[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

KR100910754B1 - 인체를 포함하는 실시간 입력 영상에서 격자기반 접근을 통한 피부 영역 검출 방법 - Google Patents

인체를 포함하는 실시간 입력 영상에서 격자기반 접근을 통한 피부 영역 검출 방법 Download PDF

Info

Publication number
KR100910754B1
KR100910754B1 KR1020070107118A KR20070107118A KR100910754B1 KR 100910754 B1 KR100910754 B1 KR 100910754B1 KR 1020070107118 A KR1020070107118 A KR 1020070107118A KR 20070107118 A KR20070107118 A KR 20070107118A KR 100910754 B1 KR100910754 B1 KR 100910754B1
Authority
KR
South Korea
Prior art keywords
grid
skin
pixel
image
foreground
Prior art date
Application number
KR1020070107118A
Other languages
English (en)
Other versions
KR20090041554A (ko
Inventor
최유주
조위덕
Original Assignee
아주대학교산학협력단
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 아주대학교산학협력단 filed Critical 아주대학교산학협력단
Priority to KR1020070107118A priority Critical patent/KR100910754B1/ko
Publication of KR20090041554A publication Critical patent/KR20090041554A/ko
Application granted granted Critical
Publication of KR100910754B1 publication Critical patent/KR100910754B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/12—Bounding box

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 인체 영상에서 격자기반 접근을 통해 피부 영역을 검출하되 임의의 격자를 피부격자로 분류하는 기준이 되는 임계값을 카메라와 인체 영상의 거리에 따라 적응적으로 변화시킴으로써 강건하고 효과적으로 피부영역 검출할 수 있도록 한 인체 영상에서 격자기반 접근을 통한 피부 영역 검출 방법에 관한 것이다.
본 발명의 인체 영상에서 격자기반 접근을 통한 피부 영역 검출 방법은 실시간 입력되는 영상으로부터 배경영상을 차분하는 (a) 단계; 상기 (a) 단계에서 차분된 전체 영상의 전체 픽셀에 대한 전경픽셀의 비율과 상기 전경픽셀에 대한 피부픽셀의 비율을 계산하는 (b) 단계; 상기 (a) 단계에서 차분된 전체 영상을 소정 크기의 격자패치로 분할한 후에 분할된 각 격자패치 내의 전체 픽셀에 대한 전경픽셀의 비율과 격자패치 내 전경픽셀에 대한 피부픽셀의 비율을 계산하는 (c) 단계; 상기 (c) 단계에서 계산된 격자패치내의 상기 전경픽셀의 비율과 상기 피부픽셀의 비율을 상기 (b) 단계에서 계산된 각 비율에 따라 적응적으로 정해지는 임계값과 비교한 결과에 따라 각 격자패치를 전경격자, 피부격자 및 배경격자로 분류하는 (d) 단계 및 상기 (d) 단계에서 분류된 격자패치 기반에 의해 레이블링을 수행하여 관심 피부영역을 바운딩 박스로 추출하는 (e) 단계를 포함하여 이루어진다.
인간-컴퓨터 상호작용, 제스처 인터페이스, 움직임 감지, 배경 차분

