문제 정의

• 본 논문에서는 별도의 처리과정 없이 SMV의 인코딩 과정에서 추출되는 파라미터들을 특징 벡터로 이용하되 효과적인 GMM을 구성하기 위해 SMV 파라미터를 선택적으로 사용하여 계산량 감소와 성능 향상을 도모하였다. 추출한 중요 특징벡터를 상태 열 N개의 후)연구 결과들을">연구결과들을 토대로 네 종류의 감정에 대해 60% 정도의 성능을 보이고 있다. 본 논문에서는 특징을 추출한 ETSI의 3GPP2 표준코덱인 Selectable Mode Vocoder (SMV)를 충실히 분석하고 이를 기반으로 감정인식에 효과적인 특징들을 제안한다. 선정된 특징벡터를 이용하여 Gaussian Mixture Model 본 논문에서는 휴먼 인터페이스의 지능형 로봇에 적용하기 위해 임베디드 시스템에 적합한 감정 인식 알고리즘을 구현하였다. 제한된

  제안 방법

  • 이 과정에서 추출되는 10개의 LPC prediction coefficients를 특징 값으로 선택하여 사용하였다. Music detection 단계에서 추출한 6개의 파라미터와 LPC analysis 단계에서 추출한 10개의 파라미터에 피치 또한 SMV로부터 추출하여 총 17차의 특징 값을 연구에 사용하였다. 구체적으로, 본 논문에서는 Expectation Maximization (EM)을 사용해 최적 모델 λ을 추정하며 p(x|λ′) ≥ p(x|λ)가 되는 새로운 모델 λ′이 정해진 문턱 값 (Threshold)에 도달할 때까지 반복하여 모델을 설정한다.
  • 후)감정 인식에">감정인식에 효과적인 특징들을 제안한다. 선정된 특징벡터를 이용하여 Gaussian Mixture Model (GMM)기반의 감정인식 알고리즘을 개발하고 Mixture component 개수를 변화시키면서 성능을 확인하였다.
  • 후)음악인식에서">음악 인식에서 뛰어난 성능을 보이는 Expectation-Maximization (EM) 알고리즘 기반의 패턴인식기법인 GMM 알고리즘을 사용하였다. 최종적으로 GMM의 Mixture component 개수를 변화시켜 감정 인식에 적합한 최적의 Mixture component 개수를 적용하였다.
  • 특징 선택에 따른 성능의 변화를 살펴보기 위해 LPC prediction coefficients와 pitch는 공통적으로 포함되고 9개의 Music detection 파라미터를 모두 사용한 20차의 특징벡터 결과와 그 중 6개를 선택한 17차의 특징 벡터 결과를 비교하여 보았다. 동일한 조건에서의 휴대폰으로 통화할 때 다른 정보 없이 휴대폰을 통한 음성 정보만으로도 상대방의 감정 상태를 알 수 있다는 점에 착안하여 SMV의 인코딩 과정에서 사용되는 파라미터들을 감정인식의 특징 값으로 사용하게 되었다.

    데이터처리

    • 후)분석을 매">분석을매 프레임 당 3회씩 수행하는데, 각각의 LPC 분석은 다른 weighting window로 수행되어진다. 이 과정에서 추출되는 10개의 LPC prediction coefficients를 특징 값으로 선택하여 사용하였다. Music detection 단계에서 추출한 6개의 파라미터와 LPC analysis 단계에서 추출한 10개의 파라미터에 피치 또한 SMV로부터 추출하여 총 17차의

      이론/모형

      • Reflection coefficients, prediction coefficients, LP prediction error는 다음의 Levinson-Durbin algorithm 을 통해서 계산된다.
      • 본 논문에서는 휴먼 인터페이스의 지능형 로봇에 적용하기 위해 임베디드 시스템에 적합한 감정 인식 알고리즘을 구현하였다. 제한된 시스템 리소스 환경에 적용하기 위해 현재 모바일 휴대폰에 사용되고 있는 SMV의 파라미터를 특징벡터로 사용하였고, 다양한 감정 패턴에 보다 효과적인 성능을 보일 수 있도록 음성 인식과 음악 인식에서 뛰어난 성능을 보이는 Expectation-Maximization (EM) 알고리즘 기반의 패턴인식기법인 GMM 알고리즘을 사용하였다. 최종적으로 GMM의 Mixture component 개수를 변화시켜 감정 인식에 적합한 최적의 Mixture component 개수를 적용하였다.