 제안한 Ohm-Like Feature 알고리즘에 대한 얼굴영역 검출 성능비교를 보인다.

다국어 초록 (Multilingual Abstract)

CCTV or network camera, which is aimed at image security, is generally installed on ceiling to monitor any intrusion and access. In this case, the image is photographed in the top-down direction. When the facial area is detected from the image, it is hard to detect it if the image is taken from the front side, because existing facial area detection algorithms mostly use specific points such as eyes, nose, and lips in order for detection. The physical factors, including the position, size, and inclination of the face, and environmental factor like the brightness of lighting cause an error of facial-area detection judgment. To solve the problem, this study first performs motion detection, and then extracts human shoulders, neck, and outline of the head from the drawn motion area on the basis of body rate, and compares the extracted image with Ω image to detect the facial area. This study compares facial-area detection performance between Haar-Like Feature which is the conventional facial-area detection algorithm based on single motion detection algorithm, and Ohm-Like Feature which is the algorithm proposed in this study.

목차 (Table of Contents)

• 목 차 ⅰ
• 그림 목차 ⅲ
• 표 목차 ⅴ
• 국문요약 ⅵ
• 제 1장 서론 1
• 제 2장 관련연구 3
• 2.1. 영상보안환경에서 영상처리기술의 필요성 3
• 2.2. 실시간 영상에 대한 기존 동작검출 및 얼굴검출 방법 4
• 2.2.1. 실시간 동작검출에 대한 기존 연구 5
• 2.2.1.1. 배경정보를 이용한 차영상 방식 6
• 2.2.1.2. 이전이미지를 이용한 차영상 방식 7
• 2.2.2. 특징점을 이용한 얼굴영역 검출에 대한 기존 연구 8
• 2.2.2.1. 특징요소의 색상정보를 통한 검출방식 9
• 2.2.2.2. 특징점 학습분류기를 통한 검출방식 9
• 2.2.2.3. 특징요소의 색상과 학습 분류기를 이용한 검출방식 11
• 제 3장 제안하는 Ohm-Like Feature 알고리즘 12
• 3.1. 반사된 빛 영역과 차영상 기법을 이용한 3 way-diff 알고리즘 13
• 3.1.1. 동작검출을 위한 3 way-diff 알고리즘 13
• 3.1.2. 검출된 윤곽선의 보정 작업 16
• 3.1.3. 신체비율을 이용한 Ω특징추출 20
• 3.1.4. Ω특징추출에 대한 수행과정 23
• 3.2. Ω이미지를 이용한 특징점 비교에 따른 얼굴검출 방법 25
• 3.2.1. 템플릿 매칭을 이용한 1차 얼굴영역 검사 25
• 3.2.2. 히스토그램과 차등연산을 이용한 2차 얼굴영역 검사 27
• 3.2.2.1. 픽셀개수비교방식을 통한 1차 유사성분석 28
• 3.2.2.2. 차등비교방식을 통한 2차 유사성분석 30
• 제 4장 실험결과 31
• 제 5장 결론 및 향후발전계획 56
• 참고문헌 57
• 영문 요약 60