BAYESIAN 분류기의 계단식 구성을 이용한 효과적인 얼굴검출

초록

본 논문은 복잡한 배경에서의 얼굴 검출에 있어서 효과적인 계단식 분류기에 의한 방법을 제안한다. 하나의 특징 추출 방법은 사람의 얼굴을 모델링 하기에는 부족하다. 따라서 여러 가지 특징 추출 방법을 병행하여 정확한 얼굴 검출을 시도하였다. 얼굴 영상의 특징 추출은 sub-region과 Haar 웨이블릿 변환(Haar wavelet transform)을 이용하였다. Sub-region은 얼굴의 지역적인 특징을 나타내고, Haar 웨이블릿 변환은 얼굴의 주파수 특성을 나타내기 때문에 이들을 이용하여 특징을 추출하면 효과적인 모델링이 가능해 진다. 특징을 추출한 얼굴과 비얼굴의 패턴(pattern)을 구분하기 위해서 Bayesian 분류기를 사용하였다. Bayesian 분류기는 패턴들의 통계적인 특성에 따라서 얼굴과 비얼굴로 분류한다. 얼굴과 달리 비얼굴은 일정한 특징을 가지기 힘들다. 따라서 비얼굴은 얼굴과 유사한 비얼굴(face-like nonface) 패턴들을 사용하여 모델링 하였다. 제안한 얼굴 검출 방식의 성능은 MIT-CMU 시험 영상들[ ]을 이용하여 평가하였다. 한 가지 특징 추출을 사용하는 것 보다 두 가지 특징 추출을 병행한 계단식 구성이 더 정확한 검출 결과를 나타내었다.