
초록
무제약 얼굴 검출에서 임의의 자세 변화와 가림 현상 등의 문제를 해결하기 위한 방법을 제안합니다. 첫째, 실험 심리학에서 움베르 비율(Weber Fraction)에 영감을 받아 새로운 이미지 특성인 정규화된 픽셀 차이(Normalized Pixel Difference, NPD)를 제안합니다. NPD 특성은 두 픽셀 값 간의 차이와 합의 비율로 계산되며, 크기 불변성, 유계성(bounded), 그리고 원래 이미지를 재구성할 수 있는 능력을 갖추고 있습니다. 둘째, 복잡한 얼굴 다양체(manifolds)를 학습된 규칙으로 분할할 수 있도록 최적의 NPD 특성 집합과 그 조합을 학습하는 깊은 이차 트리를 제안합니다. 이렇게 하면 무제약 얼굴 검출을 처리하기 위해 단일 소프트-캐스케이드 분류기만 필요하게 됩니다. 또한, NPD 특성이 룩업 테이블로부터 효율적으로 얻어질 수 있으며, 검출 템플릿을 쉽게 확장할 수 있어 제안된 얼굴 검출기가 매우 빠르다는 것을 보여줍니다. 세 가지 공개 얼굴 데이터셋(FDDB, GENKI, CMU-MIT)에서 수행한 실험 결과는 제안된 방법이 임의의 자세 변화와 가림 현상이 있는 복잡한 환경에서 무제약 얼굴을 검출하는 성능이 최신 기술(state-of-the-art) 수준임을 입증합니다.