KR101524516B1 - 빈도수 기반의 영상 내 얼굴객체 추적방법 - Google Patents

빈도수 기반의 영상 내 얼굴객체 추적방법 Download PDF

Info

Publication number
KR101524516B1
KR101524516B1 KR1020130146913A KR20130146913A KR101524516B1 KR 101524516 B1 KR101524516 B1 KR 101524516B1 KR 1020130146913 A KR1020130146913 A KR 1020130146913A KR 20130146913 A KR20130146913 A KR 20130146913A KR 101524516 B1 KR101524516 B1 KR 101524516B1
Authority
KR
South Korea
Prior art keywords
face object
face
tracking
image
previous
Prior art date
Application number
KR1020130146913A
Other languages
English (en)
Inventor
이칠우
오치민
이석진
Original Assignee
전남대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 전남대학교산학협력단 filed Critical 전남대학교산학협력단
Priority to KR1020130146913A priority Critical patent/KR101524516B1/ko
Application granted granted Critical
Publication of KR101524516B1 publication Critical patent/KR101524516B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/48—Matching video sequences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 영상 내 얼굴객체 추적방법에 관한 것으로, 보다 구체적으로는 입력되는 영상의 얼굴객체와 이전 영상의 얼굴객체 간의 동일성을 판단하여 이전 영상의 얼굴객체의 정보를 갱신함으로써 얼굴객체를 추적하고, 추적 중인 얼굴객체에 추적 빈도수 확률을 부여하여 추적 빈도수 확률이 낮은 얼굴객체에 대해서는 추적을 종료함으로써 얼굴객체 추적의 정확도를 향상시킬 수 있는 빈도수 기반의 영상 내 얼굴객체 추적방법에 관한 것이다.

