| 1 |
1
카메라를 통해 입력된 영상정보로부터 복수 개의 얼굴특징점들(landmarks)이 검출되는 단계;검출된 복수 개의 얼굴특징점들 중 일부를 사용하고, RF 리그레서(Random Forrest Regressor)를 이용하여 제1동공특징점을 검출하는 단계;검출된 복수 개의 얼굴특징점 중 일부를 사용하여 눈 영역의 이미지를 추출하는 단계;추출된 눈 영역의 이미지에서 제2동공특징점을 검출하고, Gaze 분류기(Gaze Classifier)를 이용하여 복수 개의 영역으로 구분되는 시선방향 클래스들의 초기확률값을 결정하는 단계;상기 시선방향 클래스들의 각각의 초기확률값에 상기 제1동공특징점의 위치에 따른 가중치를 부여하는 단계; 및가중치가 부여된 시선방향 클래스들의 최종확률값에서 가장 높은 확률을 가지는 클래스를 대표 시선방향으로 결정하는 단계;를 포함하고,상기 얼굴특징점을 검출하는 방법은, 미리 학습된 Weighted RF Regressor(Weighted Random Forest Regressor)에 의해 얼굴특징점들이 이동되어야 할 오프셋이 계산되고, 계산된 오프셋을 바탕으로 얼굴특징점들의 위치가 갱신되어 얼굴특징점들의 최종적인 위치가 예측되는 단계;얼굴특징점들의 최종적인 위치 간의 사이각 및 거리비와, 얼굴 모델 별로 정의된 가우시안 확률 밀도 함수와의 상관관계를 통해 최적의 얼굴 모델을 검출하는 단계; 및얼굴특징점들의 최종적인 위치와, 검출된 최적의 얼굴 모델이 결합되어 최종 얼굴특징점들이 검출되는 단계를 포함하는 것을 특징으로 하는 시선방향 예측 방법
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서,상기 제1동공특징점을 검출하는 방법은,미리 학습된 Weighted RF Regressor(Weighted Random Forest Regressor)에 의해 제1동공특징점들이 이동되어야 할 오프셋이 계산되고, 계산된 오프셋을 바탕으로 제1동공특징점들의 위치가 갱신되어 제1동공특징점들의 최종적인 위치가 예측되는 단계;를 포함하는 것을 특징으로 하는 시선방향 예측 방법
|
| 4 |
4
제1항에 있어서,상기 제2동공특징점을 검출하는 방법은추출된 눈 영역의 이미지를 기반으로 방향 중심 대칭 국부 이진 패턴(Oriented Center Symmetric Local Binary Pattern, 이하 'OCS-LBP'라 칭함) 특징벡터와 Haar-Like 특징벡터를 추출하는 단계를 포함함으로써 이루어지는 것을 특징으로 하는 시선방향 예측 방법
|
| 5 |
5
제4항에 있어서,상기 OCS-LBP 특징벡터와 Haar-Like 특징벡터 각각에 대하여, 미리 학습된 Gaze 분류기에 대입하여 복수 개의 영역으로 구분되는 시선방향 클래스에 대한 초기확률값을 연산하는 단계를 더 포함하는 것을 특징으로 하는 시선방향 예측 방법
|
| 6 |
6
제5항에 있어서,OCS-LBP 특징벡터에 대한 Gaze 분류기와 Haar-Like 특징벡터에 대한 Gaze 분류기에서 추정된 시선방향 클래스에 대한 초기확률값들을 선형결합하는 단계를 더 포함하는 것을 특징으로 하는 시선방향 예측 방법
|
| 7 |
7
제1항에 있어서,상기 시선방향 예측 방법은Yawing, Rolling, Pitching을 포함한 두부 자세 예측 방법과 결합하는 것을 특징으로 하는 시선방향 예측 방법
|
| 8 |
8
적어도 하나 이상의 프로세서와, 상기 프로세서에 의한 외부의 조명 환경 변화 및 운전자의 얼굴 가려짐에 유연한 시선 방향 예측 장치에 있어서,상기 프로세서는,카메라를 통해 입력된 영상으로부터 미리 학습된 Weighted RF Regressor(Weighted Random Forest Regressor)에 의해 얼굴특징점들이 이동되어야 할 오프셋을 계산하고, 계산된 오프셋을 바탕으로 얼굴특징점들의 위치가 갱신되어 얼굴특징점들의 최종적인 위치를 예측하며, 얼굴특징점들의 최종적인 위치 간의 사이각 및 거리비와, 얼굴 모델 별로 정의된 가우시안 확률 밀도 함수와의 상관관계를 통해 최적의 얼굴 모델을 검출하고, 얼굴특징점들의 최종적인 위치와 검출된 최적의 얼굴 모델이 결합하여 최종적으로 얼굴특징점들을 검출함으로써, 운전자의 얼굴로부터 복수 개의 얼굴특징점들(landmarks)을 검출할 수 있고,검출된 복수 개의 얼굴특징점들 중 일부를 사용하고, RF 리그레서(Random Forrest Regressor)를 이용하여 제1동공특징점을 검출하며,검출된 복수 개의 얼굴특징점 중 일부를 사용하여 눈 영역의 이미지를 추출한 뒤, 추출된 눈 영역의 이미지에서 제2동공특징점을 검출하고, Gaze 분류기(Gaze Classifier)를 이용하여 복수 개의 영역으로 구분되는 시선 방향 클래스의 초기확률값을 결정하되,상기 시선 방향 클래스의 초기확률값에 상기 제1동공특징점의 위치에 따른 가중치를 부여하고, 가중치가 부여된 시선 방향 클래스의 최종확률값에서 가장 높은 확률을 가지는 클래스를 대표 시선 방향으로 결정하도록 구현된 것을 특징으로 하는, 시선 방향 예측 장치
|