Description

인체를 포함하는 실시간 입력 영상에서 격자기반 접근을 통한 피부 영역 검출 방법{Method for Detecting Skin Region by Grid-Based Approach}
본 발명은 인체 영상에서 격자기반 접근을 통한 피부 영역 검출 방법에 관한 것으로, 특히 카메라로부터 다양한 거리에서 동적인 상태로 있는 인체 영상에서 격자기반 접근을 통해 강건하고 효과적으로 피부영역 검출할 수 있도록 한 인체 영상에서 격자기반 접근을 통한 피부 영역 검출 방법에 관한 것이다.
직관적인 인간과 컴퓨터 사이의 상호작용을 위한 HCI(Human Computer Interaction) 기술 중 하나로 비전기반 인터페이스 영역에 많은 관심이 집중되고 있다. 비전기반 접근은 사용자가 외부의 장비 착용 없이 자연스러운 동작을 통해 컴퓨터와의 쉬운 상호작용을 할 수 있도록 도와준다. 비전기반 접근은 주로 여러 대의 카메라로부터 입력된 영상만을 사용하므로 비용면에서 효과적인 인터페이스 시스템을 구축할 수 있다.
한편, 이러한 비전기반 상호작용은 크게 외관기반 접근방식과 특징기반 접근방식으로 구분될 수 있다. 외관기반 접근방식은 사용자의 실루엣을 분석하고 다양한 사용자의 실루엣에 따라 의미 있는 행동을 구분한다. 특징기반 접근방식은 행동 모델 정의에 사용되기 위해 미리 구축된 머리와 손 등의 특징점 혹은 특징영역에 초점을 맞춘다.
특징기반 접근방식은 외관기반 접근방식보다 빠른 속도를 갖기 때문에 실시간 구현에 적합하다. 그러나 제스처 인식의 강건함은 특징점/특징영역의 정확성에 상당히 의존하게 되며, 정확한 특징을 뽑아내는 것도 어려운 문제이다. 대부분의 특징기반 접근방식은 카메라와 객체의 거리가 고정되어 있음을 가정한다. 그렇기 때문에 카메라로부터 다양한 거리에서 동적인 상태에 있는 사람을 인식하기 어렵고, 이에 따라 특정 제스처의 인식에 한하여 구현되는 제한이 있었다.
한편, 종래의 피부 영역 검출 방법에 따르면, 전체 영상에서 기정의된 피부색깔을 갖는 픽셀들이 소정 갯수 이상만큼 그룹지어 있는 영역들을 피부 영역으로 정의하고 있다. 그러나 이 방법의 경우에는 영상 노이즈에 의해 생성된 픽셀 그룹을 피부 영역으로 잘못 판별하는 등 안정적인 판별 결과를 제공하지 못하는 문제점이 있었다.
이를 감안하여, 전체 영상을 미리 정해진 크기의 격자패치들로 분할한 후에 각 격자패치 내의 전체픽셀에 대한 전경픽셀 비율과 전경픽셀에 대한 피부픽셀 비율을 미리 정해진 임계값들과 비교한 결과에 따라 각각의 격자패치를 배경격자, 전경격자 또는 피부격자로 구분하는 방식에 의해 관심이 되는 피부영역을 검출하는 방법이 제안되어 있다. 그러나 이 방법에 따르면, 각 격자패치 내의 전체픽셀에 대한 전경픽셀 비율이나 전경픽셀에 대한 피부픽셀 비율이 비록 동일하더라도 카메라와 객체(이하 인체로 한정하여 설명한다)와의 거리에 따라 당해 격자패치에 대한 분류가 달라져야 함에도 불구하고 이러한 분류의 기준이 되는 임계값이 카메라와 인체 사이의 거리에 관계없이 고정되어 있기 때문에 검출의 정확도가 떨어진다는 문제점이 있었다.
본 발명은 전술한 문제점을 해결하기 위해 안출된 것으로서, 인체 영상에서 격자기반 접근을 통해 피부 영역을 검출하되 임의의 격자를 피부격자로 분류하는 기준이 되는 임계값을 카메라와 인체 영상의 거리에 따라 적응적으로 변화시킴으로써 강건하고 효과적으로 피부영역 검출할 수 있도록 한 인체 영상에서 격자기반 접근을 통한 피부 영역 검출 방법을 제공함을 목적으로 한다.
