| 1 |
1
n개의 입력 이미지를 입력받는 단계와,
상기 n개의 입력 이미지 각각에 대해 서로 다른 크기와 위치를 갖는 다수개의 영역으로 분할하는 단계와,
상기 분할된 영역별 각 입력 이미지의 특징점을 각각 추출하는 단계와,
상기 영역별 상기 추출된 특징점들의 분포인 히스토그램을 유니폼 패턴을 이용하여 차원 벡터로 변환하는 단계와,
상기 변환된 영역별 차원 벡터를 이용하여 최적 사영 벡터를 산출하는 단계와,
상기 최적 사영 벡터와 기 설정된 임계값간의 비교를 통해 상기 영역별 각 특징점의 위크 학습기를 산출하는 단계를 포함하는
얼굴 검출을 위한 특징점 검출 방법
|
| 2 |
2
제 1 항에 있어서,
상기 n 개의 입력 이미지에 대한 얼굴 또는 비얼굴에 따라 초기값을 각각 할당한 후 상기 입력 이미지에서의 얼굴 및 비얼굴의 수에 따라 상기 각 입력 이미지에 대한 가중치를 설정하는 단계와,
상기 각 입력 이미지에 설정된 가중치를 표준화하는 단계와,
상기 영역별 각 특징점의 위크 학습기, 상기 표준화된 가중치 및 상기 초기값을 이용하여 상기 각 특징점의 오차 값을 산출하는 단계와,
상기 산출된 오차 값들 중 가장 작은 오차값을 갖는 위크 학습기를 선택하는 단계와,
상기 선택된 위크 학습기를 토대로 상기 입력 이미지에 대한 정확한 판단 여부를 체크하는 단계와,
상기 체크 결과에 의거하여 상기 가중치를 변경하는 단계를 포함하며,
상기 변경된 가중치를 토대로 상기 표준화하는 단계로 진행하여 이후 단계를 t(t는 2보다 큰 자연수) 라운드를 반복 수행함으로서, 상기 라운드별 오차값이 가장 작은 위크 학습기를 선택하는
얼굴 검출을 위한 특징점 검출 방법
|
| 3 |
3
제 2 항에 있어서,
상기 각 특징점의 오차 값을 산출하는 단계는, 수학식 ( , hj(xi)는 각 특징점(j)별 위크 학습기, Wt는 해당 라운드의 가중치 표준화 값, yi는 초기값)에 의해 산출되는
얼굴 검출을 위한 특징점 검출 방법
|
| 4 |
4
제 2 항에 있어서,
상기 가중치를 변경하는 단계는, 수학식(, , εt는 t 라운드에서 산출된 가장 작은 오차 값, Wt,i는 t 라운드에서의 가중치 표준화 값)에 의해 변경되며, 상기 입력 이미지를 정확하게 판단한 경우 ei를 "0"으로 설정하고, 그렇지 않을 경우에 ei를 "1"로 설정하는
얼굴 검출을 위한 특징점 검출 방법
|
| 5 |
5
제 2 항에 있어서,
상기 라운드별 오차값이 가장 작은 위크 학습기를 토대로 최종 위크 학습기를 산출하는
얼굴 검출을 위한 특징점 검출 방법
|
| 6 |
6
제 5 항에 있어서,
상기 최종 위크 학습기는, 수학식()에 의해 산출되는
얼굴 검출을 위한 특징점 검출 방법
|
| 7 |
7
제 1 항에 있어서,
상기 특징점을 각각 추출하는 단계는, 상기 각 영역의 중간값을 기준으로 나머지 인접 픽셀 값을 이진화한 LBP 특징점을 추출하는
얼굴 검출을 위한 특징점 검출 방법
|
| 8 |
8
제 1 항에 있어서,
상기 최적 사영 벡터를 산출하는 단계는, LDA 방법으로 상기 최적 사영 벡터를 산출하는
얼굴 검출을 위한 특징점 검출 방법
|