Description

빈도수 기반의 영상 내 얼굴객체 추적방법{Frequency based Face location tracking}
본 발명은 영상 내 얼굴객체 추적방법에 관한 것으로, 보다 구체적으로는 입력되는 영상의 얼굴객체와 이전 영상의 얼굴객체 간의 동일성을 판단하여 이전 영상의 얼굴객체의 정보를 갱신함으로써 얼굴객체를 추적하고, 추적 중인 얼굴객체에 추적 빈도수 확률을 부여하여 추적 빈도수 확률이 낮은 얼굴객체에 대해서는 추적을 종료함으로써 얼굴객체 추적의 정확도를 향상시킬 수 있는 빈도수 기반의 영상 내 얼굴객체 추적방법에 관한 것이다.
동적인 영상에서 사람들을 탐색하고 추적하는 시스템은 보안, 인간의 행동분석, 로봇비전 및 인간과 컴퓨터 간의 상호작용 분야의 비전 어플리케이션 시스템들 중 가장 중요한 시스템 중의 하나이다.
또한, 사람들을 탐색하고 추적하는 시스템이 원격 보안시스템, 수화 및 제스처 인식 시스템, 원격 교육시스템, 자동 기록 시스템 등에 활용되기 위해서는 카메라를 이용하여 취득한 영상을 분석하여 사람의 얼굴영역을 분리하고 그 얼굴영역의 움직임 등을 인식하는 기술이 필요하다.
얼굴객체 추적이란 현재 프레임 영상에서 검출된 얼굴영역이 이전 프레임 영상에서도 검출되었는지 판단하여 이전 프레임 영상의 얼굴객체를 현재 영상의 얼굴객체 정보로 갱신함으로써 연속적으로 추적하는 것을 의미한다.
종래의 얼굴객체 추적의 한 방법으로 현재 프레임 영상의 얼굴영역과 이전 프레인 영상의 얼굴영역이 서로 겹칠 경우 서로 동일한 객체로 판단하는 방법이 있다.
그러나 이러한 종래의 얼굴객체 추적방법은 실제로 동일한 얼굴객체의 영역이 이전 영상의 얼굴객체의 영역과 겹치지 않을 경우 서로 다른 객체로 판단하여 추적에 실패하는 문제점이 있다.
본 발명은 상술한 문제점을 해결하기 위해 안출된 것으로 본 발명의 목적은 이전 프레임 영상의 얼굴 영역과 현재 프레임 영상의 얼굴 영역이 겹쳐지는 것을 기준으로 동일성을 판단하지 않으므로 겹쳐지지 않는 얼굴 영역 간에도 객체 추적을 수행할 수 있는 영상 내 얼굴객체 추적방법을 제공하는 것이다.
또한, 본 발명은 추적 중인 얼굴객체의 추적 빈도수 확률을 계산하여 현재 프레임 영상의 얼굴 객체가 일시적으로 사라지더라도 추적리스트에 유지하여 추적의 정확도를 향상시킬 수 있는 영상 내 얼굴객체 추적방법을 제공하는 것이다.
또한, 본 발명은 추적리스트에 동일한 얼굴 객체가 존재할 경우 어느 하나의 얼굴 객체를 삭제하여 추적을 위한 데이터 계산 시간을 단축할 수 있는 영상 내 얼굴객체 추적방법을 제공하는 것이다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기의 목적을 달성하기 위하여 본 발명은 컴퓨터가 카메라로부터 프레임 영상을 순차적으로 입력받아 입력되는 영상 내의 얼굴객체를 검출하고 검출된 얼굴객체가 이전 프레임 영상 내의 얼굴객체와 동일한 객체인지 판단하여 얼굴객체 위치를 추적하는 영상 내 얼굴객체 추적방법으로서, 컴퓨터가 현재 프레임 영상을 입력받는 단계; 입력된 영상 내에서 얼굴객체(이하 '현재 얼굴객체'라 함)를 검출하는 단계; 상기 현재 얼굴객체의 영상좌표와 영역을 추출하는 단계; 및 이전 프레임 영상에서 검출된 얼굴객체(이하 '이전 얼굴객체'라 함)들 중, 상기 현재 얼굴객체와 일정한 거리 내에 위치하는 얼굴객체(이하 '추적 얼굴객체'라 함)가 존재하는지 판단하는 단계; 상기 이전 얼굴객체들 중, 상기 추적 얼굴객체가 존재할 경우 상기 추적 얼굴객체의 영상좌표와 영역을 상기 현재 얼굴객체의 영상좌표와 영역으로 갱신하고, 존재하지 않을 경우 상기 현재 얼굴객체를 새로운 얼굴객체로 간주하여 추적리스트에 추가하는 단계;를 포함하는 것을 특징으로 하는 영상 내 얼굴객체 추적방법을 제공한다.
바람직한 실시예에 있어서, 상기 이전 얼굴객체는 얼굴객체의 아이디, 영상좌표, 영역, 입력된 영상들의 총 프레임 수, 상기 이전 얼굴객체가 검출된 검출 프레임 수의 정보로 이루어진다.
바람직한 실시예에 있어서, 상기 추적 얼굴객체가 존재하는지 판단하는 단계에서, 상기 추적 얼굴객체는 상기 이전 얼굴객체들 중, 영역의 중심좌표가 상기 현재 얼굴객체의 영역의 중심좌표로부터 서로 일정한 거리 내에 위치하는 얼굴객체이다.