전술한 목적을 달성하기 위한 본 발명의 인체 영상에서 격자기반 접근을 통한 피부 영역 검출 방법은 실시간 입력되는 영상으로부터 배경영상을 차분하는 (a) 단계; 상기 (a) 단계에서 차분된 전체 영상의 전체 픽셀에 대한 전경픽셀의 비율과 상기 전경픽셀에 대한 피부픽셀의 비율을 계산하는 (b) 단계; 상기 (a) 단계에서 차분된 전체 영상을 소정 크기의 격자패치로 분할한 후에 분할된 각 격자패치 내의 전체 픽셀에 대한 전경픽셀의 비율과 격자패치 내 전경픽셀에 대한 피부픽셀의 비율을 계산하는 (c) 단계; 상기 (c) 단계에서 계산된 격자패치내의 상기 전경픽셀의 비율과 상기 피부픽셀의 비율을 상기 (b) 단계에서 계산된 각 비율에 따라 적응적으로 정해지는 임계값과 비교한 결과에 따라 각 격자패치를 전경격자, 피부격자 및 배경격자로 분류하는 (d) 단계 및 상기 (d) 단계에서 분류된 격자패치 기반에 의해 레이블링을 수행하여 관심 피부영역을 바운딩 박스로 추출하는 (e) 단계를 포함하여 이루어진다.
전술한 구성에서, 상기 배경영상은 HSI 컬러모델로 구축되고, 전경픽셀과 배경픽셀의 구분은
Figure 112007076100566-pat00001
에 의해 이루어지되,
Figure 112007076100566-pat00002
는 픽셀
Figure 112007076100566-pat00003
의 분류결과이고,
Figure 112007076100566-pat00004
와
Figure 112007076100566-pat00005
는 현재 프레임의 영상에서 픽셀
Figure 112007076100566-pat00006
의 색상과 채도 값이며,
Figure 112007076100566-pat00007
,
Figure 112007076100566-pat00008
,
Figure 112007076100566-pat00009
및
Figure 112007076100566-pat00010
는 저장된 배경의 평균 영상과 분산 영상의 픽셀
Figure 112007076100566-pat00011
의 색상의 평균, 채도의 평균, 색상의 분산 및 채도의 분산을 의미하고,
Figure 112007076100566-pat00012
과
Figure 112007076100566-pat00013
는 임계값의 범위를 결정하는 상수이다.
한편, 상기 격자패치는 8*8 픽셀로 이루어진 것이 바람직하다.
본 발명의 인체 영상에서 격자기반 접근을 통한 피부 영역 검출 방법에 따르면, 전경과 배경 정보를 저장하고 있는 격자패치 영상을 사용하여 저 해상도의 피 부영역을 효과적으로 레이블링할 수 있고, 이에 따라 노이즈에 의한 예기치 못한 인위적 결함을 줄일 수가 있다. 나아가, 동일 영역으로 레이블링된 피부영역의 바운딩 박스는 전경픽셀의 숫자와 현재 영상에서의 피부영역 픽셀의 비율에 대하여 적응적 임계값을 적용함으로써 인체가 카메라로부터의 거리에 상관없이 성공적으로 검출될 수 있다.
본 발명의 검출 방법은 한정된 공간 안에서의 단일 사용자 게임의 직관적인 인터페이스에 유용하게 적용될 수 있다.
이하에는 첨부한 도면을 참조하여 본 발명의 인체 영상에서 격자기반 접근을 통한 피부 영역 검출 방법의 바람직한 실시예에 대해 상세하게 설명한다.
도 1은 본 발명의 인체 영상에서 격자기반 접근을 통한 피부 영역 검출 방법을 설명하기 위한 흐름도이다. 도 1에 도시한 바와 같이, 먼저 단계 S10에서는 전처리 과정(이런 의미에서 점선 블록으로 도시하고 있다)으로 인체가 위치할 장소의 배경영상을 촬영한 후에 이렇게 촬영된 배경영상의 각 픽셀별 평균과 표준편차 등을 구하여 배경 모델링을 수행하는데, 예를 들어 HSI 컬러모델을 사용하여 배경 모델링을 수행한다.
HSI 컬러모델은 색도(Hue), 채도(Saturation)와 명암(Intensity) 요소로 구성된다. 색도 요소는 색상 자체의 특정한 값을 표현하기 때문에 조명 변화에 관계없이 안정적인 값을 제공한다. 채도는 색상의 순도를 표현한다. 한편, 이와 같은 전처리, 즉 HSI 컬러공간에서의 배경영상을 획득하기 위해 소정 시간, 예를 들어 약 50 프레임에 상당하는 시간 동안의 훈련 과정을 거쳐 배경영상의 색도와 채도 값에 대한 가우시안(Gaussian) 배경모델을 만든다.
