[논문]EEG 신호의 Power Spectrum을 이용한 사람의 감정인식 방법 : Bayesian Networks와 상대 Power values 응용

염홍기; 한철훈; 김호덕; 심귀보

doi:10.5391/jkiis.2008.18.2.251

EEG 신호의 Power Spectrum을 이용한 사람의 감정인식 방법 : Bayesian Networks와 상대 Power values 응용
Human Emotion Recognition using Power Spectrum of EEG Signals : Application of Bayesian Networks and Relative Power Values 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.18 no.2, 2008년, pp.251 - 256

염홍기 (중앙대학교 전자전기공학부) , 한철훈 (중앙대학교 전자전기공학부) , 김호덕 (중앙대학교 전자전기공학부) , 심귀보 (중앙대학교 전자전기공학부)

초록
AI-Helper

많은 연구자들은 여러 개의 채널을 가진 Electroencephalogram(EEG) 신호를 기반으로 한 사람의 감정인식을 위해 두뇌와 컴퓨터의 인터페이스에 관한 연구를 하고 있다. EEG 신호를 이용한 연구들은 주로 의학 분야와 심리학의 영역에서 간질이나 발작 등을 알아내고 거짓말 탐지기로써의 역할로 많이 사용되어져 왔다. 최근에는 사람의 두뇌와 컴퓨터 간의 인터페이스에 관한 연구들이 뇌파를 이용한 로봇의 제어하거나 게임을 하는 등의 여러 가지 공학적인 접근으로써 많은 연구가 진행되고 있다. 특히, EEG 신호를 통해서 두뇌를 연구하는 분야에서 EEG 신호의 잡음을 제거해서 보다 정확한 신호를 추출하는 연구에도 많이 중점을 두고 있다. 본 논문에서는 사람의 감정에 따른 EEG 신호를 측정하고 측정된 EEG 신호를 5개 부분의 주파수 영역으로 분류하였다. 영역별로 분류된 EEG 신호들은 전체영역에 대한 상대적인 비율의 값으로 계산하게 된다. 그 값들은 Bayesian Networks를 통해서 현재 어떠한 감정을 나타내는지 확률 값으로 나타낸다. 그 결과 값에 따라 사람의 감정은 아바타로 표현하게 된다.

Abstract ▼ AI-Helper

Many researchers are studying about human Brain-Computer Interface(BCI) that it based on electroencephalogram(EEG) signals of multichannel. The researches of EEG signals are used for detection of a seizure or a epilepsy and as a lie detector. The researches about an interface between Brain and Computer have been studied robots control and game of using human brain as engineering recently. Especially, a field of brain studies used EEG signals is put emphasis on EEG artifacts elimination for correct signals. In this paper, we measure EEG signals as human emotions and divide it into five frequence parts. They are calculated related the percentage of selecting range to total range. the calculating values are compared standard values by Bayesian Network. lastly, we show the human face avatar as human Emotion.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

뇌파의 분석에서 가장 많은 연구가 이루어지고 주안점이 되고 있는 잡음 문제의 해결을 위해서 본 논문에서는 측정된 신호에서 0~4Hz의 낮은 주파수의 6파를 제거하였다, 이 범위의 주파수를 제거한 이유는 심장의 박동, 눈과 입의 안면의 움직임 그리고 전극선의 흔들림 등의 잡음들은 낮은 주파수에 영향을 주기 때문이다. 각각의 영역으로 변환된 신호들은 그림 6와 같이 상대 파워 값으로 계산하게 된다.
특히, 범주적 모형에 근거한 기본정서 이론을 주도해온 Ekniarie 행복 (happy), 놀람 (surprise), 공포 (fear), 분노 (anger), 혐오 (disgust), 슬픔(sad)의 6가지의 정서가 기본정서라고 주장하였다[15]. 본 논문에서는 사람의 기본 감정을 Ekman의 정의에 기준으로 해서 6가지 감정을 정하고 그 6가지 감정들을 유발 시켜서 감정에 따른 뇌파를 분석하였다. 본 논문에 정한 감정은 기쁨, 두려움, 슬픔, 즐거움, 화남, 혐오의 6가지를 잡았다.
본 논문은 감정에 따른 사람의 뇌파를 분류하고 분류된 결과를 기존 DB와 비교하여 확률 추론에 의해서 사람의 감정을 인식하게 되는 것이다. 이 과정에서 사람의 감정을 자극하기 위해서 시청각 자료를 사용하였고 뇌파들은 Fast Fourier transform(FFT)을 사용하여 Power Spectrum으로 변환하였다.