바람직한 실시예에 있어서, 상기 추적 얼굴객체가 존재하는지 판단하는 단계 이후에, 상기 추적 얼굴객체가 존재할 경우, 상기 추적 얼굴객체의 추적 빈도수 확률을 계산하는 단계를 더 포함한다.
바람직한 실시예에 있어서, 상기 추적 빈도수 확률은 아래의 수학식에 의해 계산된다.
[수학식]
Figure 112013109249485-pat00001
여기서, yi는 추적 얼굴객체, nd는 총 프레임 수, n은 검출 프레임 수이다.
바람직한 실시예에 있어서, 상기 추적 빈도수 확률을 계산하는 단계 이후에, 상기 추적리스트의 얼굴객체들 중, 추적 빈도수 확률이 임계확률 이하인 얼굴객체들을 상기 추적리스트에서 삭제하는 단계를 더 포함한다.
바람직한 실시예에 있어서, 상기 추적리스트에서 삭제하는 단계 이후에, 상기 추적리스트에 동일한 얼굴객체가 존재할 경우 어느 하나의 얼굴객체를 상기 추적리스트에서 삭제하는 단계를 더 포함한다.
바람직한 실시예에 있어서, 상기 아이디 정보가 동일한 얼굴객체들 중 총 프레임 수 정보가 더 낮은 얼굴객체가 상기 추적리스트에서 삭제된다.
또한, 본 발명은 컴퓨터를 기능시켜 상기 영상 내 얼굴객체 추적방법을 수행하는 프로그램이 저장된 컴퓨터로 읽을 수 있는 기록매체를 더 제공한다.
본 발명은 다음과 같은 우수한 효과를 가진다.
먼저, 본 발명의 영상 내 얼굴객체 추적방법에 의하면, 얼굴객체 영역이 중첩되는 여부가 아닌 얼굴객체의 위치에 기반하여 동일성을 판단하므로 얼굴객체 추적의 정확도를 높일 수 있다.
또한, 본 발명의 영상 내 얼굴객체 추적방법에 의하면, 추적 빈도수 확률이 임계확률을 초과하는 객체는 추적리스트에 유지하고, 임계확률 이하의 얼굴객체는 추적리스트에서 삭제함으로써 일시적으로 사라진 얼굴객체의 경우 재추적이 가능하고 추적이 필요없는 얼굴객체는 삭제하여 계산량을 줄일 수 있는 장점이 있다.
또한, 본 발명의 영상 내 얼굴객체 추적방법에 의하면, 추적리스트에 동일한 얼굴 객체가 존재할 경우 어느 하나의 얼굴 객체를 삭제하여 계산 시간을 단축할 수 있으므로 신속한 추적이 가능하다.
도 1은 본 발명의 일 실시예에 따른 영상 내 얼굴객체 추적방법의 흐름도,
도 2는 본 발명의 일 실시예에 따른 영상 내 얼굴객체 추적방법의 얼굴객체를 설명하기 위한 도면,
도 3은 본 발명의 일 실시예에 따른 영상 내 얼굴객체 추적방법에서 현재 얼굴객체와 이전 얼굴객체의 동일성을 판단하는 과정을 설명하기 위한 도면이다.
본 발명에서 사용되는 용어는 가능한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 특정한 경우는 출원인이 임의로 선정한 용어도 있는데 이 경우에는 단순한 용어의 명칭이 아닌 발명의 상세한 설명 부분에 기재되거나 사용된 의미를 고려하여 그 의미가 파악되어야 할 것이다.
이하, 첨부한 도면에 도시된 바람직한 실시예들을 참조하여 본 발명의 기술적 구성을 상세하게 설명한다.
그러나, 본 발명은 여기서 설명되는 실시예에 한정되지 않고 다른 형태로 구체화 될 수도 있다. 명세서 전체에 걸쳐 동일한 참조번호는 동일한 구성요소를 나타낸다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 영상 내 얼굴객체 추적방법은 컴퓨터에 의해 수행되며, 먼저, 상기 컴퓨터가 카메라로부터 프레임 영상을 순차적으로 입력받아 입력되는 영상 내의 얼굴 객체를 검출하고, 다음, 검출된 얼굴객체가 이전 프레임 영상 내에서 검출된 얼굴객체들과 비교하여 동일한 객체가 존재할 경우 이전 프레임 영상의 얼굴객체의 정보를 현재 프레임 영상에서 검출된 얼굴객체의 정보로 갱신함으로써 얼굴객체를 연속적으로 추적하는 방법이다.
또한, 본 발명의 일 실시예에 따른 영상 내 얼굴객체 추적방법은 실질적으로 얼굴객체 추적프로그램이 설치된 컴퓨터에서 수행되며, 상기 얼굴객체 추적프로그램은 CD, USB, SD카드 등과 같은 컴퓨터로 읽을 수 있는 저장매체에 저장되어 상기 컴퓨터에 읽혀짐으로써 컴퓨터를 기능시킨다.
또한, 상기 컴퓨터는 퍼스널 컴퓨터 이외에 스마트 폰, 테블릿 피시와 같이 컴퓨터의 기능을 수행할 수 있는 스마트기기일 수 있으며, CCTV 카메라나 블랙박스와 같은 감시장치에 임베디드될 수 있도록 특별히 제작된 하드웨어일 수 있다.
