• 전자공학회논문지S
• /
• 제34S권6호
• /
• pp.38-45
• /
• 1997

Skin color reappearance problem in color processing system is necessary to transform a specific color sand improve color reappearance quality as a reference color. The skin color has been situated as an important memory color not only in our lives but also in color application systems such as TV. Thus, skin color reappearance problem is more important than other color processing problem. In this paper, we propose a skin color reappearance algorithm for color enhancement in TV which use phase detector to detect the skin colors at real-time from 3.58 MHz color burst signal and color signal, comparators to discriminate the types of skin color, and micom to reprodece standard skin colors for races.

• 한국전자통신학회논문지
• /
• 제5권3호
• /
• pp.309-314
• /
• 2010

본 논문에서는 인터넷상에서의 지능형 감시 카메라 시스템(Intelligent Security Camera: ISC)을 제안한다. ISC 방법은 워터쉐드 알고리즘에 기반하여 카메라에 입력된 영상을 분할하는 단계와 skin-color model을 사용하여 얼굴의 후보지역을 탐지하는 단계, 그리고 마지막으로 SVM(Support Vector Machine)을 사용하여 얼굴 후보영역에서 얼굴을 검증하는 단계로 구성되어 있다. Skin-color Model을 이용하여 찾아진 얼굴후보 영역으로부터 웨이블렛 변환계수들을 추출한다. 웨이블렛 변환계수들을 SVM의 입력으로 하여 실제 얼굴영역을 검증한다. SVM의 입력으로 실험결과에서 제안된 방법이 감시시스템, 화상회의 시스템과 같은 얼굴을 인식 추적하는 시스템에 적용될 수 있음을 보인다.

• 한국콘텐츠학회논문지
• /
• 제9권5호
• /
• pp.1-12
• /
• 2009

올바른 피부색 검출은 사람의 얼굴 검출 및 동작 분석에서 매우 중요한 전처리과정에 속한다. 피부 검출은 일반적으로 화소의 칼라 공간을 Non-RGB로 변형하고, 피부색의 조명 요소를 제거한 다음 피부색 분포 모델에 의해 Skin과 Non-Skin으로 분류하는 3단계로 진행된다. 이는 피부색 검출이 칼라 공간, 조명 요소의 존재 여부, 피부 모델링 방법에 따라 수행 성능에 많은 영향을 받기 때문이다. 본 연구에서는 조명 조건에 따라 피부색 모델의 범위에 차이가 있다는 사실에 기초하여 다양한 조명 조건과 복잡한 배경을 가진 영상에서 효과적으로 다인종의 피부색을 분류해내 기 위한 3차원 피부색 모델을 제시하고자 한다. 제안된 피부색 모델은 화소의 칼라 공간을 YCbCr공간으로 변형하고, 각 요소(Y, Cb, Cr) 값에 의한 3차원 피부색 모델을 형성한다. 다인종의 피부색을 함께 분할하기 위해 인종(백인, 흑인, 황인)별 피부색 모델을 먼저 생성한 후 각각의 모델에서 피부색 확률에 따라 결합한 다인종을 위한 통합 모델을 생성하였다. 또한 우리는 적은 양의 훈련 데이터로 피부색 영역을 올바르게 검출할 수 있도록 여러 단계의 피부색 영역을 설정하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2002년도 추계종합학술대회
• /
• pp.240-243
• /
• 2002

본 논문에서는 칼라 이미지에서 색상 요소를 기초로 하여 얼굴영역을 추출하고 얼굴의 특징요소를 추출하는 방법을 제안한다. 얼굴 영역을 추출하기 위하여 일반적인 얼굴색상분포를 이용하여 색상변환을 하였다. 얼굴 특성요소를 찾기 위하여 윤곽선검출을 이용하였다. 얼굴영역의 상단부분에서 눈의 요소를 찾고, 눈과 입의 지정학적 위치를 이용하여 입의 후보영역을 지정하고 입을 찾도록 하였다. 검색영역을 좁혀 계산량을 줄임으로서 탐색시간을 줄일 수 있고, 일반적인 얼굴색상분포를 이용하여 얼굴 영역을 검출함으로서 얼굴표정, 얼굴색변화, 기울짐에 대해서도 얼굴영역을 검출할 수 있었다.

• 대한전자공학회논문지SP
• /
• 제47권5호
• /
• pp.175-182
• /
• 2010

본 논문에서는 얼굴과 동공을 검색하는 새로운 기법을 제시하며, 안전운행을 위한 운전자의 동공 감시에 적용한 실험결과를 포함하고 있다. 제시된 기법은 세 단계 주요 과정을 거치는데, 먼저 스킨칼라 세그먼테이션 기법으로 얼굴을 찾는 과정으로 이는 지금까지 사용된 휴리스틱모델이 아닌 학습과정 모델에 기반을 두고 있다. 다음에 얼굴 특징 세그먼테이션으로 눈, 입, 눈썹 등의 부분을 검출 하는데, 이를 위해 얼굴 각 부분에서 추출한 고유 특징들에 대한 PDF 추정을 사용하고 있다. 마지막으로 서큘러 하프 변환기법으로 눈 안의 동공을 찾아낸다. 제시된 기법을 조명이 다른 웹 얼굴 영상과 운전자의 CCD 얼굴 영상에 적용하여 동공을 찾아내는 실험을 하여, 높은 동공 검출율을 확인하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 추계종합학술대회 논문집(4)
• /
• pp.41-44
• /
• 2000

In this paper, we present an efficient face detection algorithm for locating vertical views of human faces in complex scenes. The algorithm models the distribution of human skin color in YCbCr color space and find various ace candidate regions. Face candidate regions are found by thresholding with predetermined thresholds. For each of these face candidate regions, The sobel edge operator is used to find edge regions. For each edge region, we used an ellipse detection algorithm which is similar to hough transform to refine the candidate region. Finally if a substantial number of he facial features (eye, mouth) are found successfully in the candidate region, we determine he ace candidate region as a face region. e show empirically that the presented algorithm an find the face region very well in the complex scenes.

