공학논문작성법 (8강) 영문 공학논문 작성법 2016년 1학기 Outline version 1 피드백

Presentation on theme: "공학논문작성법 (8강) 영문 공학논문 작성법 2016년 1학기 Outline version 1 피드백"— Presentation transcript:

1 공학논문작성법 (8강) 영문 공학논문 작성법 2016년 1학기 Outline version 1 피드백
(2) 영문 abstract version 2 피드백 (3) 논문작성을 위한 English expression 모음

2 (박사과정 1년차 학생의 outline version1 예)

3 Computer vision & Image Processing Lab.
Face Detection Algorithm using Skin Color and Depth Information for Kinect 윤영지 Computer vision & Image Processing Lab.

4 Abstract 초안 [1-1] 최근 인공지능, 자동화 시스템 분야에 대한 관심이 집중되고 있다. [1-2] 그 중에서도 자동화된 얼굴 분석 시스템에 관한 연구가 활발하게 진행되고 있다. 얼굴 인식, 얼굴 트래킹, 얼굴 감정 인식 등은 얼굴 분석에 사용되는 알고리즘으로 얼굴 검출은 얼굴 분석에 전처리 과정으로 사용된다. [2] 하지만 얼굴을 검출하는 것은 조명, 주변 환경 조건, 검출되는 대상의 자세 등에 영향을 받기 때문에 현재까지도 시스템의 보완이 요구되어진다. [3-1] 본 논문에서는 키넥트 디바이스에서 피부색 검출과 깊이 정보를 기반으로 한 얼굴 검출 알고리즘을 제안한다. [3-2] 제안된 알고리즘은 조명과 배경 등의 영향을 받지 않고, 하나 또는 그 이상의 얼굴을 검출할 수 있다.

5 Abstract 초안 (영문)

6 Introduction : technical background
• 얼굴 검출은 얼굴 분석 시스템(얼굴 인식, 얼굴 트래킹, 얼굴 감정 인식 등)에서 전처리 과정으로 사용 • 3D 분야가 발전함에 따라 얼굴 분석 시스템에도 도입되기 시작 • 3D 디바이스에서 가격이 저렴하고 접근성이 용이한 키넥트를 사용 • 기존의 방법은 사람의 자세, 얼굴의 각도, 주변 환경의 영향에 따라 얼굴이 제대로 검출되지 않는 경우가 발생 • 본 논문에서는 사람 수, 자세, 각도, 주변 환경에 영향을 받지 않는 효율적인 얼굴 검출 알고리즘 제안 .

7 그림 2. 가우시안 혼합 모델을 이용한 피부색 모델 생성 결과
Experiment • 컬러 영상을 이용한 피부색 검출 그림 1. 피부색 학습을 위한 데이터 샘플 그림 2. 가우시안 혼합 모델을 이용한 피부색 모델 생성 결과 → 140개의 Caucasian과 Asian의 영상을 학습 데이터 베이스로 생성하고 하나의 영상 당 약 10,000개 정도의 피부색 픽셀을 학습에 사용하였다. 피부색 모델은 가우시안 혼합 모델을 이용하여 생성하였다. 7

8 Experiment • 컬러 영상을 이용한 피부색 검출 • 깊이 영상을 이용한 배경 제거 (a) (b)
→ Kinect의 컬러 부분에서 피부색을 검출한다. • 깊이 영상을 이용한 배경 제거 (a) (b) 그림 4. 배경 제거 결과, (a) 원본 영상, (b) 배경 제거 영상 8 → Kinect의 깊이 영상에서 이진화를 통해 배경을 제거한다. 빠른 속도를 위해 임계 값은 깊이 값들의 평균으로 한다.

9 Experiment • 컬러 영상과 깊이 영상의 결합과 LUT를 이용한 얼굴 검출 (a) (b) (c)
그림 5. 얼굴 검출 결과, (a) 원본 영상, (b) 피부색과 깊이 영상의 결합 영상, (c) LUT를 이용한 최종 얼굴 검출 영상 → 컬러 영상에서 피부색 검출 결과와 깊이 영상에서 이진화 결과를 AND하고, 라벨링을 통해 각 영역에 해당하는 넓이를 구하고, LUT를 참고하여 노이즈를 제거한다. 9

10 Results and discussions
• 사람 수, 자세에 따른 얼굴 검출 결과 비교 (Kinect SDK vs proposed method) (a) (b) (c) 그림 6. 얼굴 검출 결과 비교, (a) 원본 영상, (b) Kinect SDK, (c) 제안한 알고리즘 → 정면을 바라보고 있는 얼굴에 대해서는 Kinect S아, 제안한 알고리즘 모두 얼굴을 잘 검출한다. 하지만, Kinect SDK 방법은 각도가 틀어지거나, 측면을 바라보고 있는 얼굴 검출이 제대로 이루어지지 않는다. 제안한 방법은 사람 수, 자세에 영향을 받지 않고 얼굴 검출 결과가 제대로 이루어진 것을 확인할 수 있다. 10

11 Results and discussions
• 사람 수, 자세에 따른 얼굴 검출 결과 비교 (Kinect SDK vs proposed method) (a) (b) (c) 그림 6. (앞에 포함) 11

12 Results and discussions
• 제안한 방법의 문제점 (a) (b) 그림 7. 제안한 방법의 문제점, (a) 원본 영상, (b) 제안한 알고리즘 → 사람의 얼굴은 모두 잘 검출하였지만, 손 부분도 얼굴로 인식된 문제점이 있다. LUT의 최적화를 통해 이것을 개선시킬 예정이다. 12

13 Conclusions • 피부색과 깊이 정보를 이용한 단일/다중 얼굴 검출 알고리즘 제안
• 사람의 자세나 얼굴의 각도에 대한 제한을 받지 않음 • LUT를 이용하여 FPR(false positive rate)를 효율적으로 감소

14 Homework #6 영문 abstract 작성의 예 (석사과정 1년차 학생)
Version 04

15

16 Homework #6 영문 abstract 작성의 예 (박사과정 1년차 학생)
Version 04

17

18 Homework #7 수업 웹하드 공지사항 폴더 확인