컴퓨터 비전 - 29. 얼굴 인식

얼굴인식

- 얼굴 인식에서는 두 단계로 이루어짐

- 1. 얼굴 검출, 2. 얼굴 인식

 

 

특징 벡터 수집 방법

- 이전에 봤던 특징 벡터를 수집하는 방법을 다시 되돌아 보면 다음의 3가지가 존재

1. 일정 영역

2. 슬라이딩 윈도우

3. 지역 특징

 

 

 

얼굴 검출 알고리즘들

- 신경망을 이용하여 추출하는 방법

- SVM을 사용하는 방법

- 비올라 존스 알고리즘

 

신경망으로 얼굴 검출

- Retinal Connected Neural Network, 1996

- 입력 영상을 피라미드 영상으로 변환 -> 다양한 크기 얼굴에 대처

- 20 x 20 크기의 슬라이딩 윈도우를 이동하며 얼굴 판단.

 * 윈도우로 전처리 -> 신경망 입력 -> 얼굴 여부 판단 

 

https://arxiv.org/pdf/1404.1292.pdf

 

 

SVM으로 얼굴 검출하는 경우

https://www.researchgate.net/figure/Block-diagram-of-the-face-detection-system_fig1_228351802

 

 

 

 

비올라 존스 알고리즘 개요

- SVM, 신경망 같은 복잡한 분류기 사용

- 비올라 존스 알고리즘은 유사 하르 특징 Haar-like feature  사용

- 분류기는 단순 결정 트리를 직렬 연결 -> 직렬 분류기 cascade of classifier

- 빠른 특징 추출을 위해 적분영상 사용

 

 

유사 하르 특징

- 에지, 선 등 추출하기 위해 다음의 유사하르 특징 연산자들을 사용

 

비올라 존스 알고리즘을 이용한 특징 검출 예시

- 4개의 유사 하르 연산자 사용 -> 4개의 하르 연산자들을 조합 조합하여 많은 특징 추출 가능

- 4가지 유사 하르 연산자와 유사 하르 연산자들의 조합을 통한 특징 추출 예시 1

https://eehoeskrap.tistory.com/95

- 유사 하르 연산자들의 조합을 통한 특징 추출 예시 2

https://www.semanticscholar.org/paper/A-comparative-study-between-LBP-and-Haar-like-for-Kadir-Kamaruddin/3ec98dabbcf440db746d4baf6550e44e12c5ee76/figure/1

 

 

비올라 존스 알고리즘으로 구한 결과 경우의 수

- 24 x 24 얼굴 영상의 경우 4 유사 하르 연산자를 조합한 경우

 => 160,000개의 서로 다른 특징 추출 가능

 

 

 

적분 영상

- 명암 영상을 합한 결과 영상 -> 빠르게 특징 추출 가능

- 특정 픽셀까지 모든 화소들의 합 => 적분 영상에서의 값

- 가로 2 x 세로 4 크기의 블록의 합을 구하려면 8개의 픽셀 값이 필요 

 => 적분 영상 사용시 4개의 픽셀 값들을 이용하면 구할 수 있음.

 

 

비올라 존스 알고리즘과 적분 영상

- 모든 유사 하르 연산자들은 적분 영상으로 추출

https://www.sciencedirect.com/science/article/pii/S2468067216300116

 

비올라 존스 알고리즘으로 얼굴 검출

- 위는 얼굴 상에 존재하는 유사 하르 특징을 찾는 과정

- 하지만 얼굴 크기가 작거나 위치가 다른 경우를 대처하기 위한 방법이 필요

-> 슬라이딩 윈도우 사용 : 24 x 24 윈도우를 몇 픽셀씩 이동시킴. 아다부스트로 얼굴 여부 판단

-> 윈도우 확대 : 영상 마다 얼굴 크기가 다르므로 1.25배씩 확대