제안 방법

EEG 신호 측정 방법은 일반적인 방법을 사용하였다 그림 4과 같이 두피에 8부분의 위치를 정하고 뇌파 전극을 풀을 이용해서 부착하고 테이프로 고정을 하고 실험을 하였다.
본 논문에 정한 감정은 기쁨, 두려움, 슬픔, 즐거움, 화남, 혐오의 6가지를 잡았다. Mark D. Korhonene 사람의 감정을 모델링하기 위해서 여러가지 음악을 사용하여 감정을 유발하는데 사용하였고, 음악에 따라서 감정을 얻을 수 있는 연구를 하였다[12丄 본 논문에서는 피 실험자의 감정을 유발하기 위해서 감성자극 사진이 아닌 시청각 자료를 사용하여서 감정을 유발하였다. 시청각 자료는 한국인의 일반적인 정서에 맞춘 시청각 자료를 사용하였으면 대부분을 영화의한 부분이나 동영상들을 보여주면서 실험을 하였다.
형태로 측정되어진다. Tarun Madane long-terme EEG 신호를 Power Spectral Density를 이용해서 압축하는 연구를 하였다U4L 본 논문에서도 측정되어신 파형을 Fast Fourier transform(FFT)을 이용한 Power Spectrum 으로 변환하게 된다. 그림 5를 보면 EEG 신호를 Power Spectrum으로 변환한 모습을 보여준다.
감정에 따른 결과들은 사람들마다 약간씩의 차이가 있기 때문에 베이지안 네트워크를 이용한 확률 추론을 통해서 비교를 하게 된다. 그림 9은 베이지안 네트워크를 구성하고 변환한 모습을 보여주고 있다.
이 과정에서 사람의 감정을 자극하기 위해서 시청각 자료를 사용하였고 뇌파들은 Fast Fourier transform(FFT)을 사용하여 Power Spectrum으로 변환하였다. 또한, 뇌파의 잡음을 제거하기 위해서 잡음이 많이 들어있는 영역을 제거하고 분류된 Power Spectrum 값에서 상대적인 값으로 계산하였다. 마지막으로 비교과정에서 확률 추론하기 위해서 베이지안 네트워크를 사용해서 비교 결과를 나타나게 된다.
위한 방법이다. 먼저, 측정된 EEG 신호를 Fast Fourier transform(FFT)에 의해서 주파수 별로 분석하는 Power Spectrum 분석을 하게 된다. 분석에 의해서 5개의 주파수 영역으로 나누게 된다.
시청각 자료는 한국인의 일반적인 정서에 맞춘 시청각 자료를 사용하였으면 대부분을 영화의한 부분이나 동영상들을 보여주면서 실험을 하였다. 보다 더 정확한 감정 유발을 위해 시청각 상영 시에는 주위 배경을 어둡게 해서 시청각자료에 집중할 수 있게 실험공간을 만들고 실험을 하였다. 그림 3은 EEG 실험을 하는 모습을 보여주고 있다.
본 논문에서는 사람의 기본 감정을 Ekman의 정의에 기준으로 해서 6가지 감정을 정하고 그 6가지 감정들을 유발 시켜서 감정에 따른 뇌파를 분석하였다. 본 논문에 정한 감정은 기쁨, 두려움, 슬픔, 즐거움, 화남, 혐오의 6가지를 잡았다. Mark D.
본 실험에서 사용한 EEG 신호 측정 장비는 8채널을 사용할 수 있는 장비를 사용하고 있기 때문에 10/20 전극 시스템을 사용하여서 부착하는 위치를 정하였다. 8개의 전극 센서들은 피 실험자의 두피에 부착되어지고 시청각 자료를 볼 때 신호 측정이 이루어지게 된다.
상대 파워 값으로 계산된 현제 피실험자가 어떤 감정을 가지고 있는지를 판단하기 위해서 DB와 비교를 통해서 감정을 판단을 하였다. 그러나 비교한 결과는 사람들마다의차이가 많은 단점을 가지고 있었다.
그러나 비교한 결과는 사람들마다의차이가 많은 단점을 가지고 있었다. 이 단점을 보완하기 위해서 확률 추론을 통해서 감정을 판단하기로 하였다. DB의 평균을 판단 기준으로 하고 얻어진 데이터와 비교하여 어떠한 감정에 가까운지를 확률로 표시하게 된다.
99 Hz), 알파 ci파(8~ 12.99 Hz), 베타。파(13~29.99 Hz), 감마 _y파(30~50 Hz)로 구분해서 분석을 하였다.