• 정보처리학회논문지B
• /
• 제9B권5호
• /
• pp.563-570
• /
• 2002

본 논문은 MPEG4 SNHC의 얼굴 모델 인코딩을 구현하기 위하여 연속된 2차원 영상으로부터 얼굴영역을 검출하고, 얼굴의 특징데이터들을 추출한 후, 얼굴의 3차원 모양 및 움직임 정보를 복원하는 알고리즘과 결과를 제시한다. 얼굴 영역 검출을 위해서 영상의 거리, 피부색상, 움직임 색상정보등을 융합시킨 멀티모달합성의 방법이 사용되었다. 결정된 얼굴영역에서는 MPEG4의 FDP(Face Definition Parameter) 에서 제시된 특징점 위치중 23개의 주요 얼굴 특징점을 추출하며 추출성능을 향상시키기 위하여 GSCD(Generalized Skin Color Distribution), BWCD(Black and White Color Distribution)등의 움직임색상 변환기법과 형태연산 방법이 제시되었다. 추출된 2차원 얼팔 특징점들로부터 얼굴의 3차원 모양, 움직임 정보를 복원하기 위하여 준원근 카메라 모델을 적용하여 SVD(Singular Value Decomposition)에 의한 인수분해연산을 수행하였다. 본 논문에서 제시된 방법들의 성능을 객관적으로 평가하기 위하여 크기와 위치가 알려진 3차원 물체에 대해 실험을 행하였으며, 복원된 얼굴의 움직임 정보는 MPEG4 FAP(Face Animation Parameter)로 변환된 후, 인터넷상에서 확인이 가능한 가상얼굴모델에 인코딩되어 실제 얼굴파 일치하는 모습을 확인하였다.

• JSTS:Journal of Semiconductor Technology and Science
• /
• 제16권5호
• /
• pp.557-563
• /
• 2016

Most of the existing hand detection methods rely on the contour shape of hand after skin color segmentation. Such contour shape based computations, however, are not only susceptible to noise and other skin color segments but also inherently sequential and difficult to efficiently parallelize. In this paper, we implement and accelerate our in-house distance image based approach using CPU-GPU heterogeneous computing. Using emerging CPU-GPU heterogeneous computing technology, we achieved 5.0 times speed-up for $320{\times}240$ images, and 17.5 times for $640{\times}480$ images and our experiment demonstrates that our proposed distance image based hand detection is robust and fast, reaching up to 97.32% palm detection rate, 80.4% of which have more than 3 fingers detected on commodity processors.

• 전자공학회논문지CI
• /
• 제43권3호
• /
• pp.67-75
• /
• 2006

얼굴의 표정은 얼굴의 구성요소같은 기하학적 정보와 조명이나 주름 같은 세부적인 정보들로 표현된다. 얼굴 표정은 기하학적 변형만으로는 실감적인 표정을 생성하기 힘들기 때문에 기하학적 변형과 더불어 텍스처 같은 세부적인 정보도 함께 변형해야만 실감적인 표현을 할 수 있다. 표정비율이미지 (Expression Ratio Image)같은 얼굴 텍스처의 세부적인 정보를 변형하기 위한 기존 방법들은 조명에 따른 피부색의 변화를 정확히 표현할 수 없는 단점이 있다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 서로 다른 조명 조건에서도 실감적인 표정 텍스처 정보를 적용할 수 있는 비선형 피부색 모델 기반의 표정 합성방법을 제안한다. 제안된 방법은 동적 외양 모델을 이용한 자동적인 얼굴 특징 추출과 와핑을 통한 표정 변형 단계, 비선형 피부색 변화 모델을 이용한 표정 생성 단계, 유클리디 거리 변환 (Euclidean Distance Transform)에 의해 계산된 혼합 비율을 사용한 원본 얼굴 영상과 생성된 표정의 합성 등 총 3 단계로 구성된다. 실험결과는 제안된 방법이 다양한 조명조건에서도 자연스럽고 실감적인 표정을 표현한다는 것을 보인다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 하계종합학술대회 논문집(4)
• /
• pp.202-205
• /
• 2000

In this paper we propose an algorithm that detects, tracks a moving object, and classify whether it is human from the video clip captured under the fixed video camera. It detects the outline of the moving object by finding out the local maximum points of the modulus image, which is the magnitude of the motion vectors. It also estimates the size and the center of the moving object. When the object is detected, the algorithm discriminates whether it is human by segmenting the face. It is segmented by searching the elliptic shape using Hough transform and grouping the skin color region within the elliptic shape.