[논문 리뷰] Neural Network Approach for Eye Detection

Vijaya Laxmi, P. Sudhakara Rao외 1명|arXiv (Cornell University)|2012. 05. 23.

Image and Object Detection Techniques참고 문헌 1인용 수 9

한 줄 요약

이 논문은 Gabor 필터와 SVM을 사용한 특징 추출 및 차원 축소를 거친 후 신경망 분류를 통해 눈과 비눈 영역을 구분하는 신경망 기반 눈 검출 시스템을 제안한다. 이 방법은 100张의 이미지로 구성된 데이터셋에서 다양한 조명, 자세, 표정 조건에서도 눈을 검출하는 데 98%의 성공률을 기록하여 실시간 운전사 피로 모니터링 시스템에 대한 강건성을 입증한다.

ABSTRACT

Driving support systems, such as car navigation systems are becoming common and they support driver in several aspects. Non-intrusive method of detecting Fatigue and drowsiness based on eye-blink count and eye directed instruction controlhelps the driver to prevent from collision caused by drowsy driving. Eye detection and tracking under various conditions such as illumination, background, face alignment and facial expression makes the problem complex.Neural Network based algorithm is proposed in this paper to detect the eyes efficiently. In the proposed algorithm, first the neural Network is trained to reject the non-eye regionbased on images with features of eyes and the images with features of non-eye using Gabor filter and Support Vector Machines to reduce the dimension and classify efficiently. In the algorithm, first the face is segmented using L*a*btransform color space, then eyes are detected using HSV and Neural Network approach. The algorithm is tested on nearly 100 images of different persons under different conditions and the results are satisfactory with success rate of 98%.The Neural Network is trained with 50 non-eye images and 50 eye images with different angles using Gabor filter. This paper is a part of research work on "Development of Non-Intrusive system for real-time Monitoring and Prediction of Driver Fatigue and drowsiness" project sponsored by Department of Science & Technology, Govt. of India, New Delhi at Vignan Institute of Technology and Sciences, Vignan Hills, Hyderabad.

연구 동기 및 목표

• 눈 검출을 통해 비침습적이고 실시간으로 운전사의 피로와 졸림을 모니터링할 수 있는 시스템을 개발하기 위해.
• 다양한 조도, 배경, 얼굴 정렬 및 표정 조건에서도 눈 검출 정확도를 향상시키기 위해.
• 효율적인 특징 추출 및 분류를 위해 신경망을 Gabor 필터링과 SVM과 통합하기 위해.
• 실제 환경 조건에서 다양한 조건의 100장의 이미지로 구성된 데이터셋을 기반으로 시스템을 검증하기 위해.
• 비침습적 생체 정보 모니터링을 활용한 지능형 주행 보조 시스템 개발을 지원하기 위해.

제안 방법

• 얼굴 영역을 분리하기 위해 L*a*b* 색상 공간을 사용하여 이미지에서 얼굴를 분할한다.
• 초기 색상 기반 필터링을 위해 눈 영역을 검출하기 위해 HSV 색상 공간을 사용한다.
• 눈 영역와 비눈 영역에서 무늬 특징을 추출하기 위해 Gabor 필터를 적용하여 구분 능력을 향상시킨다.
• 특징 차원 축소와 분류 효율 향상을 위해 지지 벡터 기반 기반(SVM)을 사용한다.
• 다양한 각도에서 50장의 눈 영역과 50장의 비눈 영역 이미지를 사용하여 신경망을 훈련시어 영역을 눈 또는 비눈으로 분류한다.
• 최종 검출 파이프라인은 색상 분할, 특징 추출, 신경망 분류를 통합하여 강건한 눈 위치 추적을 수행한다.

실험 결과

연구 질문

• RQ1 하이브리드 신경망과 Gabor 필터 접근법이 변동하는 조도 및 얼굴 조건에서 높은 정확도로 눈 검출을 달성할 수 있는가?
• RQ2 SVM 기반 차원 축소와 신경망 분류의 조합이 눈 영역과 비눈 영역를 구분하는 데 얼마나 효과적인가?
• RQ3 실제 환경에서 다양한 얼굴 자세와 표정을 가진 상황에서 시스템의 눈 검출 성능은 어떠한가?
• RQ4 제안된 방법은 높은 신뢰성으로 실시간 운전사 피로 모니터링을 지원할 수 있는가?
• RQ5 L*a*b*와 HSV 색상 공간의 통합은 초기 얼굴 및 눈 영역 분할 정확도를 어떻게 향상시키는가?

주요 결과

• 제안된 시스템은 다양한 조건에서 100장의 테스트 이미지에서 눈 검출에 98%의 성공률를 기록했다.
• Gabor 필터의 사용이 눈 영역 식별을 위한 무늬 기반 특징 추출에 크게 기여했다.
• SVM 기반 차원 축소가 신경망의 분류 속도와 정확도를 향상시켰다.
• 다양한 각도에서 50장의 눈 영역과 50장의 비눈 영역 이미지로 구성된 균형 잡힌 데이터셋을 사용하여 신경망을 성공적으로 훈련시켰다.
• L*a*b*와 HSV 색상 공간의 통합이 초기 얼굴 및 눈 영역 국소화 정확도를 향상시켰다.
• 이 방법은 조도 변화, 배경 변화, 얼굴 표정 차이에 대해 강력한 내성성을 보였다.