[논문]실시간 눈과 시선 위치 추적

황선기; 김문환; 차샘; 조은석; 배철수

실시간 눈과 시선 위치 추적
Real Time Eye and Gaze Tracking 원문보기

한국정보전자통신기술학회논문지 = Journal of Korea institute of information, electronics, and communication technology, v.2 no.3, 2009년, pp.61 - 69

황선기 (한국폴리텍III대학 강릉캠퍼스 전자통신과) , 김문환 ((주)한국전파기지국 연구소) , 차샘 (관동대학교 대학원 전자통신과) , 조은석 (관동대학교 대학원 전자통신과) , 배철수 (관동대학교 전자정보통신공학부)

초록
AI-Helper

본 논문에서는 새로운 실시간 시선 추적 방식을 제안하고자한다. 기존의 시선추적 방식은 사용자가 머리를 조금만 움직여도 잘못된 결과를 얻을 수가 있었고 각각의 사용자에 대하여 교정 과정을 수행할 필요가 있었다. 제안된 시선 추적 방법은 적외선 조명과 Generalized Regression Neural Networks(GRNN)를 이용함으로써 교정 과정 없이 머리의 움직임이 큰 경우에도 견실하고 정확한 시선 추적을 가능하도록 하였고 매핑 기능을 일반화함으로써 각각의 교정과정을 생략 할 수 있게 하여 학습에 참여하지 않은 다른 사용자도 시선 추적을 가능케 하였다. 실험결과 얼굴의 움직임이 있는 경우에는 평균 90%, 다른 사용자에 대해서는 평균 85%의 시선 추적 결과를 나타내었다.

Abstract ▼ AI-Helper

In this paper, to propose a new approach to real-time eye tracking. Existing methods of tracking the user's attention to the little I move my head was not going to get bad results for each of the users needed to perform the calibration process. Infrared eye tracking methods proposed lighting and Generalized Regression Neural Networks (GRNN) By using the calibration process, the movement of the head is large, even without the reliable and accurate eye tracking, mapping function was to enable each of the calibration process by the generalization can be omitted, did not participate in the study eye other users tracking was possible. Experimental results of facial movements that an average 90% of cases, other users on average 85% of the eye tracking results were shown.

주제어

AI 본문요약
AI-Helper

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

문제 정의

또 다른 문제는 사용자에 따라 매핑 기능이 다르게 됨으로 각각의 사용자에 대한 교정 과정이 수행되어야 한다는 것이다. 그러기에 본 논문에서는 이러한 문제점을 극복하기 위하여 신경망에 근거한 새로운 시선 교정방법을 제안하고자 한다.
본 논문에서는 다양한 얼굴 자세와 다른 사람들의 시선을 추적하기 위해 신경망을 이용한 시선교정 방법을 제안한다. 동공과 글린트에 관한 매개 변수가 충분히 주어진다면 시선에 따라 유일한 기능을 갖는 동공과 글린트 매개변수가 있을 것이다.
본 논문에서는 시선 추적을 위한 새로운 방법을 제안하였다. 기존의 시선 추적 시스템과 비교하여 제안된 시스템은 교정 작업이 필요 없고 자연스러운 머리 움직임에도 정확하고 견실하게 시선을 추적할 수 있었다.
본 논문에서는, 시선 교정 없이 견실하고, 정확하고 무리 없이 동작 될 수 있는 개선된 시선 추적 방법을 제안하고자 한다.

제안 방법

검출된 동공과 글린트를 가지고 동공-글린트 벡터를 구성하고, 동공-글린트 벡터를 시선(스크린 좌표)에 매핑하는 매핑 기능을 수행토록 하였다. 그림 4는 글린트와 동공의 위치와 시선과의 연관성을 나타내었다.
눈을 추적함으로서 시선 추적은 할 수있었고, 눈 추적을 위해서 동공을 먼저 추적하였다. 동공 추적을 위하여 880nm 파장의 적외선 LED를 두 개의 고리모양으로 구성한 적외선 조명기를 제작하여 40nm 파장에서 32mW의 파워로 적외선을 조사한다.
정규 화는 모두 입력 특징들이 같은 범위에 있게 하여 준다. 다른 머리 위치에 따른 막대한 학습 데이터가 GRNN의 학습으로 모아지고, 학습 데이터 수집되는 동안에, 사용자가 각 시선 영역에 시선을 고정하도록 요청하여, 각각의 시선 고정 되는 동안 적합한 10개의 매개변수 조합을 수집한다.
동공 검출과 추적은 초기 프레임에서 검출된 동공 검출에 의하여 시작된다. 동공 검출은 동공의 명암과 SVM (Support Vector Machine)을 사용한 눈의 외관을 기준으로 하였으며, SVM을 사용함으로써 밝게 나타난 부분이 동공으로 오인식되지 않도록 하였다. 구체적인 동공 후보 지역은 어두운 동공 영상에서 밝은 동공 영상을 제한 차 영상에서 처음으로 검출되고, 동공 후보 지역 들은 SVM 에 의하여 가짜 동공 후보를 제거함으로서 유효하게 된다.
눈을 추적함으로서 시선 추적은 할 수있었고, 눈 추적을 위해서 동공을 먼저 추적하였다. 동공 추적을 위하여 880nm 파장의 적외선 LED를 두 개의 고리모양으로 구성한 적외선 조명기를 제작하여 40nm 파장에서 32mW의 파워로 적외선을 조사한다. 이 적외선 광원은 밝은 동공 영상과 어두운 동공 영상을 생성하였는데, 밝은 동공 영상은 안쪽 고리의 적외선 LED들이 켜졌을 때 생성되었으며, 어두운 영상은 바깥쪽 고리의 적외선 LED들이 켜졌을 때 생성된다.
그리고, 눈에 근거한 접근방식은 시선과 홍채, 동공의 기하학적 특성에 대한 관계에 근거하여 시선을 추정하게 된다. 동공과 각막 반사에 의한 글린트 사이의 공간적 위치 특성으로 시선위치를 결정하고, 홍채의 위치와 형태, 왜곡으로서 시선을 위치를 추적한다. 이 때 신경망을 통하여 눈과 명암에 대해 정규화된 동공을 포함하는 작은 창을 추출하여 시선의 좌표를 결정하는데 사용한다.
모니터 위에 카메라를 장착한 적외선 조명기를 설치하고 사용자가 1～1.5m 거리에서 약 15cm 정도 머리를 상하좌우로 움직이게 하거나, 좌우로 ±20도, 상하로 ±15도 정도 머리를 회전하도록 하여 각기 다른 얼굴 방향, 카메라의 거리변화, 다른 사용자 일 때의 성능을 각각 실험하였다.
본 논문에서는, 시선을 그림2에서와 같이 스크린(4×2)에 8개의 부분으로 양자화 하였다.
이 적외선 광원은 밝은 동공 영상과 어두운 동공 영상을 생성하였는데, 밝은 동공 영상은 안쪽 고리의 적외선 LED들이 켜졌을 때 생성되었으며, 어두운 영상은 바깥쪽 고리의 적외선 LED들이 켜졌을 때 생성된다. 적외선 조명 이외의 광원들로부터 간섭을 최소화하여 영상의 질을 개선하기 위하여, 10nm 파장만을 통과시키는 광학 대역 필터를 사용하였고 필터를 사용함으로서 신호 대 잡음비를 증가시키었다, 그림 1은 중심이 같은 2개의 적외선 LED 고리와 대역 필터로 이루어져 있는 적외선 조명기를 나타내었다.
제안된 시선 추적기의 성능 실험을 실시하였다. 모니터 위에 카메라를 장착한 적외선 조명기를 설치하고 사용자가 1～1.
제안된 시선 추정 알고리즘은 동공과 글린트 검출과 추적, 시선 교정, 그리고 시선 매핑으로 구성되어 있다. 본 논문에서는, 시선을 그림2에서와 같이 스크린(4×2)에 8개의 부분으로 양자화 하였다.