이하에서는 본 발명의 일 실시예에 따른 영상 내 얼굴객체 추적방법의 과정을 상세히 설명한다.
본 발명의 일 실시예에 따른 영상 내 얼굴객체 추적방법은 먼저, 컴퓨터가 프레임 영상을 입력받는다(S1000).
여기서 상기 컴퓨터는 카메라와 같은 영상 획득장치로부터 프레임 영상을 직접 입력받을 수 있고, 카메라로부터 영상을 입력받아 저장하고 있는 별도의 영상처리장치로부터 상기 프레임 영상을 입력받을 수도 있다.
다음, 입력받은 프레임 영상의 전처리를 수행한다.
또한, 상기 전처리란 계산량을 줄이기 위한 영상의 크기 축소, 조도 개선 등을 과정을 수행하는 것을 의미한다.
다음, 입력된 영상 내에서 얼굴객체를 검출한다(S2000).
또한, 상기 얼굴객체는 현재 프레임 영상의 얼굴객체이므로 '현재 얼굴객체'로 정의한다.
또한, 얼굴객체의 검출방법은 종래의 다양한 얼굴객체 검출방법을 사용할 수 있으며, 본 발명에서는 현존하는 얼굴검출 기술 중, 가장 속도가 빠르고 신뢰할 수 있는 방법인 Adaboost(Adaptive Boosting) 얼굴 검출 방법을 이용하였다.
다음, 상기 현재 얼굴객체의 영상좌표와 영역을 검출하여 상기 현재 얼굴객체의 정보로 저장하며, 상기 현재 얼굴객체의 정보는 아래의 수학식1과 같이 구성된다.
[수학식1]
Figure 112013109249485-pat00002
여기서, xi는 상기 현재 얼굴객체, x 및 y는 얼굴 영역을 이루는 픽셀들의 좌표, w는 얼굴영역의 높이, h는 얼굴영역의 폭을 의미한다.
또한, 상기 얼굴객체의 좌표는 얼굴 영역의 중심좌표일 수 있고, 얼굴 영역 전체의 평균좌표일 수 있으며, 얼굴 영역 전체의 좌표 집합일 수도 있다.
도 2를 참조하면, 현재 프레임 영상(10)에서 현재 얼굴 객체(100)를 보여주는 것으로 상기 현재 얼굴 객체(100)는 픽셀의 좌표, 높이(w) 및 폭(h) 정보를 포함한다.
다음, 이전 프레임 영상 내에서 검출된 얼굴객체(이하 '이전 얼굴객체'라 함)들 중, 상기 현재 얼굴객체와 동일성 범위 내에 있는 이전 얼굴객체가 존재하는지 판단한다(S3000).
여기서 동일성 범위의 판단기준은 상기 현재 얼굴객체와 상기 이전 얼굴객체의 위치이다.
더욱 상세하게는 도 3에 도시한 바와 같이 제1 현재 얼굴객체(100)의 영역 중심 좌표와 이전 얼굴객체(100t-1)의 영역 중심 좌표의 거리(a)가 일정한 임계 거리 이내일 때 상기 제1 현재 얼굴객체(100)와 상기 이전 얼굴객체(100t-1)를 동일한 얼굴 객체로 판단하여 상기 제1 현재 얼굴객체(100)를 추적 중인 얼굴객체로 판단한다.
또한, 본 발명에서는 아래의 수학식2를 이용하여 정규화된 거리값을 계산하게 되는데, 여기서 정규화된 거리 '0.7'을 상기 임계 거리로 설정하였다.
즉, 상기 제1 현재 얼굴객체(100)와 상기 이전 얼굴객체(100t-1) 간의 정규화된 거리가 '0.7'미만일 경우 두 객체의 거리가 임계거리 내에 위치하는 것으로 판단하였다.
[수학식2]
Figure 112013109249485-pat00003
여기서, d는 임계거리 cxi는 현재 영상객체의 영역 중심 좌표, cyi는 이전 영상객체의 영역 중심 좌표, wxi는 현재 영상객체의 폭, wyi는 이전 영상객체의 폭이다.
한편, 본 발명에서는 현재 영상객체의 얼굴영역과 이전 영상객체의 얼굴영역이 서로 중첩되는지의 여부는 고려하지 않는다.
예를 들어, 현재 프레임 영상에 상기 제1 현재 얼굴객체(100)보다 상기 이전 얼굴객체(100t-1)에 더 멀리 떨어져 있으나 서로 영역이 중첩되는 제2 현재 얼굴객체(100a)가 존재할 때, 종래의 영역 중첩의 방법으로 동일성을 판단할 경우, 상기 제2 현재 얼굴객체(100a)가 상기 이전 얼굴객체(100t-1)와 동일한 객체로 판단되는 문제점이 있다.
즉, 본 발명은 얼굴 객체의 영역 중첩이 아닌 영역의 중심 거리가 가까운 얼굴객체를 서로 동일한 객체로 간주하기 때문에 추적의 정확도를 향상시킬 수 있다.
또한, 상기 이전 얼굴객체(100t-1)는 아래의 수학식3과 같이 얼굴객체의 좌표(x,y), 영역의 높이(h) 및 폭(w) 이외에 식별을 위한 아이디(id), 총 프레임 수(nd) 및 검출 프레임 수(n)을 더 포함한다.
[수학식3]
