영역기반 피부영역검출을 위한 최소차원의 특징벡터공간 생성에 관한 연구 = The Feature Vector Space of Minimal Dimensionality for Region Based Skin Color Segmentation

국문 초록 (Abstract)

본 논문에서는 효율적인 영역기반 피부 영역검출에의 적용을 위해 검출성능의 저하가 없이 최소차원의 특징벡터공간을 생성하는 방법을 제안하고 실험하였다. 제안한 방법은 입력 영상을 조각영상으로 분할하고, 각 조각영상의 Hue와 Saturation 값을 하나의 패턴으로 변환하여 고차원의 분류공간으로부터 최적으로 분류가 가능한 하위공간으로 사상하여 분류를 수행한다. 이러한 과정은 조각영상 내 화소들의 공간적 상관관계를 고려함으로써 분류 성능을 높이게 된다. 오프라인 학습단계에서는 조각영상의 패턴들에 LDA(linear discriminant analysis)를 적용하여 특징벡터들로 선형변환하고, 특징벡터의 각 원소 중에서 분별력이 가장 큰 두 개의 원소(element)만으로 2차원 LDA 인덱싱 테이블을 생성한다. 온라인 검출단계에서는 미리 생성된 2차원 LDA 인덱싱 테이블 룩업을 통하여 성능의 저하 없이 계산량을 상당히 줄일 수 있게 된다. 제안된 방법을 조명 및 손의 자세를 변화시킨 다양한 영상에 적용하여 실험한 결과 양호한 검출 결과를 얻을 수 있었다.

다국어 초록 (Multilingual Abstract)

This research presents a novel method for region based skin color segmentation. It considers spatial correlation of pixel values in a local region using a feature vector space of minimal dimensionality. We have employed a 2D feature vector space that is implemented as an indexing able. The input image is divided into patch images and each patch mage is converted to a pattern vector of which elements are hue and saturation values of the pixels in the patch. These pattern vectors are classified into skin color or non-skin color regions using 2D indexing table. We show that employing this 2D indexing table gives accurate classification of high dimensional pattern vectors. At off-line learning stage, we apply LDA(linear Discriminant Analysis) to the pattern vectors from the patch images and construct a 2D indexing table of which two axes are the most discriminant elements of feature vectors, At on-line detection stage, we can achieve fast skin color segmentation by 2D indexing table lookup. We have applied our method to various images under illumination changes and different poses. The experimental results show that the performance of our method is quite robust to illumination changes and different poses.