Face detection task can be considered as a classifier training problem. It is a process to find the parameters of the classifier model by using the training data. To solve such a complex problem, evolutionary algorithm (EA) is employed. This thesis proposes two face detection methods to improve the detection accuracy and the computation time. In the first detector, EA is employed to estimate the parameters of discriminant function with principal component analysis (PCA). The proposed face detection system is characterized by EA-based two-layered classifier, which is designed with a cascade structure for efficient performance and computation. The experimental results show that EA-based estimation of face model has better detection accuracy than maximum likelihood estimation, while both classifiers have the same computation effort. In the second detector, evolutionary pruning is proposed to reduce the number of weak classifiers in each stage of cascade while maintaining the detection accuracy. The computation time is proportional to the number of weak classifiers and therefore the reduction causes fast detection speed. The pro-posed cascade structure experimentally proves its efficient computation time. It is also compared with the state-of-the-art face detectors and the results show that the proposed method outperforms the previous studies. A multi-view face detector is constructed by incorporating the three face detectors: frontal, left profile and right profile. For real-time applications, the proposed face detector is applied to the automatic face recognition system and interaction with artificial creature.
본 논문에서는 진화 알고리즘을 이용한 두 가지 얼굴 검출 방법을 제안한다. 얼굴 검출은 분류기 설계 문제로 볼 수 있으며, 분류기의 성능은 높은 검출률과 낮은 오검출률을 동시에 만족하는 검출의 정확도 측면과 계산 시간 측면으로 나누어진다. 각각의 경우에 대해서 진화 알고리즘을 이용한 개선된 성능의 검출기를 제안한다.
검출의 정확도를 향상시키기 위해서 PCA방법과 가우시안 모델을 가지는 분류기의 파라미터를 추정하는 문제에 진화 알고리즘이 도입된다. 전체 검출기 구성에서 2단 구조를 가지는 분류기가 주된 결정을 수행한다. 2단 구조를 가지는 분류기의 첫 번째 단에서는 수많은 입력 영상들을 한정적인 집합의 영상으로 줄이는 역할을 담당한다. 두 번째 단에서는 한정적인 집합의 영상들을 얼굴과 얼굴이 아닌 집합으로 분류하는데 초점을 둔다. 두 번째 단에서 분류기의 파라미터 추정을 위해서 진화 알고리즘이 적용된다. 얼굴 집합과 얼굴에 유사한 집합에 대해서 각각 분류 함수를 만들고 학습 영상들에 대해서 우수한 판단을 할 수 있는 파라미터를 찾는다. 두 가지 분류 함수에 의해서 입력 영상이 얼굴인지 아닌지 판단한다. 진화 알고리즘으로 찾은 분류기와 ML 추정에 의한 분류기를 비교하여 동일한 계산 시간에서 검출의 정확도를 비교한다.
검출 속도를 향상시키기 위해서 분류기 구조에 대한 최적화 방법을 제안한다. 실시간 검출을 위해서 여러 단을 가지는 분류기에 진화적 가지치기 방법이 소개된다. 각각의 단을 구성하는 분류기는 다시 여러 개의 약분류기로 구성되는데, 약분류기의 개수는 계산 시간에 직접적인 영향을 준다. 동일한 검출률과 오검출률을 만족하는 조건에서 약분류기의 개수를 줄이게 되면 검출 시간을 줄일 수 있다. 진화적 가지치기는 약분류기 사이의 의존도를 분리하면서 전체 결정에 기여도가 낮은 약분류기를 하나씩 제거한다. 줄어든 개수의 약분류기로 이루어진 구조가 기존 AdaBoost 방법에 의해 구성된 구조 보다 효율적임을 보인다. 또한 검출기의 성능을 기존의 검출 방법과 비교하여 우수성을 입증한다. 정면 얼굴뿐만 아니라 측면 얼굴 검출기를 구성하여 여러 각도의 얼굴을 검출한다.
얼굴 인식 시스템과 인공 생명체와의 상호작용에 적용한 결과를 통하여 제안된 실시간 얼굴 검출기의 효용성을 보인다.
