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
- 이를 충족시키기 위해 본 논문에서는 얼굴 영상에서 감정 특징을 검출 하고 이를 기반으로 감정 상태를 추론하는 방법으로 Active Appearance Model과 Facial Action Coding System을 이용한 감정 특징 검출 기법과 Bayesian Network를 이용한 감정 상태 추론 기법을 제시하고자 한다. 그리고 이 결과가 지능로봇의 HRI로서 활용되기 위한 방법 또한 제시한다.
- 본 논문에서는 얼굴 표정에서 나타나는 감정을 인식하기 위한 FACS 기반 AAM과 Bayesian Network를 이용한 얼굴 표정 인식 기법에 대하여 논하였다.
- Ekamn이 제시한 기본 6정서로 [분노, 슬픔, 행복, 두려움, 놀람, 혐오]를 구분하였으며 다른 감정은 이 기본 6정서의 조합으로 표현하였다. 본 논문에서는 이 구분에 따라 표정에서 나타나는 감정을 분류할 수 있도록 하는 감정인식 시스템을 제안한다.
- 그렇지만 이러한 FACS가 사람에 의해서가 아닌 자동으로 동작하는 Human Computer Interface 상에 적용된 연구사례는 현재까지 극히 드물다. 본 논문에서는 이 부분에 주안점을 두고 FACS 를 자동화된 시스템에 적용하여 사람의 표정을 쉽게 구분할 수 있는 얼굴 표정 인식 시스템을 개발하고자 하는 것이다.
- 본 논문에서는 이러한 두 가지 특징검출 기법이 융합된 Active Appearance Model을 사용하여 얼굴 표정 상에 존재하는 감정 특징 영역을 기하학적 모델로 구축하여 특징 검출을 수행하고자 한다.
- 본 논문에서는 입력 영상을 Pre-Processing을 제외한 특징 검출, 표정의 패턴분류와 표정인식 단계에서 AAM과 Bayesian Network를 사용하여 얼굴 표정 인식을 수행하고자 한다.
- AAM을 통해 감정인식을 위한 Facial Appearance 모델 생성 시 가장 문제가 되는 부분은 어떤 부위를 감정 특징 영역으로서 검출해야 신뢰성 있는 결과가 나오는가 하는 것이다. 이를 위하여 본 논문에서는 FACS에 기반한 AAM 생성을 수행하여 신뢰성 있는 결과가 도출될 수 있도록 하고자 한다. 즉, 앞서 언급한 바와 같이 표정 표현 시 가장 많이 움직이는 Action Unit의 영역을 감정 특징으로 선별, 이를 AAM을 통해 Appearance 모델로 생성하는 것이다.
- 사람이 사람의 감정을 인식할 때 한 채널의 정보만 활용하기보다 다양한 채널을 활용하여 감정을 인식하므로 실제 감정인식 수행에서는 Multi Modal로 센서 융합 기반의 인식 방법이 요구되지만 이를 수행하기 위하여 개발 센서 기반의 인식 시에도 그 성공률이 높아야 한다는 전제가 필요하다. 이를 충족시키기 위해 본 논문에서는 얼굴 영상에서 감정 특징을 검출 하고 이를 기반으로 감정 상태를 추론하는 방법으로 Active Appearance Model과 Facial Action Coding System을 이용한 감정 특징 검출 기법과 Bayesian Network를 이용한 감정 상태 추론 기법을 제시하고자 한다. 그리고 이 결과가 지능로봇의 HRI로서 활용되기 위한 방법 또한 제시한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.