메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
주명호 (가톨릭대학교) 강행봉 (가톨릭대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회논문지 : 소프트웨어 및 응용 정보과학회논문지 : 소프트웨어 및 응용 제39권 제2호
발행연도
2012.2
수록면
109 - 117 (9page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
얼굴의 3차원 정보를 인식하기 위해서는 3D 스캐너, 깊이 카메라 등과 같은 고가의 장비가 요구된다. 본 논문에서는 손쉽게 획득 가능한 2차원의 얼굴 영상을 학습하여 3차원으로 변화하는 사용자 얼굴의 포즈 (X, Y, Z축 이동 및 회전) 및 얼굴 표정 변화에 대한 3차원 얼굴 정보의 효과적인 추적, 피팅(Fitting) 방법을 제안한다. 제안된 방법은 학습된 2차원의 얼굴 형태와 3차원의 깊이 정보를 결합하여 입력 얼굴을 피팅하기 때문에 입력 얼굴의 3차원 얼굴 포즈가 학습 영상에 의존적이지 않으며 사전 학습되지 않은 얼굴 포즈에 대해서도 효과적인 3차원 얼굴 피팅을 수행한다. 본 논문에서는 사용자의 얼굴 표정변화를 학습하기 위해 먼저 사용자의 정면 얼굴에 대한 표정 변화를 Active Appearance Models을 이용하여 학습한다. 그리고 정면, 측면의 얼굴 포즈를 갖는 3장의 영상으로부터 얼굴의 깊이 정보를 추정하고 추정된 깊이 정보와 학습된 AAM을 결합하여 얼굴의 3차원 정보를 피팅한다. 또한 얼굴의 포즈 변화는 3차원 회전을 포함하기 때문에 자기 가림(Self-Occlusion)이 발생된다. 본 논문에서는 이러한 자기 가림이 발생된 영역에 대해 정규 얼굴(Normalized face)의 가중치를 부여함으로써 보다 정확한 3차원 얼굴 피팅을 수행한다. 본 논문에서 제안된 방법은 얼굴의 다양한 표정 변화와 함께 3차원의 얼굴 포즈 변화를 포함한 실험 영상을 이용하여 기존의 AAM 및 View-based AAM에 비해 정확한 얼굴 피팅을 수행할 수 있음을 보인다.

목차

요약
Abstract
1. 서론
2. Active Appearance Model
3. 3차원 깊이 추정
4. 3차원 얼굴 피팅
5. 실험 결과
5. 결론
참고문헌

참고문헌 (15)

참고문헌 신청

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2013-569-001481108