Effective Face Detection Using Principle Component Analysis and Support Vector Machine

주성분 분석과 서포트 백터 머신을 이용한 효과적인 얼굴 검출 시스템

  • 강병두 (인제대학교 전산학과 대학원) ;
  • 권오화 (DIT(주) Vision) ;
  • 성치영 (에버테크노(주) Vision 개발그룹) ;
  • 전재덕 (인제대학교 컴퓨터공학부) ;
  • 엄재성 (인제대학교 전산학과 대학원) ;
  • 김종호 (인제대학교 전산학과 대학원) ;
  • 이재원 (인제대학교 전산학과 대학원) ;
  • 김상균 (인제대학교 컴퓨터공학부)
  • Published : 2006.11.30

Abstract

We present an effective and real-time face detection method based on Principal Component Analysis(PCA) and Support Vector Machines(SVMs). We extract simple Haar-like features from training images that consist of face and non-face images, reinterpret the features with PCA, and select useful ones from the large number of extracted features. With the selected features, we construct a face detector using an SVM appropriate for binary classification. The face detector is not affected by the size of a training data set in a significant way, so that it showed 90.1 % detection rates with a small quantity of training data. it can process 8 frames per second for $320{\times}240$ pixel images. This is an acceptable processing time for a real-time system.

본 논문은 얼굴 영상에서 추출된 특징 값들을 주성분 분석(Principle Component Analysis; 이하 PCA)을 이용하여 재해석하고, 서포트 벡터 머신(Support Vector Machine; 이하 SVM)을 이용한 이진 분류를 통하여 효과적이면서 실시간으로 얼굴을 검출할 수 있는 방법론을 제안한다. 얼굴과 얼굴이 아닌 영상들로 학습데이터를 구성하여, 이 영상들로부터 Haar-like 특징값들을 추출한다. 추출된 다량의 특징 값들 중에 얼굴과 얼굴이 아닌 영역에 대하여 판별 능력이 우수한 특징값들은 PCA를 이용하여 재해석되고 유용한 특징들을 선별한다. 선별된 특징들을 SVM의 입력 차원으로 사용하여 최종 분류기를 학습 및 구성한다. 제안하는 분류기는 학습데이터 집단의 구성에 크게 영향을 받지 않고, 소량의 학습데이터만으로도 90.1%의 만족할만한 얼굴 검출률을 보여주며, $320{\times}240$ 크기의 영상에 대하여 실시간 얼굴 검출에 사용 가능한 초당 8프레임의 처리속도를 보여주었다.

Keywords