Lesson Progress
0% Complete

얼굴 인식

지난 몇 년 동안 얼굴 인식은 가장 유망한 컴퓨터 비전 애플리케이션 중 하나가 되었습니다. 결과적으로 얼굴 인식은 얼굴 인식 작업의 중요한 부분으로 간주될 수 있습니다.

사람의 얼굴은 서로 매우 다르기 때문에 사진에서 얼굴 인식 방법은 복잡합니다! 예를 들어, 포즈, 표정, 위치 및 방향, 피부색, 안경 또는 수염 유무 등이 다를 수 있습니다. 그런 다음 카메라 게인, 조명 조건 및 이미지 해상도의 차이도 있습니다.

얼굴 감지는 이미지에서 사람의 얼굴을 찾고 선택적으로 다양한 종류의 얼굴 관련 데이터를 반환하는 작업입니다.

얼굴 인식

우리는 어떻게 얼굴을 감지합니까?

다음과 같이 얼굴을 감지하는 데 사용할 수 있는 몇 가지 방법이 있습니다.

  1. 지식 기반
  2. 기능 기반

지식 기반 탐지

지식 기반 방법은 규칙에 의존하며 인간의 지식을 기반으로 얼굴을 감지합니다.

예를 들어, 코와 입이 대칭인 두 개의 눈을 가진 얼굴이 자주 나타납니다.

얼굴 인식

장점

  1. 간단한 규칙을 생각해 내기 쉽습니다.
  2. 코딩된 규칙에 따라 입력 영상의 얼굴 특징을 먼저 추출하고 얼굴 후보를 식별합니다.

단점

  1. 인간의 지식을 규칙으로 정확하게 변환하는 것은 어렵습니다.
    1. 세부 규칙은 사람에게 두 개의 눈이 있는 것처럼 얼굴을 감지하지 못합니다. 이에 따라 이 이미지에서 얼굴이 식별되지 않습니다.
      엠마 왓슨
    2. 일반적인 규칙은 많은 잘못된 긍정을 발견할 수 있습니다: 얼굴에 눈이 있는 것과 같습니다. 이에 따르면, 이 문신에서 얼굴은 비슷하게 생긴 눈으로 식별됩니다.
  2. 이 접근 방식만으로는 충분하지 않으며 여러 이미지에서 많은 얼굴을 찾을 수 없습니다.

특징 기반 감지

특징 기반 감지는 얼굴 랜드마크로 알려진 것을 사용하여 얼굴을 감지합니다.

얼굴 랜드마크는 눈동자나 코끝과 같이 얼굴에서 쉽게 찾을 수 있는 점들의 집합입니다.

기본적으로 사전 정의된 랜드마크 포인트는 68개입니다. 다음 이미지는 모든 랜드마크 지점을 보여줍니다.

얼굴 랜드마크

특징 기반 방법은 얼굴의 얼굴 랜드마크를 추출하여 얼굴을 검출합니다.

장점

  1. 기능은 포즈 및 방향 변경에 대해 변하지 않습니다.
  2. 이 방법은 얼굴 인식 가능성이 더 높습니다.

단점

  1. 이미지의 노이즈로 인해 얼굴 특징을 찾기가 어렵습니다.
  2. 복잡한 배경에서 특징을 감지하기 어렵습니다.

결론

이 강의에서는 다양한 방법을 사용하여 이미지에서 얼굴을 감지하는 방법을 배웠습니다. 다음 항목에서는 PictoBlox에서 얼굴 감지를 위한 다양한 블록을 살펴보겠습니다.