대상 데이터

EEG 실험도 fMRI의 실험과 같이 6가지 감정을 유발하기 위해서 시청각 자료를 사용하여 실험을 하였다. 실험 후결과 파형을 Power Spectrum 분석을 통해서 그림 2와 같은 결과를 뽑을 수 있었다.
그리고 전송된 데이터들은 프로그램에 의해서 숫자 값으로 변환하게 된다. 사용된 측정 장비는 8개의 채널을 가진 LAXTHA에서 제공되는 QEEG-8장비를 사용해서 실험 측정을 하였다.
Korhonene 사람의 감정을 모델링하기 위해서 여러가지 음악을 사용하여 감정을 유발하는데 사용하였고, 음악에 따라서 감정을 얻을 수 있는 연구를 하였다[12丄 본 논문에서는 피 실험자의 감정을 유발하기 위해서 감성자극 사진이 아닌 시청각 자료를 사용하여서 감정을 유발하였다. 시청각 자료는 한국인의 일반적인 정서에 맞춘 시청각 자료를 사용하였으면 대부분을 영화의한 부분이나 동영상들을 보여주면서 실험을 하였다. 보다 더 정확한 감정 유발을 위해 시청각 상영 시에는 주위 배경을 어둡게 해서 시청각자료에 집중할 수 있게 실험공간을 만들고 실험을 하였다.

이론/모형

DB의 평균을 판단 기준으로 하고 얻어진 데이터와 비교하여 어떠한 감정에 가까운지를 확률로 표시하게 된다. 본 논문에서는 확률 추론 방법으로 베이지안 네트워크를 사용하였다. 베이지안 네트워크를 이용하기 위해서 Norsys Corp.
베이지안 네트워크를 이용하기 위해서 Norsys Corp.의 Netica 소프트웨어 (Norsys Software Corp., Vancouver, BC, Canada)의 Limitation Mode를 사용하여 추론 모델에 이용하였다. 그림 7은 베이지안 네트워크의 구성을 보여주고 있다.
인식하게 되는 것이다. 이 과정에서 사람의 감정을 자극하기 위해서 시청각 자료를 사용하였고 뇌파들은 Fast Fourier transform(FFT)을 사용하여 Power Spectrum으로 변환하였다. 또한, 뇌파의 잡음을 제거하기 위해서 잡음이 많이 들어있는 영역을 제거하고 분류된 Power Spectrum 값에서 상대적인 값으로 계산하였다.

성능/효과

그 결과 값들은 확률값으로 나타나게 되는데 가장 큰 확률을 피실험자의 감정이라고 정의하고 그 감정에 따른 아바타를 시뮬레이션을 통해서 보여주게 된다. 결과적으로 베이지안 네트워크를 통한 결과 값들은 확률적인 값을 나타내고 변화하는 사람들의 감정에 빠른 변화 값을 보여줄 수 있다. 확률 값을 비교해 보면 fear, joy, anger, disgust의 감정들은 큰 확률의 차이로 나타나지만, anger■와 sad는 비슷한 확률을 가져오는 것을 알 수 있었다.
베이지안 네트워크는 확률 값이 모인 집합의 결합 확률 분포의 결정 모델이다. 베이지안 네트워크를 이용한 추론은 불확실한 상황을 확률 값으로 표시하고, 복잡한 추론 과정을 정량화된 노드 간의 관계로 단순화 시켜 피실험자의 감정을 기존의 DB와 비교 판단하는 방법으로 적합하다. 베이지안 네트워크는 노드의 연결 관계를 표현하는 방향성 비 순환 그래프(DAG : Conditional Acycli Graph)형태를 가지고 있으며, 네트워크를 구성하는 각 노드는 확률 변수로 나타낸다.
결과적으로 베이지안 네트워크를 통한 결과 값들은 확률적인 값을 나타내고 변화하는 사람들의 감정에 빠른 변화 값을 보여줄 수 있다. 확률 값을 비교해 보면 fear, joy, anger, disgust의 감정들은 큰 확률의 차이로 나타나지만, anger■와 sad는 비슷한 확률을 가져오는 것을 알 수 있었다.