다음으로, 단계 S20에서는 연속적으로 입력되는 상기 배경영상 하의 인체가 포함된 일련의 영상, 예를 들어 카메라로부터 실시간으로 입력되는 상기 배경영상 하의 인체가 포함된 영상으로부터 단계 S10에서 구축된 배경영상을 차분한다. 만약 한 픽셀에서의 차분값이 임계값보다 크면 그 픽셀은 전경픽셀로 결정된다. 전경픽셀과 배경픽셀의 구분은 아래의 수학식 1과 같은 계산을 통하여 얻을 수 있다.
Figure 112007076100566-pat00014
위의 수학식 1에서,
Figure 112007076100566-pat00015
는 픽셀
Figure 112007076100566-pat00016
의 분류결과이며,
Figure 112007076100566-pat00017
와
Figure 112007076100566-pat00018
는 현재 프레임의 영상에서 픽셀
Figure 112007076100566-pat00019
의 색상과 채도 값이다.
Figure 112007076100566-pat00020
,
Figure 112007076100566-pat00021
,
Figure 112007076100566-pat00022
그리고
Figure 112007076100566-pat00023
는 저장된 배경의 평균 영상과 분산 영상의 픽셀
Figure 112007076100566-pat00024
의 색상의 평균, 채도의 평균, 색상의 분산 그리고 채도의 분산을 의미한다.
Figure 112007076100566-pat00025
과
Figure 112007076100566-pat00026
는 임계값의 범위를 결정하는 상수값이다. 전경픽셀들 중에서 피부영역 픽셀 집합
Figure 112007076100566-pat00027
는 아래의 수학식 2를 사용하여 구해진다.
Figure 112007076100566-pat00028
위의 수학식 2에서 피부영역은, 예를 들어 20명의 아시아인의 피부색을 분석하여 얻어진 값을 적용할 수 있다.
도 2는 648*468 해상도의 다수의 원영상과 이에 대한 배경차분 결과영상을 보인 예시 사진인바, 비피부영역은 붉은색으로, 피부영역은 노란색으로 표시되고 있다.
다시 도 1로 돌아가서, 단계 S30에서는 배경차분에 의해 얻어진 전체영상 내에서 전경픽셀의 비율과 피부픽셀의 비율을 계산하고, 다시 단계 S40에서는 단계 S30에서 계산된 비율에 적응적인 임계값을 적용하여 미리 정해진 크기, 예를 들어 8*8 픽셀로 정의된 격자패치에 포함된 격자영상을 배경격자, 피부격자 또는 피부를 제외한 일반적인 전경격자로 정의하게 된다.
이를 보다 상세하게 설명하면, 배경차분에 의해 얻어진 영상은 소정 크기, 예를 들어 8*8 픽셀로 정의된 격자패치(
Figure 112007076100566-pat00029
)로 구획되고, 이후에 각각의 격자패치(
Figure 112007076100566-pat00030
)에 포함된 전경픽셀과 피부픽셀의 수가 계산된다. 그리고 격자패 치(
Figure 112007076100566-pat00031
)에 포함된 64개의 픽셀 중에서 전체픽셀에 대한 전경픽셀 비율(
Figure 112007076100566-pat00032
)과 전경픽셀에 대한 피부픽셀의 비율(
Figure 112007076100566-pat00033
)이 각 격자패치의 특징값으로 사용되는데, 이들은 아래의 수학식 3 및 4에 의해 산출된다.
Figure 112007076100566-pat00034
Figure 112007076100566-pat00035
각각의 격자패치(
Figure 112007076100566-pat00036
)는 위의 두가지 패치 특징값인
Figure 112007076100566-pat00037
와
Figure 112007076100566-pat00038
을 기본으로 하여, 배경격자, 피부격자 및 전경격자 중에서 어느 하나로 분류된다. 전경과 배경 정보를 저장하고 있는 각 격자 영상은 주어진 원 영상의 1/64에 해당하는 해상도를 갖는다.
