Transcript 얼굴인식(요구분석).
kumoh 얼굴인식을 이용한 수배자 인식시스템 20020916 이명환 20020933 이상제 20021341 최문선 얼굴인식을 통한 경보시스템 요구 명세 요구사항 실시간 영상 처리 구 현 목 표 영상 촬영은 실시간으로 수행 얼굴 인식은 특정 시간마다 수행 시스템의 과부하를 줄임. 70% 이상의 인식률 구현 촬영장소는 배경이나 조명등이 거의 변하지 않음 동일한 촬영 조건 하에서 얼굴 인식률 70%이상을 구현. 인식된 용의자 영상 저장 인식된 용의자의 사진을 촬영영상과 얼굴영역 추출영상, DB상의 수배자 영상과 함께 저장 중앙 서버를 통한 실시간 DB업데이트 프로젝트 계획에서 제외. 얼굴인식을 통한 경보시스템 흐름도 사진촬영 대 조 전처리 분 DATABASE OF FACES 류 얼굴영역추출 특징점 추출 얼굴인식을 통한 경보시스템 전처리 히스토그램 평활화 • 밝기 분포가 특정한 부분에 치우친 것을 좀더 넓은 밝 기 영역에 걸쳐 분포하도록 펼쳐줌. • 히스토그램이 펼쳐짐으로써 대비가 증가되어 가시도 가 개선됨. • 원 이미지상에서 나타나는 경계 등에서의 상세함이 많 이 사라짐 ◈ h(i) = Gmax / Nt * H(i) 얼굴인식을 통한 경보시스템 전처리 Mask별 영상 비교 Gray영상 Laplacia 영상 Canny영상 Sobel영상 얼굴인식을 통한 경보시스템 전처리 Edge Detection Mask • 캐니(Canny) • • • • • • 함수 edge에 의해 제공되는 가장 강력한 검출기 윤곽선 검출 전 노이즈 제거 마스크가 사용 잡영에 강하다. 강한 에지와 약한 에지를 검출하기 위해 두 개의 문턱 값 사용 약한 에지는 강한 에지에 연결된 경우에만 출력에 포함 에지 점은 그 크기가 기울기 방향에서 지역 최대값인 점으로 정의 ◈ 지역적 기울기 : g(x,y) = [Gx2+ Gy2]1/2 ◈ 에지 방향 : α(x,y) = tan-1(Gx, Gy) 얼굴인식을 통한 경보시스템 전처리 Edge Detection Mask • 소벨(Sobel) • 가장 대표적인 미분 연산자 • 2차 미분 연산자이며, x축, y축으로 각각 한번씩 미분 • 입력 영상에 대해 모든 방향의 edge를 추출하며 잡음에도 대체로 강함. • 수직, 수평방향 보다 대각선 방향 edge에 더 민감하며 너무 많은 에지가 추출하는 단점 ◈ 기울기 : g = [Gx2+ Gy2]1/2 얼굴인식을 통한 경보시스템 전처리 Edge Detection Mask • 라풀라시안(Laplacian) • 1차 미분 알고리즘을 단점을 보완하기 위한 방법인 2차 미분 알고리즘중의 하나. • 연산 속도가 매우 빠르다. • 하나의 마스크로 윤곽선 검출을 수행한다. • 영상 분할에 있어 중요한 역할을 하는 폐곡선으로 이루어진 에지의 윤곽선을 검출. • 모든 방향의 에지를 추출하지만 주변 밝기와의 차이 값을 이용하여 에지 추출하기 때문에 잡음에 약하다. ◈ h(r) = [r2-σ2 / σ4]e-r2/2σ2 얼굴인식을 통한 경보시스템 특징점 추출 AAM(Active Appearance Models) • 얼굴 각각의 성분들은 서로 일정한 거리와 위치 관계를 가지고 있다는 것을 전제. • 얼굴 성분들의 위치와 크기에 관한 규칙을 이용. • 얼굴의 기울기, 각도, 표정 등의 변화에 민감함. • 변화에 대한 규칙을 확장하거나, 조건의 정규화로 개선가능. 얼굴인식을 통한 경보시스템 특징점 추출(AAM) MPEG-4에서 정의된 얼굴 모델 특징점 First Phase • 정교한 얼굴 특징점 정보를 추출 가능 • 초기 얼굴 모양의 파라미터를 생성. 얼굴인식을 통한 경보시스템 특징점 추출(AAM) 얼굴 영역 추적 화면 Second Phase • CamShift 알고리즘을 이용하여 얼굴 영역을 추적 • 추적된 얼굴 영역의 크기와 위치정보 저장 얼굴인식을 통한 경보시스템 특징점 추출(얼굴 영역 보정) 측면 촬영 영상 보정된 특징점 정면 촬영 영상 Extra Phase • 측면 촬영 영상에서 두 눈과 코를 이용해서 중심선 추출 • 중심을 기준으로 양쪽의 비율을 조정 얼굴인식을 통한 경보시스템 얼굴 분류 ∙ 대조 First Phase • 턱 선의 전체적인 윤곽 일치율 대조 • 후보의 수를 줄여서 처리속도 향상 얼굴인식을 통한 경보시스템 얼굴 분류 ∙ 대조 Second Phase • 전체 특징점을 비교 • 후보 단일화 및 일치율 측정 얼굴인식을 통한 경보시스템 진행사항 : 완료 3월 얼굴 영상 추출 특징점 추출 얼굴 식별 UI개발 및 DB연동 4월 5월 : 진행중 6월 얼굴인식을 통한 경보시스템 참고문헌 최경택 / 변혜란, 얼굴영역 추적과 입검출을 이용한 AAM 얼 굴 모양 파라미터 추정, 제32회 추계학술발표회 논문집, Vol. 32, No. 2(Ⅱ) 배정완 / 최권택 / 변혜란, Pan-Tilt-Zoom-Camera에서 AAM과 CAMSHIFT를 이용한 얼굴 검출 및 추적, 제32회 추 계학술발표회 논문집, Vol. 32, No. 2(Ⅱ) 김대환 / 김재민 / 조성원 / 장용석 / 정선태 / 김부균, 점진 적 AAM을 이용한 강인한 얼굴 윤곽 검출, 한국콘텐츠학회눈 문지, ’07 Vol. 7, No. 2 민경필 / 전준철 / 박구락, 얼굴 모델 특징 정보 검출을 위한 효율적인 변형 가능한 템플릿, 한국 과학재단 특정기초연구, 과제번호 R01-2002-000-00010-0 kumoh Thank You! 얼굴인식을 통한 경보시스템 특징점 추출 CAMShift • Color Segment 방법의 MeanShift 알고리즘을 Streaming 환경에서 사용하기 위해 개선한 것 • 조도변화, 잡음이 많은 배경에서는 성능이 좋지 않음 • 검출된 객체의 영역의 Hue값의 분포를 이용하여 변화 될 위치를 예측하고 탐지한 후 중심을 찾아 객체를 추적