Figure 112013109249485-pat00004
또한, 상기 총 프레임 수(nd)는 얼굴객체가 최초 검출된 후 현재까지 입력된 프레임의 총 개수이고, 상기 검출 프레임 수(n)는 상기 총 프레임에서 상기 이전 얼굴객체(100t-1)와 동일한 얼굴객체가 검출된 프레임의 개수이다.
여기서, 상기 총 프레임 중, 상기 검출 프레임 이외에 프레임은 상기 이전 얼굴객체(100t-1)와 동일한 얼굴객체가 검출되지 않았으나 검출된 것으로 간주된 프레임으로서 아래에서 설명할 추적 빈도수 확률에 기반하여 판단된다.
다음, 상기 현재 얼굴객체가 추적중인 얼굴객체가 아닐 경우(동일성 범위내의 이전 얼굴객체가 존재하지 않을 경우) 추적리스트에 새롭게 추가한다(S4000).
만약, 상기 현재 얼굴객체가 추적중인 얼굴객체일 경우 상기 추적리스트의 등록된 이전 얼굴객체(100t-1)의 좌표(x,y), 높이(h) 및 폭(w)을 상기 현재 얼굴객체의 좌표(x,y), 높이(h) 및 폭(w)으로 갱신하고, 상기 총 프레임 수(nd)와 상기 검출 프레임 수(n)를 '+1'카운팅하여 증가시킨다(S3100).
또한, 여기서 현재 추적된 이전 얼굴객체(100t-1)는 '추적 얼굴객체'로 정의하기로 한다.
다음, 추적 빈도수 확률을 계산한다(S3200).
여기서 추적 빈도수 확률이란 영상 내에서 일시적으로 추적중인 얼굴객체가 사라질 경우(예를 들어 다른 사물 뒤로 숨는다든지 영상의 외부로 일시 이탈한 경우) 추적리스트에 그대로 유지하거나 추적빈도가 낮은 얼굴객체를 제거하기 위한 지표로서 아래의 수학식 4에 의해 계산된다.
[수학식 4]
Figure 112013109249485-pat00005
즉, 상기 추적 빈도수 확률을 총 프레임에서 추적 중인 얼굴객체가 모두 검출되었을 때 '1'의 확률을 갖고, 얼굴객체가 존재하지 않으나 존재하는 것으로 간주되는 프레임이 증가할 경우 '0'에 가까워진다.
또한, 본 발명에서는 상기 총 프레임 수(nd)와 상기 검출 프레임 수(n)가 지속적으로 누적될 경우 상기 총 프레임 수(nd)가 변화에 대해 상기 추적 빈도수 확률이 민감하게 반응할 수 없으므로 10 프레임마다 30%의 값으로 축소되게 하여 상기 총 프레임 수(nd)의 증가에 따른 확률의 변화를 민감하게 하였다.
다음, 상기 추적 리스트의 얼굴객체들 중, 상기 추적 빈도수 확률이 임계 확률 이하인 얼굴객체를 삭제한다(S5000).
이는 추적 빈도가 낮아 추적하지 않아도 되는 얼굴객체를 제거하기 위한 과정으로 본 발명에서는 추적 빈도수 확률이 임계 확률 '0.5'이하인 얼굴객체를 모두 삭제하였다.
다음, 상기 추적리스트에 동일한 적어도 두 개의 얼굴객체가 존재할 경우 어느 하나의 얼굴객체를 삭제한다(S6000).
또한, 상기 추적리스트에 동일한 얼굴객체들이 존재하는 현상은 추적리스트에서 제거되기 전에 다른 얼굴객체가 접근하여 동일한 객체에 동시에 추적이 진행될 때 주로 발생하며, 이는 추적의 정확도를 낮게 하고, 계산량을 증가시키는 원인이 된다.
따라서, 어느 두 개의 얼굴 객체가 서로 정규화 거리(d) '0.1'이하인 위치에 존재할 경우, 상기 검출 프레임 수(n)가 더 낮은 얼굴객체를 제거하여 추적의 정확도를 향상시킨다.
다음, 상기 추적리스트의 모든 얼굴객체에 대해 Good 또는 Bad 플래그를 부여한다(S7000).
또한, 상기 Good 플래그는 상기 검출 프레임 수(n)가 일정한 수 이상이고, 상기 추적 빈도수 확률이 일정한 확률 이상인 얼굴객체에 대해 부여되며, 상기 Bad 플래그는 상기 Good 플래그가 부여되지 않은 얼굴객체에 대해 부여된다.
이는 검출의 정확도가 높은 얼굴 객체와 그렇지 않은 객체를 구분하기 위한 지표로 사용되며 순간적으로 잘못 등록된 얼굴객체를 선별할 수 있게 한다.
다음, 다음 프레임의 영상이 입력되면, 리턴하고 입력되지 않으면 종료한다(S8000).
이상에서 살펴본 바와 같이 본 발명은 바람직한 실시예를 들어 도시하고 설명하였으나, 상기한 실시예에 한정되지 아니하며 본 발명의 정신을 벗어나지 않는 범위 내에서 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변경과 수정이 가능할 것이다.
10:현재 프레임 영상 100:현재 얼굴객체
100t-1:이전 얼굴객체