한편, 카메라와 인체와의 거리에 상관없이 격자패치를 정확하게 분류하기 위해서는 패치 특징값인
Figure 112007076100566-pat00039
와
Figure 112007076100566-pat00040
에 대한 적절한 임계값을 결정해야 하므로 패치 분류에서 적절한 두 개의 패치 특징값을 얻기 위해 히스토그램을 분석한다. 우 선, 배경차분에 의해 얻어진 전체영상의 전체픽셀에 대한 전경픽셀의 비율(
Figure 112007076100566-pat00041
)과 전경픽셀에 대한 피부픽셀의 비율(
Figure 112007076100566-pat00042
이 각 격자패치를 분류하는데 기준이 되는 임계값을 결정하기 위해 아래의 수학식 5 및 6과 같이 계산된다.
Figure 112007076100566-pat00043
Figure 112007076100566-pat00044
도 3은 카메라로부터 서로 다른 거리에 있는 인체로부터 획득된 두 인체 영상 예시도로서, (a)와 (b)의 영상에서 전체픽셀에 대한 전경픽셀의 비율은 각각 10.73%와 20.2%로 상이하고, 전경픽셀에 대한 피부픽셀의 비율 역시 각각 3.5%와 11.2%로 상이하다. 따라서, 도 3의 (a) 및 (b) 영상의 임의의 격자패치에 대한 두 개의 패치 특징값인
Figure 112007076100566-pat00045
와
Figure 112007076100566-pat00046
이 비록 동일하다 하더라도 당해 격자패치를 분류하는데 기준이 되는 임계값은 (a) 및 (b) 영상에서 다르게 정해지는 것이 바람직하다.
이를 위해 두 개의 패치 특징값인
Figure 112007076100566-pat00047
와
Figure 112007076100566-pat00048
에 대해 히스토그램을 생성한다. 즉, 모든 격자패치에 대해 전경픽셀의 비율(
Figure 112007076100566-pat00049
이 구해진다. 히스토그램에서 조건을 만족하는 격자패치의 개수는 분할되어지는 격자의 수에 의해 정규화된다. 격자에서 전경픽셀에 대한 피부픽셀의 비율(
Figure 112007076100566-pat00050
)은 전경픽셀이 존재하는 구획에 대해 구해진다. 이 히스토그램의 조건을 만족하는 패치의 개수는 전경픽셀을 하나 이상 포함하는 구획의 개수에 의해 정규화되어진다.
한편, 두 개의 패치 특징값인
Figure 112007076100566-pat00051
와
Figure 112007076100566-pat00052
에 대한 임계값
Figure 112007076100566-pat00053
와
Figure 112007076100566-pat00054
는 아래의 수학식 7 및 8과 같이 정의된다.
Figure 112007076100566-pat00055
Figure 112007076100566-pat00056
위의 수학식 7 및 8에서,
Figure 112007076100566-pat00057
이고,
Figure 112007076100566-pat00058
이다.
그리고 각각의 격자패치(
Figure 112007076100566-pat00059
)는 위의 수학식 7 및 8에 의해 각각 구해진 임계값
Figure 112007076100566-pat00060
및
Figure 112007076100566-pat00061
에 기반하여 아래의 수학식 9와 같이 3개의 그룹, 즉 전경격자, 피부격자 및 배경격자 중의 하나로 분류된다.
Figure 112007076100566-pat00062
도 4는 도 3의 영상에 대한 히스토그램이다. 도 4에서 검정색 막대는 원거리 객체(인체) 및 근거리 객체(인체)의 각각에서 전경격자와 피부격자를 결정하기 위한 임계값을 나타내는바, 전경격자의 경우에는 근거리 객체보다 원거리 객체에서 그 임계값이 상대적으로 낮게 정해지고, 반면 피부격자의 경우에는 원거리 객체보다 근거리 객체에서 그 임계값이 상대적으로 낮게 정해진다.
