선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 다양한 조명과 다른 얼굴 방향에서 눈을 추적하는 새로운 방법을 제안하였다. 제안된 방법은 외관을 이용한 방법과 능동적 적외선을 이용한 밝은 동공 효과를 혼합하여 다양한 조명 조건하에서 견실하고 정확하如 눈을 추적하였다.
- 본 논문에서는 외관을 이용한 방법과 능동적 적외선 조명을 이용한 방법을 혼합하여 다양한 조명하에서 견실하게 실시간으로 눈을 추적하는 방법을 제안하고자 한다. 제안 된 방법은 두 방법의 장점을 결합시키고 단점을 보안한 것으로 밝은 동공 효과를 만들어 내기 위해 능동적 적외선을 이용하여 사용자의 얼굴을 조명하여 주었고 패턴 분류 기술인 SVM(Support Vector Machine) 과 객체 추적기술인 평균 이동 방법을 눈의 검출과 추적에 이용하였다.
제안 방법
- 구성한다. Kalman 필터를 이용하여 현재 프레임에서 눈의 위치 糸를 예측하고, 다음의 알고리듬을 이용하여 초기 위치를 .爲로 설정하고 평균 이동을 반복하여 현재 프레임에서 눈 후보와 가장 유사한 곳을 찾는다.
- 그래서 본 논문에서는 능동적 적외선을 사용자의 얼굴에 조명하여 차영상을 구한 후 패턴 분류기술인 SVM(Support Vector Machine)으로 밝은 동공을 찾는 방법과 밝은 동공을 검출하지 못 한 경우에 바깥쪽 적외선 LED에 의한 명암 분포 패턴을 이용한 객체 추적기술인 평균 이동 방법을 혼합한 눈 추적 방법을 제안한다. 그림7에 제안된 추적 방법을 순서도로 나타내었다.
- 그러므로 본 논문에서는 SVM (Support Vector Machine) 분류기[3, 기를 이용하여 동공을 자동으로 구분하는 방법을 사용하였다.
- 첫 번째 사람으로부터 얻은 데이터 집합을 눈 과 눈이 아닌 영상으로 수동으로 분류한 후선형 SVM으로 학습하였다. 그리고 두 번째 사람으로 얻은 데이터 집합을 선형 SVM으로 자동 분류 한 후, 잘못 분리된 데이터를 골라내어 정확한 학습 집합에 포함시켰다.
- 실내에서 다양한 조명과 얼굴 방향, 카메라와 사용자 간의 거리를 달리하였고 피검자는 모두 머리의 움직임과 눈 깜박임 동작을 하게 하였다. 그리고 실험 영상에서 뜬눈과 감긴눈, 감쳐진눈에 대응하는 프레임수를 계산하였다.
- 눈표적의 특징 확률 분포를 표현한 m 과 회색조의 어두운 동공 영상을 끌어낸 1차원 히스토그램을 사용하였다. 히스토그램을 계산하기 전에, 눈 표적의 중심에서 먼 위치일수록 가중을 작게 할당하는 볼록하고 단조 감소하는 커널 프로파일 k 를 선택하였다.
- 두 개의 영상은 같은 배경과 외부조명을 사용하지만 짝수 필드의 동공이 홀수 필드보다 밝게 보였고, . 배경과 외부조명의 간섭을 제거하고자 짝수 필드 영상에서 홀수 필드 영상을 제거하여 차영상을 만들었다. 차영상에서는 대부분의 배경과 외부 조명의 간섭효과가 제거되었다.
- 안쪽과 바깥쪽의 LED고리를 교차 영상의 짝수 필드와 홀수 필드에 맞추어 키고 끄기 위한 동기화 회로를 개발하였다. 짝수 필드를 읽어 들일 때, 안쪽 LED 가 켜지고 바깥쪽 LED 가 꺼지도록 하였으며, 반대로 홀수 필드를 읽어 들일 때는 바깥쪽 LED가 켜지고 안쪽 LED가 꺼지도록 하였다.
- 영상 획득을 위하여 880nm 파장의 적외선 LED를 두 개의 고리모양으로 구성한 적외선 조명기를 제작하여 40nm 파장에서 32mW의 파워로 적외선을 조사하였다. 이 적외선 광원은 조사 각도에 따라 밝은 동공 영상과 어두운 동공 영상을 생성하였다.
- 이와 같은 일련의 작업이 끝난 후, 향상된 학습 집합을 가지고 선형 SVM을 재학습하였고, 다음 사람의 데이터 집합으로 가지고 위와 같은 작업을 반복하였다. 6명의 사람들의 모든 눈 후보 데이터 집합을 재학습을 마친 후 잘 선별된 학습 집합을 얻을 수 있었고 선형 SVM 의 정확성을 높일 수 있었다.
