[Image Processing] Haar-like Feature

관련 출처 1 : http://sijoo.tistory.com/75

관련 출처 2 : https://en.wikipedia.org/wiki/Haar-like_features

관련 출처 3 : http://vision0814.tistory.com/113

Haar like Feature

  컴퓨터 비전 분야에 있어서 특징을 추출하여 분석하는 일은 매우 중요하다. 특징점을 추출하는 방법 중 하나인 Haar like Feature는 object recognition 분야에서 digital image feature이다. 이는 Haar wavelets 이라고도 불리며, real-time 기반의 face detector 라고 할 수 있다. 2001년 두 학자(Viola, Jones)가 "Rapid Object Detection using a Boosted Cascade of Simple Features"에서 제안한 방법이다. 

  사람의 얼굴에는 특별한 패턴이 있는데, 두 눈은 명암이 어둡고 코는 명암이 밝다 이러한 명암을 이용해 패턴을 구하는 것이다. 이것들을 Haar like feature 라고 한다. 사람의 얼굴 위에 흑백의 사각형을 겹쳐 놓은 다음 밝은 영역에 속한 픽셀 값들의 평균에서 어두운 영역에 속한 픽셀값들의 평균의 차이를 구한다. 그 차이가 Threshold 를 넘으면 사람 얼굴에 대한 Haar like Feature가 되는 것이다. 사람의 얼굴은 다양하지만 생김새의 패턴은 비슷하므로 임의의 얼굴 위에서의 특정 위치, 특정 분포에 따른 명암의 차이는 거의 없을 것이라고 판단하여 알고리즘을 만든 것이다. 

  간단한 사각형인 haar-like feature는 사각형 안의 영역에 있는 pixels의 합의 차이점이라고 할 수 있다. 보완된 feature set은 2-rectangle feature라고 할 수 있다. Viola, Jones는 3-rectangle, 4-rectangle을 정의하기도 했다. 각 feature type은 edges 나 changes와 같이 이미지 내에서 중요한 특징의 존재를 알 수 있다. 예를들어 2-rectangle feature에서는 어두운 영역과 밝은 영역 사이의 경계를 알 수 있게 된다. 

  integral images라고 불리는 합쳐진 area tables를 사용하는데, Integral images는 original image의 크기와 같은 행렬을 나타내는 2차원 lookup tables로 정의할 수 있다. 각 integral image의 요소들은 원영상의 왼쪽 맨 위에 있는 영역에 있는 모든 픽셀들의 합을 포함하게 된다. 아래 그림을 참고해보면, sum = I(C) + I(A) - I(B) - I(D) 로 나타낼 수 있다. 각 점 A, B, C, D는 integral image I에 속해있다. 

잡음에 둔감하다는 특성이 있고, 이를 보완하여 좋은 특징으로 만든 알고리즘이 잘 알려진 Adaboost 알고리즘이다. 속도면에서는 Haar like Feature가 빠르다.