얼굴 구성 요소의 특징 분류를 통한 관상 정보 자동 생성 = Automatic Generation of Physiognomic Information by Feature Classification of Facial Components

국문 초록 (Abstract)

본 논문에서는 얼굴의 크기, 입의 크기 등의 얼굴 구성 요소의 특징 분석에 기반한 자동화된 관상 정보 생성 시스템을 제안한다. 자동화된 관상 정보 생성 시스템을 위하여, 첫번째로, 입력된 영상에서 Support Vector Machine (SVM)을 이용하여 얼굴 영역을 검출한다. 두번째로, 검출된 얼굴 영역에서 Active Appearance Model (AAM)을 이용하여 얼굴의 특징점을 추출한다. 그리고, 추출된 얼굴 특징점으로부터 얼굴 구성 요소의 특징 및 성별 분류를 위한 22개의 특징 정보를 추출하고, 성별 분류 및 얼굴 특징점 분류를 위해 SVM을 적용한다. 마지막으로, 얼굴 구성 요소의 분석 결과와 성별 분류 결과를 종합하여 관상 정보를 자동으로 생성한다. 실험 결과, 제안된 방법은 얼굴 구성 요소 분석 및 관상 정보 생성을 위한 효율적인 방법임을 보여준다.

다국어 초록 (Multilingual Abstract)

In this paper, we present an implementation of automatic physiognomic analysis based on the analysis of features of facial components such as eye size, mouth size, and so on. The facial region is detected from an input image to analyze the various features of facial components. The Active Appearance Model (AAM) is used to extract facial feature points. From these facial feature points, 22 measurements are computed to distinguish each facial component into defined classes and the gender of a subject. The Support Vector Machine (SVM) is applied for gender and facial feature classification. After classifying facial components with each classification criterion and the gender of a subject, physiognomic information is generated by combining the classified results of each classification criterion and the gender of the subject. The experimental results demonstrate that the proposed method is an effective solution for solving the problem of facial feature analysis and generating physiognomic information of the subject.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 얼굴 특징 분석
• 3. 관상 정보의 자동 생성 시스템
• 4. 실험 결과 및 분석
• 5. 결론 및 향후 연구 방향
• 참고문헌

참고문헌 (Reference)

1 K. Messer, "XM2VTSDB: The Extended M2VTS Database" 22-23, 1999

2 J.C. Liggett, "The Human Face" Stein & Day 1974

3 B.A. Golomb, "SEXNET: A Neural Network Identifies Sex from Human Faces" 572-577, 1991

4 Y. Tian, "Recognizing Action Units for Facial Expression Analysis" 23 (23): 97-115, 2001

5 M.-C. Roh, "Performance Analysis of Face Recognition Algorithms on Korean Face Database" 21 (21): 1017-1033, 2007

6 M. Bartlett, "Measuring Facial Expressions by Computer Image Analysis" 36 : 253-264, 1999

7 D. Xi, "Face Detection and Facial Component Extraction by Wavelet Decomposition and Support Vector Machines" 199-207, 2003

8 D.I. Perrett, "Effects of Sexual Dimorphism on Facial Attractiveness" 394 : 884-887, 1998

9 W.-S. Back, "Creative Face Reading and Palm Reading" GARAM Publisher 1998

10 P. Ekman, "Constants across Cultures in the Face and Emotion" 17 (17): 124-129, 1971

11 H.-D. Yang, "Automatic Physiognomic Analysis by Classifying Facial Components Features" 1212-1215, 2006

12 B. Fasel, "Automatic Facial Expression Analysis: A Survey" 36 : 259-275, 2003

13 T.F. Cootes, "Active Appearance Models" 23 (23): 681-685, 2001

14 C.H. Hsu, "A Comparison of Methods for Multiclass Support Vector Machines" 13 (13): 415-425, 2002