- 즉 안쪽고리의 적외선 LED들이 켜졌을 때 동공에 적외선에 반사 된 것이 검출되어 밝은 동공 영상을, 바깥쪽 고리의 적외선 LED들이 켜졌을 때는 동공에 적외선 반사 된 것이 검출되지 않으므로 어두운 동공이 생성된다. 적외선 조명 이외의 광원들로부터 간섭을 최소화하여 영상의 질을 개선하기 위하여, 10nm 파장만을 통과시키는 광학 대역 필터를 사용하였고 필터를 사용함으로서 신호 대 잡음비를 20 이상 증가시키었다, 그림 1은 중심이 같은 2개의 적외선 LED 고리와 대역 필터로 이루어져 있는 적외선 조명기를 나타내었다.
- 제안하고자 한다. 제안 된 방법은 두 방법의 장점을 결합시키고 단점을 보안한 것으로 밝은 동공 효과를 만들어 내기 위해 능동적 적외선을 이용하여 사용자의 얼굴을 조명하여 주었고 패턴 분류 기술인 SVM(Support Vector Machine) 과 객체 추적기술인 평균 이동 방법을 눈의 검출과 추적에 이용하였다.
- 제안하였다. 제안된 방법은 외관을 이용한 방법과 능동적 적외선을 이용한 밝은 동공 효과를 혼합하여 다양한 조명 조건하에서 견실하고 정확하如 눈을 추적하였다. 제안된 시스템은 강한 비적외선 조명과 통상 적인 적외선 조명하에서 기존의 밝은 동공 효과만을 이용한 방법보다 원활하고 정확하게 눈을 추적 할 수 있었다.
- 제안된 방법의 눈 검출과 추적방법의 우수성을 증명하기 위하여 각기 다른 다섯 명에 대하여 초당 30프레임으로 20초 동안의 영상을 녹화하였다. 실내에서 다양한 조명과 얼굴 방향, 카메라와 사용자 간의 거리를 달리하였고 피검자는 모두 머리의 움직임과 눈 깜박임 동작을 하게 하였다.
- 첫 번째 단계에서 밝은 동공 효과[8]를 이용한 Kalman 필터를 이용하고, 만약 추적에 실패할 경우, 두 번째로 어두운 동공 영상에서 평균이동 알고리듬을 이용한 명암 분포에 근거하여 이전 프레임의 눈의 중심 근처에서 눈을 추적한다.
- 첫 번째 사람으로부터 얻은 데이터 집합을 눈 과 눈이 아닌 영상으로 수동으로 분류한 후선형 SVM으로 학습하였다. 그리고 두 번째 사람으로 얻은 데이터 집합을 선형 SVM으로 자동 분류 한 후, 잘못 분리된 데이터를 골라내어 정확한 학습 집합에 포함시켰다.
대상 데이터
- 실험을 위하여 6명으로부터 눈 데이터 집합을 얻었다. 첫 번째 사람으로부터 얻은 데이터 집합을 눈 과 눈이 아닌 영상으로 수동으로 분류한 후선형 SVM으로 학습하였다.
- 정확성을 높이기 위해서는 SVM을 위한 적합한 매개변수를 선택하여야 한다. 표1에 학습에 참여하지 않은 사람으로 얻은 1757개의 눈 후보 영상을 매개변수를 달리하여 세 가지 SVM 커널을 이용한 실험한 결과를 보여 주었다.
성능/효과
- 6명의 사람들의 모든 눈 후보 데이터 집합을 재학습을 마친 후 잘 선별된 학습 집합을 얻을 수 있었고 선형 SVM 의 정확성을 높일 수 있었다.
- 특히 감긴 눈이나 얼굴 방향에 따라 감쳐진 눈에서, 심지어는 강한 외부 조명의 뜬눈에 대해서도 만족할 만한 결과를 얻을 수 있었다. 결과적으로 일부 피검자의 경우 100% 완벽하게 추적이 가능하였다. 그림8에 일부 추적 결과를 나타내었다.
- 교차된 입력 영상은 비디오 디코더에 의하여 잔상을 제거하여 그림2 의 (a), (b)와 같은 짝수 필드 영상과 홀수 필드 영상을 만들어 내었다. 두 개의 영상은 같은 배경과 외부조명을 사용하지만 짝수 필드의 동공이 홀수 필드보다 밝게 보였고, . 배경과 외부조명의 간섭을 제거하고자 짝수 필드 영상에서 홀수 필드 영상을 제거하여 차영상을 만들었다.
- 제안된 방법은 전통적인 칼만 필터만을 이용한 밝은 동공 추적기보다 보다 견실한 알고리듬임을 알 수 있었다. 특히 감긴 눈이나 얼굴 방향에 따라 감쳐진 눈에서, 심지어는 강한 외부 조명의 뜬눈에 대해서도 만족할 만한 결과를 얻을 수 있었다.
- 제안된 방법은 외관을 이용한 방법과 능동적 적외선을 이용한 밝은 동공 효과를 혼합하여 다양한 조명 조건하에서 견실하고 정확하如 눈을 추적하였다. 제안된 시스템은 강한 비적외선 조명과 통상 적인 적외선 조명하에서 기존의 밝은 동공 효과만을 이용한 방법보다 원활하고 정확하게 눈을 추적 할 수 있었다.
후속연구
- 앞으로의 연구과제는 제안된 방법을 좀 더 개량하여 강렬한 햇빛 하에서도 동작하도록 할 계획이 다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.