Claims (9)

  1. 컴퓨터가 카메라로부터 프레임 영상을 순차적으로 입력받아 입력되는 영상 내의 얼굴객체를 검출하고 검출된 얼굴객체가 이전 프레임 영상 내의 얼굴객체와 동일한 객체인지 판단하여 얼굴객체 위치를 추적하는 영상 내 얼굴객체 추적방법으로서,
    컴퓨터가 현재 프레임 영상을 입력받는 단계;
    입력된 영상 내에서 얼굴객체(이하 '현재 얼굴객체'라 함)를 검출하는 단계;
    상기 현재 얼굴객체의 영상좌표와 영역을 추출하는 단계; 및
    이전 프레임 영상에서 검출된 얼굴객체(이하 '이전 얼굴객체'라 함)들 중, 상기 현재 얼굴객체와 일정한 거리 내에 위치하는 얼굴객체(이하 '추적 얼굴객체'라 함)가 존재하는지 판단하는 단계;
    상기 이전 얼굴객체들 중, 상기 추적 얼굴객체가 존재할 경우 상기 추적 얼굴객체의 영상좌표와 영역을 상기 현재 얼굴객체의 영상좌표와 영역으로 갱신하고, 존재하지 않을 경우 상기 현재 얼굴객체를 새로운 얼굴객체로 간주하여 추적리스트에 추가하는 단계;를 포함하고,
    상기 추적 얼굴객체가 존재하는지 판단하는 단계 이후에,
    상기 추적 얼굴객체가 존재할 경우, 상기 추적 얼굴객체의 추적 빈도수 확률을 계산하는 단계를 더 포함하는 것을 특징으로 하는 영상 내 얼굴객체 추적방법.
  2. 제 1 항에 있어서,
    상기 이전 얼굴객체는 얼굴객체의 아이디, 영상좌표, 영역, 입력된 영상들의 총 프레임 수, 상기 이전 얼굴객체가 검출된 검출 프레임 수의 정보로 이루어지는 것을 특징으로 하는 영상 내 얼굴객체 추적방법.
  3. 제 2 항에 있어서,
    상기 추적 얼굴객체가 존재하는지 판단하는 단계에서,
    상기 추적 얼굴객체는 상기 이전 얼굴객체들 중, 영역의 중심좌표가 상기 현재 얼굴객체의 영역의 중심좌표로부터 서로 일정한 거리 내에 위치하는 얼굴객체인 것을 특징으로 하는 영상 내 얼굴객체 추적방법.
  4. 삭제
  5. 제 1 항에 있어서,
    상기 추적 빈도수 확률은 아래의 수학식 1에 의해 계산되는 것을 특징으로 하는 영상 내 얼굴객체 추적방법.
    [수학식]
    Figure 112014087125316-pat00006

