본 연구는 칼라 이미지에서 인물의 얼굴 영역을 검출하는 개선된 색상 기반 방식을 제안한다. 제안 방법은 RGB, $YC_bC_r$, YIQ의 세 가지 색상 모델을 조합, 각각 휘도와 색도 성분 조합 히스토그램을 구축하고 구축된 색상 조합 히스토그램을 역전파방식의 신경망에 입력한 후 학습단계의 반본 과정에 Levenberg-Marquadt 알고리즘을 적용한다. 제안 방법은 신경망 학습과정에 Levenberg-Marquadt 알고리즘을 적용하여 얼굴 검출에 가장 많이 사용되는 방법 중 하나인 역전파 신경망이 지역 최소값에 봉착하는 문제점을 해결함으로써 검출 오류율을 낮추는데 기여한다. 또한 색상 조합 히스토그램을 사용한 새로운 색상 조합 기반의 얼굴 영역 검출 방법은 빛의 영향에 강건하도록 휘도 성분을 분리하고 색도 성분을 강조하여 단일 색상 히스토그램보다 신경망에 더 신뢰성 있는 값을 입력함으로써 단일 색상 공간을 사용했을 때보다 높은 얼굴 검출율을 보인다. 실험 결과는 제안 방식이 얼굴 영역 검출 개선에 효과적이며 빛의 변화에 강건함을 보여준다.
This paper proposes an enhanced skin color-based detection method to find a region of human face in color images. The proposed detection method combines three color spaces, RGB, $YC_bC_r$, YIQ and builds color union histograms of luminance and chrominance components respectively. Combined color union histograms are then fed in to the back-propagation neural network for training and Levenberg-Marquadt algorithm is applied to the iteration process of training. Proposed method with Levenberg-Marquadt algorithm applied to training process of neural network contributes to solve a local minimum problem of back-propagation neural network, one of common methods of training for face detection, and lead to make lower a detection error rate. Further, proposed color-based detection method using combined color union histograms which give emphasis to chrominance components divided from luminance components inputs more confident values at the neural network and shows higher detection accuracy in comparison to the histogram of single color space. The experiments show that these approaches perform a good capability for face region detection, and these are robust to illumination conditions.
