제한된 특징점들을 이용한 동적 베이지안 네트워크 기반 얼굴 방향 및 표정 인식

Abstract

오늘날, 사람들간의 대화에 있어서 언어는 매우 중요한 도구이다. 또한 이러한 언어를 제외한다면 사람의 표정은 많은 정보를 제공할 수 있는 도구가 될 수 있기 때문에 표정인식은 인간-컴퓨터 상호작용(HCI)의 분야에 있어서 매우 인기 있는 연구 주제라고 할 수 있다.

그러나, 사람의 표정은 본질적으로 매우 다양하고, 또한 복잡하다. 좀 더 자세히 이야기 한다면, 사람의 얼굴에는 약 80여개의 표정을 나타내는 근육이 존재한다. 이러한 근육이 각각의 표정에 따라 움직이고 또한 각 자세에 따라 같은 표정이라 할지라도 근육의 움직이는 양이 조금씩 다르다. 이러한 세밀한 근육의 움직임을 모두 잡아내고, 또한 풍부한 사람의 표정을 모두 인식한다는 것은 매우 어려운 연구 과제라고 할 수 있다.

이러한 문제를 해결하기 위해, 본 논문에서는 첫 번째로 로컬 가보 필터 뱅크와 주성분분석(Principal Component Analysis) 알고리즘을 기반으로 완전 자동 얼굴 특징점 검출 시스템을 구축한다. 그리고 나서 표정 인식을 위한 제한된 특징점을 기반으로 하는 junction tree 알고리즘을 사용하는 동적 베이지안 네트워크가 사용된다.

제안한 방법의 평가에는, 모델 트레이닝을 위해 한국인의 얼굴 데이터 베이스를 사용했고, 테스트를 위해 CUbiC FacePix(30), FEED, 그리고 보유하고 있는 데이터 베이스가 사용됐다. 실험의 결과는 제안한 연구의 결과가 타당하다는 것을 확실히 입증하고 있다.|In daily life, language is an important tool during the communications between people. Except the language, facial actions can also provide a lot of information. Therefore, facial actions recognition becomes a popular research topic in Human-Computer Interaction (HCI) field.

However, facial actions recognition is a quite challenging task because of its complexity. In a literal sense, there are thousands of facial muscular movements many of which have very subtle di?erences. Moreover, muscular movements always occur spontaneously when the pose is changed.

To address this problem, we build fully automatic facial points detection system firstly based on local Gabor ?lter bank and Principal Component Analysis (PCA). Then a Dynamic Bayesian networks (DBNs) is proposed to perform facial actions recognition using junction tree algorithm over a limited number of feature points. In order to evaluate the proposed method, we have used the Korean face database for model training, and CUbiC FacePix, FEED, and our own database for testing. Experiment results clearly demonstrate the feasibility of the proposed approach.