Haar Feature Selection

 

1. Background

 

사람의 얼굴에는 다음과 같은 특징들이 있다.

1. 눈가 주변은 얼굴의 다른 곳 보다 입체적으로 보았을 경우 어둡다.

2. 눈(Eyes)에 비해 코는 밝다.

3. 눈, 코, 입은 모든 사람들이 얼굴 내 특정한 위치에 존재한다.

 

즉, 종합적으로 보았을때 사람 얼굴 내 특정 위치에 존재하는 무엇인가를 어둡고 밝은 명암비를 값을 통해

영상 내에서 얼굴 검출(Face Detection)이 가능하다는 것이다.

 

명암비 계산을 토대로 검출을 하기 위해 주로 사용하는 것이 Haar Feature이다.

---

2. Concept

 

Cascade Classifier는 많은 양의 Positive Image(검출을 원하는 대상)과 Negative Image(원하는 대상이

아닌 이외의 영상)를 통해 학습시킨후, Feature(특징)을 추출한다.

 

이 과정을 위해, 일반적으로 얼굴 검출 과정에서는 그림 1.과 같은 Haar Feature를 사용한다.

 

그림 1. Haar feature example

Haar Feature는 입력 영상에 대해 Convolution Kernel(컨볼루션 커널)과 비슷하게 동작한다.

 

즉, 입력 영상과 커널이 존재하게 되면, 영상 Matrix의 시작점인 (1, 1)에서 커널을 순차적으로 이동시켜 Convolution 연산을 진행한다.

 

그림 2. Convolution operation

---

 

그림 3. Haar feature example with matrix component

그림 3.은 그림 1.의 형태가 Matrix 성분 요소로 어떻게 구성되어 있는지를 표현한 것이다.

 

Haar Feature는 앞선 Convolution(합성곱) 연산과 비슷한 과정을 통해 얻는데 (1)번과 (2)번의 경우 Feature 값은 두 사각 영역 내부에 있는 픽셀들을 합한다.

 

이후, 검은색 영역의 합에서 흰색 영역의 합을 빼서 구한다.

 

(3)번의 경우에는 중앙에 있는 검은색 사각 영역 내부의 픽셀 합에서 양 옆에 존재하는 2개의 흰색 영역의

내부 픽셀 합의 값을 빼서 구한다.

 

(4)번의 경우에는 대각선에 위치한 영역간의 차이를 통해 구한다.