| 초록 |
본 발명은 RBFNN 패턴 분류기와 객체 추적 알고리즘을 사용한 얼굴 인식-얼굴 추적 방법 및 이를 실행하기 위한 시스템에 관한 것으로서, 보다 구체적으로는, 학습 단계 및 상기 학습 단계 이후 수행되도록 구성되는 테스트 단계를 포함하되, 상기 학습 단계는, (1) 미리 설정된 제1 동영상 데이터로부터 AdaBoost(Adaptive Boost) 알고리즘에 따라 복수 포즈의 얼굴 이미지를 검출하는 단계; (2) 상기 복수 포즈의 얼굴 이미지 각각을, 주성분 분석법에 기초하여 전처리하는 단계; (3) 상기 전처리된 데이터를 RBFNNs(Radial Basis Function Neural Networks) 패턴 분류기에 입력하여 각 포즈의 데이터를 학습시키는 단계; 및 (4) 입자군집 최적화 알고리즘을 이용하여 상기 각 포즈별 데이터에 대해 최적화된 파라미터를 획득하는 단계를 포함하고, 상기 테스트 단계는, (a) 미리 설정된 제2 동영상 데이터로부터 AdaBoost 알고리즘에 따라 테스트 얼굴 이미지를 검출하는 단계; (b) 주성분 분석법을 통해 상기 테스트 얼굴 이미지에 가장 유사한 포즈를 판단하는 단계; (c) 상기 학습 단계를 통해 획득된, 최적화된 파라미터를 이용하여 상기 테스트 얼굴 이미지를 인식하는 단계; 및 (d) 상기 인식된 테스트 얼굴 이미지가 미리 설정된 추적 대상과 동일한 경우, 입자 필터 알고리즘에 기초하여 상기 테스트 얼굴 이미지를 추적하는 단계를 포함하는 것을 그 구성상의 특징으로 한다. 본 발명에서 제안하고 있는 RBFNN 패턴 분류기와 객체 추적 알고리즘을 사용한 얼굴 인식-얼굴 추적 방법 및 이를 실행하기 위한 시스템에 따르면, 얼굴 인식-얼굴 추적 방법의 학습 단계에서는, 제1 동영상 데이터로부터 AdaBoost 알고리즘에 따라 복수 포즈의 얼굴 이미지를 검출하고, 복수 포즈의 얼굴 이미지 각각을 주성분 분석법에 기초하여 전처리하며, 전처리된 데이터를 RBFNNs 패턴 분류기에 입력하여 각 포즈의 데이터를 학습시키되, 입자군집 최적화 알고리즘을 이용하여 각 포즈별 데이터에 대해 최적화된 파라미터를 획득하고, 테스트 단계에서는, 제2 동영상 데이터로부터 AdaBoost 알고리즘에 따라 테스트 얼굴 이미지를 검출하고, 주성분 분석법을 통해 테스트 얼굴 이미지에 가장 유사한 포즈를 판단하며, 학습 단계를 통해 획득된, 최적화된 파라미터를 이용하여 테스트 얼굴 이미지를 인식하여, 인식된 테스트 얼굴 이미지가 미리 설정된 추적 대상과 동일한 경우, 입자 필터 알고리즘에 기초하여 테스트 얼굴 이미지를 추적함으로써, 정지 영상이 아닌 동적 상황에서의 얼굴 인식의 성능을 향상시킬 수 있고, 검출된 얼굴 영역을 기반으로 객체 추적 알고리즘인 입자 필터 알고리즘을 수행하여 대상의 얼굴 영역을 지속적으로 추적하게 되어, 별도의 영역 지정 없이도 동일한 대상을 지속적으로 추적할 수 있다. |
