Viola와 Jones가 제안한 에이다부스트 얼굴 검출기는 속도와 정확도면에서 매우 훌륭한 성능을 보이고 있는 얼굴 검출기이다. 하지만 에이다부스트 얼굴 검출기에도 여전히 오검출이 발생하며, 이를 줄이기 위해서는 더욱 많은 계산이 필요하다. 에이다부스트 얼굴 검출기는 흑백 영상만을 사용하므로, 색상정보를 사용하면 더 적은 연산으로 오검출율을 낮출 수 있다. 본 논문은 얼굴 색상 정보를 이용하여 대상 영상에서 부 윈도우를 효율적으로 검색하고, 에이다부스트 얼굴 검출기의 첫 단계에 계산속도가 매우 빠른 얼굴 색상을 이용한 얼굴/비얼굴 분류기를 채용하여 더 빠른 얼굴 검출 속도와 더 낮은 오검출율을 달성할 수 있는 단계별 얼굴 검출 모텔을 제안하였다. 얼굴색상 필터링을 위해 정의된 얼굴색상 소속함수를 이용하여 얼굴색상 필터 영상과 그 누적영상을 계산한다. 누적 영상에 의해 빠른 속도로 임의의 부 윈도우의 밀도를 계산할 수 있다. 제안된 검색 방법은 이 색상 밀도에 기반하여 얼굴일 가능성이 없는 부 윈도우들을 생략하게 된다. 그리고 부 윈도우의 밀도를 이용한 얼굴/비얼굴 분류기는 단계별 얼굴 검출기의 앞단에서 얼굴이 아닌 부 윈도우를 빠르게 거절한다. 제안된 얼굴 검출 모델은 적은 계산으로 오검출율을 낮출 수 있었으며, 실시간 얼굴 검출 속도를 비약적으로 향상시킬 수 있었다.
The cascade face detector learned by Adaboost algorithm, which was proposed by Viola and Jones, is state of the art face detector due to its great speed and accuracy. In spite of its great performance, it still suffers from false alarms, and more computation is required to reduce them. In this paper, we want to reduce false alarms with less computation using facial color. Using facial color information, proposed face detection model scans sub-window efficiently and adapts a fast face/non-face classifier at the first stage of cascade face detector. This makes face detection faster and reduces false alarms. For facial color filtering, we define a facial color membership function, and facial color filtering image is obtained using that. An integral image is calculated from facial color filtering image. Using this integral image, its density of subwindow could be obtained very fast. The proposed scanning method skips over sub-windows that do not contain possible faces based on this density. And the face/non-face classifier at the first stage of cascade detector rejects a non-face quickly. By experiment, we show that the proposed face detection model reduces false alarms and is faster than the original cascade face detector.