도 5는 도 3의 영상에서 변환된 81*54(의 해상도 영상에서 추출된 격자이며) 해상도의 격자패치 영상인바, 전경영역은 푸른색으로, 피부영역은 분홍색으로 표시되고 있다.
다시 도 1로 돌아가서, 단계 S50에서는 이렇게 정의된 격자패치 영상을 기반으로 한 레이블링(Labelling)이 수행되고, 마지막으로 단계 S60에서는 피부 관심영역(ROI; Region Of Interest)이 추출된다.
이를 보다 상세하게 설명하면, 도 2 및 도 3과 같이 간단한 배경차분 영상은 피부 관심영역에 노이즈 픽셀이나 구멍이 포함되어 있다. 그러므로 이러한 배경차분 영상을 레이블링하게 되면 원하지 않는 결과를 얻게 되고, 이러한 현상은 영상의 해상도가 높을수록 심화되게 된다.
그러나 본 발명의 검출 방법을 사용하면 피부영역이 낮은 해상도로 레이블링되기 때문에 노이즈 픽셀 등의 예기치않은 인위적 결함이 있을 경우에도 좋은 성능을 기대할 수 있다. 본 발명의 검출 방법에서는 각 격자패치에 connected component labeling 알고리즘을 적용하여 피부영역을 레이블링하고 있는바, 만약 같은 레이블로 지정된 영역이 너무 작다면 이 영역을 노이즈 패치로 간주하게 된다. 마지막으로 같은 피부영역으로 레이블링 된 영역을 바운딩 박스(Bounding Box; 방형 경계선) 처리함으로써 피부 관심영역을 추출하게 된다.
실험 영상 획득을 위한 카메라로 640*480 해상도로 초당 30 프레임을 획득할 수 있는 Dragonfly2 IEEE 1394 디지털 카메라를 사용하였다. 우선 소정 크기로 분할된 각각의 격자패치를, 고정된 임계값과 패치 히스토그램 분석에 기반을 둔 적응적 임계값을 사용하여 각각 분류하였다.
도 6은 격자패치의 분류에 있어서 고정적 임계값과 적응적 임계값을 적용하였을 때의 피부영역 검출 능력을 비교한 도표이다. 도 6에 도시한 바와 같이, 고정 적 임계값을 사용하여 격자패치를 분류하는 경우에 가까운 거리의 큰 피부영역은 빠르게 검출할 수 있으나 먼 거리에 있는 작은 피부영역의 피부 관심영역은 노이즈로 오분류될 수가 있다. 그러나 본 발명의 검출 방법과 같이 적응적 임계값을 적용하여 격자패치를 분류하는 경우에는 원거리의 작은 피부영역도 성공적으로 검출될 수가 있다.
본 발명의 검출 방법은 기본적으로 기정의된 피부색깔 모델에 기반을 둔 피부 픽셀 검출 방법이다. 따라서, 만약 사용자가 짧은 소매의 옷을 입었을 경우, 손과 팔 영역이 같은 피부 관심영역으로 검출될 수 있는데, 손 영역만을 정확하게 검출하기 위해서는 골격 기반의 형태 분석 기법이 더 필요할 수도 있다.
도 7은 짧은 소매의 옷을 입은 인체의 피부 관심영역의 검출 결과를 보인 영상으로, 왼쪽은 원 영상, 가운데는 검출된 피부영역이 바운딩 박스 처리된 영상이고, 오른쪽은 가운데의 확대 영상이다.
본 발명의 인체 영상에서 격자기반 접근을 통한 피부 영역 검출 방법은 전술한 실시예에 국한되지 않고 본 발명의 기술 사상이 허용하는 범위 내에서 다양하게 변형하여 실시할 수가 있다.
도 1은 본 발명의 인체 영상에서 격자기반 접근을 통한 피부 영역 검출 방법을 설명하기 위한 흐름도,
도 2는 648*468 해상도의 다수의 원영상과 이에 대한 배경차분 결과영상을 보인 예시 사진,
도 3은 카메라로부터 서로 다른 거리에 있는 인체로부터 획득된 두 인체 영상 예시도,
도 4는 도 3의 영상에 대한 히스토그램,
도 5는 도 3의 영상에서 변환된 81*54 해상도의 격자패치 영상,
도 6은 격자패치의 분류에 있어서 고정적 임계값과 적응적 임계값을 적용하였을 때의 피부영역 검출 능력을 비교한 도표,
도 7은 짧은 소매의 옷을 입은 인체의 피부 관심영역의 검출 결과를 보인 영상으로, 왼쪽은 원 영상, 가운데는 검출된 피부영역이 바운딩 박스 처리된 영상이고, 오른쪽은 가운데의 확대 영상이다.