    여기서, yi는 추적 얼굴객체, nd는 총 프레임 수, n은 검출 프레임 수이다.
  6. 제 5 항에 있어서,
    상기 추적 빈도수 확률을 계산하는 단계 이후에,
    상기 추적리스트의 얼굴객체들 중, 추적 빈도수 확률이 임계확률 이하인 얼굴객체들을 상기 추적리스트에서 삭제하는 단계를 더 포함하는 것을 특징으로 하는 영상 내 얼굴객체 추적방법.
  7. 제 6 항에 있어서,
    상기 추적리스트에서 삭제하는 단계 이후에,
    상기 추적리스트에 동일한 얼굴객체가 존재할 경우 어느 하나의 얼굴객체를 상기 추적리스트에서 삭제하는 단계를 더 포함하는 것을 특징으로 하는 영상 내 얼굴객체 추적방법.
  8. 제 7 항에 있어서,
    상기 이전 얼굴객체는 얼굴객체의 아이디, 영상좌표, 영역, 입력된 영상들의 총 프레임 수, 상기 이전 얼굴객체가 검출된 검출 프레임 수의 정보로 이루어지고,
    상기 아이디 정보가 동일한 얼굴객체들 중 총 프레임 수 정보가 더 낮은 얼굴객체가 상기 추적리스트에서 삭제되는 것을 특징으로 하는 영상 내 얼굴객체 추적방법.
  9. 컴퓨터를 기능시켜 제 1 항, 제 2 항, 제 3 항, 제 5 항, 제 6 항, 제 7 항 또는 제 8 항의 영상 내 얼굴객체 추적방법을 수행하는 프로그램이 저장된 컴퓨터로 읽을 수 있는 기록매체.
KR1020130146913A 2013-11-29 2013-11-29 빈도수 기반의 영상 내 얼굴객체 추적방법 KR101524516B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130146913A KR101524516B1 (ko) 2013-11-29 2013-11-29 빈도수 기반의 영상 내 얼굴객체 추적방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130146913A KR101524516B1 (ko) 2013-11-29 2013-11-29 빈도수 기반의 영상 내 얼굴객체 추적방법

Publications (1)

Publication Number Publication Date
KR101524516B1 true KR101524516B1 (ko) 2015-06-02

Family

ID=53490863

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130146913A KR101524516B1 (ko) 2013-11-29 2013-11-29 빈도수 기반의 영상 내 얼굴객체 추적방법

Country Status (1)

