DOI QR코드

DOI QR Code

A New Face Tracking Method Using Block Difference Image and Kalman Filter in Moving Picture

동영상에서 칼만 예측기와 블록 차영상을 이용한 얼굴영역 검출기법

  • 장희준 (숭실대학교 전자공학과) ;
  • 고혜선 (숙명여자대학교 정보과학부) ;
  • 최영우 (숙명여자대학교 정보과학부) ;
  • 한영준 (숭실대학교 전자공학과) ;
  • 한헌수 (숭실대학교 전자공학과)
  • Published : 2005.04.01

Abstract

When tracking a human face in the moving pictures with complex background under irregular lighting conditions, the detected face can be larger including background or smaller including only a part of the face. Even background can be detected as a face area. To solve these problems, this paper proposes a new face tracking method using a block difference image and a Kalman estimator. The block difference image allows us to detect even a small motion of a human and the face area is selected using the skin color inside the detected motion area. If the pixels with skin color inside the detected motion area, the boundary of the area is represented by a code sequence using the 8-neighbor window and the head area is detected analysing this code. The pixels in the head area is segmented by colors and the region most similar with the skin color is considered as a face area. The detected face area is represented by a rectangle including the area and its four vertices are used as the states of the Kalman estimator to trace the motion of the face area. It is proved by the experiments that the proposed method increases the accuracy of face detection and reduces the fare detection time significantly.

복잡한 환경에서 이동하는 사람의 얼굴영역은 배경과 조명에 의해 확장, 축소 검출되기도 하고 잘못된 영역을 오검출하기도 한다. 본 논문에서는 동영상에서 얼굴을 추적하는데 있어서 확장 혹은 축소검출이나 오검출 문제를 해결하기 위해 블록차 영상과 칼만예측기를 사용하는 방법을 제안한다. 블록차영상은 입력영상을 블록화하여 차영상을 얻는 방법으로 미세한 움직임까지 검출이 가능하여 영상에서 움직임이 작은 경우에도 검출이 가능하게 된다. 검출된 움직임영역에서 얼굴영역은 1차적으로 피부색을 이용하여 검출하며 피부색이 검출되지 않은 경우는 움직임 영역의 경계선을 8이웃화소 창을 이용하여 부호화하고 머리부분의 코드를 갖는 영역을 얼굴영역으로 추정하는 방법을 사용한다. 추정된 얼굴영역을 컬러분할하고 분활된 영역에서 피부색과 가장 가까운 색을 갖는 영역을 얼굴영역으로 판단한다. 얼굴영역은 최외각화소를 포함하는 4각형으로 표시하소 각 정점의 이동을 칼만예측기를 이용하여 추정하고 추정된 위치에서 얼굴영역을 검출하는 방법을 사용한다. 제안하는 방법은 동영상에서 얼굴영역검출의 정확도를 높이고 얼굴영역의 추적에서 얼굴영역검출에 소요되는 시간을 상당부분 감소시키는 효과를 고두게 됨을 실험을 통해 입증하였다.

Keywords

References

  1. Bowyer, K.W, 'Face recognition technology: security versus privacy,' Technology and Society Magazine, IEEE, Volume. 23, pp. 9-19, 2004
  2. M.Turk and A.Pentland, 'Eigenfaces for Recognition,' J.Cognitive Neuroscience, vol.3, no.1, pp. 71-86,1991 https://doi.org/10.1162/jocn.1991.3.1.71
  3. A.Lanitis, C.J. Taylor, and T.F. Cootes, 'An Automatic Face Identification System Using Flexible Appearance Models,' Image and Vision Computing, vol. 13, no.5, pp. 393-401, 1995 https://doi.org/10.1016/0262-8856(95)99726-H
  4. Ming-Hsuan Yang, David J. Kriegman, Narendra Ahuja, 'Detecting Faces in Images : A Survey,' Pattern Analysis and Machine Intelligence, IEEE Transactions, Vol.24, No 1, pp.34-58, 2002 https://doi.org/10.1109/34.982883
  5. G. Yang and T.S. Huang, 'Human Face Detection in Complex Background,' Pattern Recognition, vol.27, no.1, pp. 53-63, 1994 https://doi.org/10.1016/0031-3203(94)90017-5
  6. Rein-Lien Hsu, Abdel-Mottaleb, and M. Jain, A.K, 'Face detection in color images,' Pattern Analysis and Machine Intelligence, IEEE Transactions, PAMI, Vol.24, No 5, pp. 696-706, May 2002 https://doi.org/10.1109/34.1000242
  7. P. Sinha, 'Object Recognition via Image Invariants : A Case Study,' Investigative Ophthalmology and Visual Science, vol. 35, no. 4, pp. 1735-1740, 1994
  8. K. Sung and T. Poggio, 'Example-Based Learning for View-Based Human Face Detection,' IEEE Trans. pattern Analysis and Machine Intelligence, vol.20, no.1, pp.39-51, Jan. 1998 https://doi.org/10.1109/34.655648