한국컴퓨터정보학회논문지 (Journal of the Korea Society of Computer and Information)

  • 제15권2호
  • /
  • Pages.55-64
  • /
  • 2010
  • /
  • 1598-849X(pISSN)
  • /
  • 2383-9945(eISSN)
한국컴퓨터정보학회 (Korean Society of Computer Information)
권호 표지
DOI QR코드

DOI QR Code

새로운 Free Rectangle 특징을 사용한 Adaboost 기반 얼굴검출 방법

A Face Detection Method Based on Adaboost Algorithm using New Free Rectangle Feature

  • 발행 : 2010.02.28
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문은 수행시간이 빠르면서 효율성이 높은 새로운 Free Rectangle 특징을 사용한 Adaboost 알고리즘 기반 얼굴 검출 방법을 제안한다. 제안하는 Free Rectangle 특징은 동일한 면적의 분리가 가능한 두 개의 사각형으로 구성된 마스크로부터 정의된다. Haar-like 특징은 다양성을 높이기 위해 일반적으로 두 개 이상의 사각 영역으로 구성한 복잡한 마스크 구조를 갖는다. 하지만, 제안하는 특징 마스크는 두 사각형이 특징 윈도우 안에 놓이는 위치와 크기에 따라 효율성이 좋은 다양한 특징을 얻을 수 있다. 또한 제안하는 특징은 일반 Haar-like 특징과 달리 마스크 형태에 상관없이 두 사각 영역의 화소 합의 차만 계산함으로 수행 시간을 크게 줄일 수 있다. 실세계 영상에서 제안하는 Adaboost 알고리즘 기반 얼굴 검출 기법은 빠른 검출 속도와 높은 검출 결과를 보여 학습 데이터만을 바꿔 다른 물체 검출에도 쉽게 적용이 가능하다.

This paper proposes a face detection method using Free Rectangle feature which possesses a quick execution time and a high efficiency. The proposed mask of Free Rectangle feature is composed of two separable rectangles with the same area. In order to increase the feature diversity, Haar-like feature generally uses a complex mask composed of two or more rectangles. But the proposed feature mask can get a lot of very efficient features according to any position and scale of two rectangles on the feature window. Moreover, the Free Rectangle feature can largely reduce the execution time since it is defined as the only difference of the sum of pixels of two rectangles irrespective of the mask type. Since it yields a quick detection speed and good detection rates on real world images, the proposed face detection method based on Adaboost algorithm is easily applied to detect another object by changing the training dataset.

키워드

참고문헌

  1. P. Viola and M. J. Jones, "Robust Real-Time Face Detection," International Journal of Computer Vision, Vol. 57, No.2, pp. 137-154, May. 2004. https://doi.org/10.1023/B:VISI.0000013087.49260.fb
  2. Rainer Lienhart and Jochen Maydt, "An Extended Set of Haar-like Features for Rapid Object Detection," IEEE IClP 2002, Vol. 1, pp. 900-903, Sep. 2002.
  3. L. Furst, S. Fidler and A. Leonardis, "Selecting features for object detection using an Adaboost-compatible evaluation function," Pattern Recognition Letters Vol. 29, No. 11, pp. 1603 - 1612, 2008. https://doi.org/10.1016/j.patrec.2008.03.020
  4. Y. Freund and R. E. Schapire, "A Short Introduction to Boosting," Journal of Japanese Society for Artificial Intelligence, Vol. 14, No.2, Sep. 1999.
  5. T. Mita, T. Kaneko and O. Hori, "Joint Haar-like Features for Face Detection," IEEE International Conference on Computer Vision, Vol. 2, pp. 1619-1626, 2005.
  6. G. Bradski, A. Kaehler and V. Pisarevsky, "Learning Based Computer Vision with Intel's Open Source Computer Vision library," In Intel Technologies Journal, Vol. 9, No.2, May 2005.
  7. J. Miteran, J. Matas, E. Bourennane, M. Paindavoine, and J. Dubois, "Automatic Hardware Implementation Tool for a Discrete Adaboost-Based Decision Aigorithm," EURASIP Journal on Applied Signal Processing, Vol. 7, pp. 1035-1046, Jan 2005.
  8. L. Shen, L. Bai, D. Bardsley, Y. Wang, "Gabor Feature Selection for Face Recognition using Improved Adaboost Learning," Lecture notes in computer science, Vol. 3781, pp. 39-49, Oct. 2005.
  9. B. Wu, H. Ai, C. Huang and S. Lao, "Fast Rotation Invariant Multi-View Face Detection Based on Real Adaboost," Proceedings of the Sixth IEEE International Conference on Automatic Face and Gesture Recognition, pp. 79-84, May 2004.
  10. M. Yang, D. J. Kriegman, and N. Ahuia, Detecting Faces in Images: A Survey," IEEE Transactions on Pattern Analysis and Machine Intlligence, Vol. 24, No. 1, Jan 2002.
  11. Rainer Lienhart, Jochen Maydt, "An Extended Set of Haar-like Features for Rapid Object Detection," Vol. 1, pp. 900-903, 2002.
  12. D. Kim, S. Jung, and M. Chung, "Extansion of cascaded simple feature based face detection to facial expression recognition," Pattern Recognition Letter, Vol. 29, No. 11, pp. 1621-1631, Aug. 2008. https://doi.org/10.1016/j.patrec.2008.04.006
  13. Rong Xiao, Ming-Jing Li and Hong-Jiang Zhang, "Robust Multi-Pose Face Detection in Images," Circuits and Systems for Video Technology, IEEE Transactions on, Vol. 14, pp. 31-41, Jan 2004. https://doi.org/10.1109/TCSVT.2003.818351
  14. Phillip Ian Wilson and John Fernandez, ''Facial feature detection using Haar classifiers," Journal of Computing Sciences in Colleges, Vol. 21, No. 4, pp. 127-133, Apr. 2006.
  15. 이승태, 한영준, 한헌수, "컬러 분산 에너지를 이용한 확장스네이크 알고리즘" 한국컴퓨터정보학회 논문지, 제 14권, 제 10호, 83-92쪽, 2009년 10월.
  16. 신성윤, 표성배, "전경계선 검출의 향상을 위한 Mean Shift 알고리즘과 자기 적응적 Canny 알고리즘의 활용," 한국컴퓨터정보학회 논문지, 제 14권, 제 7호, 33-40쪽, 2009년 7월