Country Link
KR (1) KR101524516B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101860562B1 (ko) 2015-09-11 2018-05-23 한국전자통신연구원 주사용자 인식 장치 및 방법
KR20200046152A (ko) * 2018-10-16 2020-05-07 서울시립대학교 산학협력단 얼굴 인식 방법 및 얼굴 인식 장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006025185A1 (ja) * 2004-08-31 2006-03-09 Matsushita Electric Industrial Co., Ltd. 監視記録装置およびその方法
KR20100007535A (ko) * 2008-07-14 2010-01-22 한국산업기술대학교산학협력단 영상 카메라 시스템에서 이동 물체 특성을 이용한 이동물체 추적 방법
KR20100105591A (ko) * 2007-11-16 2010-09-29 시리얼 테크놀로지즈 에스.에이. 양안을 찾아내어 추적하는 방법 및 장치
KR20130095095A (ko) * 2012-02-17 2013-08-27 경북대학교 산학협력단 객체 추적 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006025185A1 (ja) * 2004-08-31 2006-03-09 Matsushita Electric Industrial Co., Ltd. 監視記録装置およびその方法
KR20100105591A (ko) * 2007-11-16 2010-09-29 시리얼 테크놀로지즈 에스.에이. 양안을 찾아내어 추적하는 방법 및 장치
KR20100007535A (ko) * 2008-07-14 2010-01-22 한국산업기술대학교산학협력단 영상 카메라 시스템에서 이동 물체 특성을 이용한 이동물체 추적 방법
KR20130095095A (ko) * 2012-02-17 2013-08-27 경북대학교 산학협력단 객체 추적 장치 및 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101860562B1 (ko) 2015-09-11 2018-05-23 한국전자통신연구원 주사용자 인식 장치 및 방법
KR20200046152A (ko) * 2018-10-16 2020-05-07 서울시립대학교 산학협력단 얼굴 인식 방법 및 얼굴 인식 장치
KR102177453B1 (ko) 2018-10-16 2020-11-11 서울시립대학교 산학협력단 얼굴 인식 방법 및 얼굴 인식 장치

Similar Documents

Publication Publication Date Title
CN109325964B (zh) 一种人脸追踪方法、装置及终端
US10769454B2 (en) Camera blockage detection for autonomous driving systems
CN111242977A (zh) 全景视频的目标跟踪方法、可读存储介质及计算机设备
US9953240B2 (en) Image processing system, image processing method, and recording medium for detecting a static object
US20160140399A1 (en) Object detection apparatus and method therefor, and image recognition apparatus and method therefor
US20160321507A1 (en) Person counting method and device for same
CN109727275B (zh) 目标检测方法、装置、***和计算机可读存储介质
US20140079321A1 (en) Device and method for detecting the presence of a logo in a picture
US9152856B2 (en) Pedestrian detection system and method
US20210124928A1 (en) Object tracking methods and apparatuses, electronic devices and storage media
US9934576B2 (en) Image processing system, image processing method, and recording medium
US20180047271A1 (en) Fire detection method, fire detection apparatus and electronic equipment
US8693740B1 (en) System and method for face detection in digital images
KR20120044484A (ko) 이미지 처리 시스템에서 물체 추적 장치 및 방법
CN113420682A (zh) 车路协同中目标检测方法、装置和路侧设备
KR20220093187A (ko) 포지셔닝 방법 및 장치, 전자 기기, 컴퓨터 판독 가능 저장 매체
CN109145752B (zh) 用于评估对象检测和跟踪算法的方法、装置、设备和介质
CN111801706A (zh) 视频对象检测
US11250269B2 (en) Recognition method and apparatus for false detection of an abandoned object and image processing device
US20170091944A1 (en) Position estimating device and position estimating method
KR102022971B1 (ko) 영상의 객체 처리 방법 및 장치
US20200211202A1 (en) Fall detection method, fall detection apparatus and electronic device
CN113762220B (zh) 目标识别方法、电子设备、计算机可读存储介质
CN115049954A (zh) 目标识别方法、装置、电子设备和介质
KR101524516B1 (ko) 빈도수 기반의 영상 내 얼굴객체 추적방법

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180427

Year of fee payment: 4