Claims (3)

  1. 실시간 입력되는 영상으로부터 인체를 포함하지 않은 배경만을 포함한 배경영상을 차분하여 입력 영상을 구성하는 각 픽셀을 전경픽셀과 배경픽셀, 피부픽셀로 구분하는 (a) 단계;
    상기 (a) 단계에서 차분된 전체 영상의 전체 픽셀에 대한 전경픽셀의 비율
    Figure 112009023932394-pat00083
    와 상기 전경픽셀에 대한 피부색상에 포함하는 피부픽셀의 비율
    Figure 112009023932394-pat00084
    를 계산하는 (b) 단계;
    상기 (a) 단계에서 차분된 전체 영상을 소정 크기의 픽셀집합의 단위 격자패치로 분할한 후에 분할된 각 격자패치 내의 전체 픽셀에 대한 전경픽셀의 비율
    Figure 112009023932394-pat00085
    과 격자패치 내 전경픽셀에 대한 피부픽셀의 비율
    Figure 112009023932394-pat00086
    를 계산하여 각 격자패치의 특성값으로 정의하고,
    수학식
    Figure 112009023932394-pat00087
    및
    Figure 112009023932394-pat00088
    에서 정의된 바와 같이, 상기
    Figure 112009023932394-pat00089
    와 상기
    Figure 112009023932394-pat00090
    , 상기
    Figure 112009023932394-pat00091
    와 상기
    Figure 112009023932394-pat00092
    를 이용하여 격자패치를 분류하기 위한 적응적 임계값
    Figure 112009023932394-pat00093
    와
    Figure 112009023932394-pat00094
    를 계산하는 (c) 단계;
    상기
    Figure 112009023932394-pat00095
    와 상기
    Figure 112009023932394-pat00096
    를 상기 각각의 적응적 임계값
    Figure 112009023932394-pat00097
    와
    Figure 112009023932394-pat00098
    과 비교한 결과에 따라 각 격자패치를 전경격자, 피부격자 및 배경격자로 분류하는 (d) 단계 및
    상기 (d) 단계에서 분류된 격자패치로부터 피부패치를 레이블링한 후에 피부 관심영역을 바운딩 박스로 추출하는 (e) 단계를 포함하여 이루어진 인체를 포함한 실시간 입력 영상에서 격자기반 접근을 통한 피부 영역 검출 방법.
  2. 제 1 항에 있어서,
    상기 배경영상과 실시간 입력영상은 HSI 컬러모델로 구축되고,
    실시간 입력영상에 대한 전경픽셀과 배경픽셀의 구분은
    Figure 112009023932394-pat00099
    에 의해 이루어지되,
    Figure 112009023932394-pat00100
    는 픽셀
    Figure 112009023932394-pat00101
    의 분류결과이고,
    Figure 112009023932394-pat00102
    와
    Figure 112009023932394-pat00103
    는 상기 실시간 입력 영상에서 픽셀
    Figure 112009023932394-pat00104
    의 색상과 채도 값이며,
    Figure 112009023932394-pat00105
    ,
    Figure 112009023932394-pat00106
    는 상기 배경영상의 평균 영상의 픽셀
    Figure 112009023932394-pat00107
    의 색상의 평균, 채도의 평균을 의미하고,
    Figure 112009023932394-pat00108
    및
    Figure 112009023932394-pat00109
    는 상기 배경영상의 분산 영상의 픽셀
    Figure 112009023932394-pat00110
    의 색상의 분산 및 채도의 분산을 의미하고,
    Figure 112009023932394-pat00111
    과
    Figure 112009023932394-pat00112
    는 상기 임계값의 범위를 결정하는 상수인 것을 특징으로 하는 인체를 포함한 실시간 입력 영상에서 격자기반 접근을 통한 피부 영역 검출 방법.
  3. 제 1 항 또는 제 2 항에 있어서,
    상기 격자패치는 8*8 픽셀로 이루어진 것을 특징으로 하는 인체를 포함한 실시간 입력 영상에서 격자기반 접근을 통한 피부 영역 검출 방법.
KR1020070107118A 2007-10-24 2007-10-24 인체를 포함하는 실시간 입력 영상에서 격자기반 접근을 통한 피부 영역 검출 방법 KR100910754B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020070107118A KR100910754B1 (ko) 2007-10-24 2007-10-24 인체를 포함하는 실시간 입력 영상에서 격자기반 접근을 통한 피부 영역 검출 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020070107118A KR100910754B1 (ko) 2007-10-24 2007-10-24 인체를 포함하는 실시간 입력 영상에서 격자기반 접근을 통한 피부 영역 검출 방법

