Computer Vision for Event/Facial Recognition and Scene Understanding
연구 내용
RGB 영상과 얼굴 데이터에서 불변 특성·맥락 지능 특징·딥러닝 모델을 결합해 이벤트 탐지, 얼굴 표정/연령 인식, 초픽셀 분할 기반 장면 이해를 수행하는 연구
한양대학교 김기범 연구실은 컴퓨터비전과 패턴인식 중심으로 영상 이해 모델을 개발합니다. 장면 인식을 위해 deep belief network 기반 scaled super pixels 분할을 활용한 멀티오브젝트 검출 및 장면 인식 체계를 구성하고, 이벤트 인식에서는 실루엣 추출과 컨텍스트-인지 특징을 결합해 다중 이벤트 탐지 성능을 높입니다. 얼굴 영역에서는 불변 특성 기반 fiducial points를 자동 검출하고, 다중 레이어 kernel sliding perceptron과 같은 분류 구성을 통해 얼굴 관련 신호를 안정적으로 처리합니다. 또한 랜드마크 위치를 기반으로 합성 얼굴 마스크 예측을 수행한 뒤 딥러닝 분류기로 표정과 연령을 동시에 추정하는 파이프라인을 제안합니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 영상에서 유의미한 특징을 추출하고 분류 성능을 높이는 전통적 패턴인식 관점에서 연구를 시작했습니다. 이후 실루엣과 맥락 지능 특징을 결합해 이벤트 탐지 문제로 확장하고, SOM과 유전 알고리즘을 적용해 벡터 최적화를 수행하는 방식으로 성능을 개선했습니다. 동시에 초픽셀 분할과 deep belief network를 연결해 장면 이해와 검출을 통합적으로 다루는 연구를 진행했습니다. 최근에는 얼굴 표정·연령 인식을 목표로 랜드마크 기반 전처리와 합성 마스크 예측을 포함한 딥러닝 파이프라인으로 확장하며, 불변 특성 기반 점 검출까지 포괄하는 방향으로 연구를 축적하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Maximum entropy scaled super pixels segmentation for multi-object detection and scene recognition via deep belief network
Multiple Events Detection Using Context-Intelligence Features
Automatic Fiducial Points Detection for Multi-facial Expressions via Invariant Features and Multi-layer Kernel Sliding Perceptron
Automated Facial Expression Recognition and Age Estimation Using Deep Learning