후속연구

그리고 뇌파 분석에 있어서 실시간의 사람의 생각을 인지를 통해서 인터페이스 하는 기술 개발이 필요하다. 뇌파 뿐만 아니라 다른 여러가지 센서를 같이 사용하여서 이용한다면 장애인이나 노인을 위한 서비스에 적용될 뿐만 아니라 많은 부가가치적인 연구가 이루어질 수 있다고 생각된다.
차후에는 주파수에서 일정한 주파수의 특징을 찾아서 연구하고 감정에 따른 분석이 아닌 인지에 관한 연구가 많이 필요하다. 그리고 뇌파 분석에 있어서 실시간의 사람의 생각을 인지를 통해서 인터페이스 하는 기술 개발이 필요하다.

참고문헌 (16)

Anna Caterina Merzagora, Scott Bunce, Meltem and Banu Onaral, "Wavelet analysis for EEG feature extraction in deception detection," Proc. of the 28th IEEE EMBS Annual International Conference, August 2006
Luke Rankine, Nathan Stevenson, Mostefa Mesbah, and Boualem Boashash, "A Nonstationary Model of Newborn EEG," IEEE Transactions on Biomedical Engineering, Vol.54, No.1, January 2007
Junko Murakami, Shin-ichi Ito, Yasue Mitsukura, Jianting Cao and Minoru Fukumi, "Detection of the Human-Activity Using the FCM," proc. of International Conference on Control, Automation and Systems, October 2007, pp. 1883-1886
Christos Papadelis, Chrysoula Kourtidou-Papadeli, Panagiotis D.Bamidis, Ioanna Chouvarda, "Indicators of Sleepiness in an ambulatory EEG study of night driving," Proc. of the 28th IEEE EMBS Annual International Conference, August 2006, pp. 6201-6204
Arao Funase, Tohru Yagi, Allan K. Barros, Andrzej Cichocki and Ichi Takumi, "Single trial method for Brain-Computer Interface," Proc. of the 28th IEEE EMBS Annual International Conference, August 2006, pp. 5277-5281
Shiliang Sun, Changshui Zhang, and Guoqiang Yu, "A Bayesian Network Approach to Traffic Flow Forecasting," IEEE Transactions of Intelligent Transportation Systems, Vol.7, No.1, March 2006. pp. 124-132

상세보기
Yan Sun, Shipin Lv, Yiyuan Tang, "Construction and Application of Bayesian Network in Early Diagnosis of Alzheimer Disease's System," proc. of International Conference on Complex Medical Engineering, May 2007, pp. 924-929
Naruhiko Shiratori and Naohito Okude, "Bayesian Networks Layer Model to represent anesthetic practice," proc. of International Conference on Systems, Man and Cybernetics, October 2007, pp. 674-679
Kyu-Baek Hwang and Byoung-Tak zhang, "Bayesian Model Averaging of Bayesian Network Classifiers Over Multiple Node-Orders : Application to Sparse Datasets," IEEE Transactions on Systems, Man and Cybernetics-Part b: Cybernetics, Vol.35, No. 6, December 2005, pp. 1302-1310

상세보기
Rui Zhang, Gerry McAllister, Bryan Scotney, Sally McClean, Glen Houston, "Classification of the Auditory Brainstem Response(ABR) using Wavelet Analysis and Bayesian Network," proc. of Symposium on Computer-Based medical Systems, June 2005, pp. 485-490
Kazuhiko, Takahashi, "Remarks on Emotion Recognition from Multi-Modal Bio-Potential Signal," IEEE International Conference on Industrial Technology(ICIT), 2004
Mark D. Korhonen, David A. Clausi, M. Ed Jernigan, "Modeling Emotional Content of Music Using System Identification," IEEE Trans. on Systems, Man, and Cybernetics - Part B : Cybernetics, vol. 36, no. 3, June 2006
Junya Tanaka, Mitsuhiro Kimura, Naoya Hosaka, Hiroyuki Sawaji, Kenichi sakakura, Kazushige Magtani, "Decelopment of the EEG measurement technique under exercising," Proc. of the 2005 IEEE Engineering in Medicine and Biology 27th Annual Conference, Septerber 2005
Tarun Madan, Rajeev Agarwal, M.N.S. Swamy, "Compression of long-term EEG using Power Spectral Density," Proc. of the 26th Annual Internatioal Conference of the IEEE EMBS, September, 2004
Russell, J.A., "Evidence of convergent validity on the dimensions of affect," Journal of Personality and Social Psychology. 36. 1152-1168
고광은, 장인훈, 심귀보, "사용자환경정보 기반 Context-based Service 추론 모델," 퍼지 및 지능시스템 학회 논문지, Vol.17, No. 7, pp 907-912

원문보기 상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증