Publications (2)

Publication Number Publication Date
KR20090041554A KR20090041554A (ko) 2009-04-29
KR100910754B1 true KR100910754B1 (ko) 2009-08-04

Family

ID=40764562

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070107118A KR100910754B1 (ko) 2007-10-24 2007-10-24 인체를 포함하는 실시간 입력 영상에서 격자기반 접근을 통한 피부 영역 검출 방법

Country Status (1)

Country Link
KR (1) KR100910754B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101106448B1 (ko) * 2009-07-23 2012-01-18 정선태 지능 영상 감시를 위한 이동 객체 실시간 검출 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990034361A (ko) * 1997-10-29 1999-05-15 구자홍 동영상을 이용한 객체 추출방법
KR20060097400A (ko) * 2005-03-09 2006-09-14 전남대학교산학협력단 가상의 격자형 평면을 이용한 동작 인식 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990034361A (ko) * 1997-10-29 1999-05-15 구자홍 동영상을 이용한 객체 추출방법
KR20060097400A (ko) * 2005-03-09 2006-09-14 전남대학교산학협력단 가상의 격자형 평면을 이용한 동작 인식 방법

Also Published As

Publication number Publication date
KR20090041554A (ko) 2009-04-29

Similar Documents

Publication Publication Date Title
Thakur et al. Face detection using skin tone segmentation
EP2980755B1 (en) Method for partitioning area, and inspection device
Rahim et al. Hand gesture recognition based on optimal segmentation in human-computer interaction
KR101853006B1 (ko) 깊이영상에서 코 검출을 이용한 얼굴 인식
KR20160143494A (ko) 현저성 정보 취득 장치 및 현저성 정보 취득 방법
JP2007257087A (ja) 肌色領域検出装置及び肌色領域検出方法
McBride et al. A comparison of skin detection algorithms for hand gesture recognition
JP6157165B2 (ja) 視線検出装置及び撮像装置
Lakshmi et al. Segmentation algorithm for multiple face detection in color images with skin tone regions using color spaces and edge detection techniques
Yogarajah et al. A dynamic threshold approach for skin tone detection in colour images
JP5338762B2 (ja) ホワイトバランス係数算出装置及びプログラム
KR101027157B1 (ko) 최대마진분류기를 이용한 의상 분류 방법
KR101408344B1 (ko) 얼굴 검출 장치
KR100910754B1 (ko) 인체를 포함하는 실시간 입력 영상에서 격자기반 접근을 통한 피부 영역 검출 방법
Odetallah et al. Human visual system-based smoking event detection
Taha et al. Moving shadow removal for multi-objects tracking in outdoor environments
KR101357581B1 (ko) 깊이 정보 기반 사람의 피부 영역 검출 방법
JP6429323B2 (ja) オブジェクト抽出方法および装置
Lin et al. Foreground object detection in highly dynamic scenes using saliency
De Siqueira et al. Adaptive detection of human skin in color images
CN107977604B (zh) 一种基于改进聚合通道特征的手部检测方法
JP6618438B2 (ja) 前景領域抽出装置、方法、及びプログラム
Alzubaydi et al. Face Clip Detection System Using HSV Color Model
KR20160017152A (ko) 이진 하르 캐스케이드에 기반한 성별 분류 방법
KR101067516B1 (ko) 정규 상관도와 누적영상을 이용한 고속 그림자 제거 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130710

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20140701

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20150619

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20160704

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20170703

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20180704

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20190702

Year of fee payment: 11