성능/효과

기존의 시선 추적 시스템과 비교하여 제안된 시스템은 교정 작업이 필요 없고 자연스러운 머리 움직임에도 정확하고 견실하게 시선을 추적할 수 있었다. GRNN을 이용한 새로운 시선 교정 방법을 사용함으로써 해석적 시선 매핑 기능을 사용할 필요가없어졌고 머리의 움직임을 계산하여 매핑 할 수 있었다. 실험결과 움직임이 있는 얼굴에 대해 평균 90%, 다른 사용자에 대해서는 평균 85%의 시선 추적 결과를 나타내었다.
본 논문에서는 시선 추적을 위한 새로운 방법을 제안하였다. 기존의 시선 추적 시스템과 비교하여 제안된 시스템은 교정 작업이 필요 없고 자연스러운 머리 움직임에도 정확하고 견실하게 시선을 추적할 수 있었다. GRNN을 이용한 새로운 시선 교정 방법을 사용함으로써 해석적 시선 매핑 기능을 사용할 필요가없어졌고 머리의 움직임을 계산하여 매핑 할 수 있었다.
또한 실험결과 머리 움직임과 같은 외부 요인에 따라 수직 동공-글린트 벡터 측정이 수평에 비해 보다 민감하게 작용 함으로써 동공의 수직 이동범위가 수평이동 범위보다 작게 나타나는 것을 알수 있었다. 이로 인해 수평 데이터에 비해 수직 데이터의 신호대 잡음비가 낮게 됨으로서 시선의 수직 분류를 수평 분류보다 작게 잡아 주게 되었다.
GRNN을 이용한 새로운 시선 교정 방법을 사용함으로써 해석적 시선 매핑 기능을 사용할 필요가없어졌고 머리의 움직임을 계산하여 매핑 할 수 있었다. 실험결과 움직임이 있는 얼굴에 대해 평균 90%, 다른 사용자에 대해서는 평균 85%의 시선 추적 결과를 나타내었다.
제안된 시선 추적기가 일부 기존의 시선추적기보다 정확하지는 않지만 머리의 움직임이 큰 경우에도 만족할만한 성능을 보여주고 교정작업이 필요 없다는 것이 중요한 이점이라고 사료된다.
표 1 과 2에 분류 결과들을 나타내었다. 제안된 시스템은 얼굴의 움직임 있는 경우에 대해 평균 90%, 다른 사용자에 대해서는 평균 85%의 결과를 나타내었다.

후속연구

앞으로는 현재의 4×2 영역을 4×3, 그리고 5×4영역으로 확장해 실험을 계속할 계획이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	시선 위치를 추정하는 방법은 어떻게 분류할 수 있는가?	시선 위치를 추정하는 방법으로는 머리를 이용하는 접근 방식[9]과 눈을 이용한 접근 방식[1,2,3,4,5,7,8,11], 그리고 머리와 눈을 모두 이용한 접근 방식으로 분류 할 수 있다. 머리를 이용한 접근 방식은 머리의 위치에 따라 시선의 위치를 결정을 하게 되는데 미세한 시선 변화를 감지하기에는 어렵다고 생각되어진다.
	시선 위치 추적이란 무엇인가?	시선 위치 추적이란 현재 사용자가 응시하고 있는 위치를 자동으로 인식하는 것을 의미한다. 시선 위치 추적은 많은 응용분야를 가지는데, 그 대표적인 것이 양손을 사용하지 못하는 장애인들을 위한 컴퓨터 인터페이스 및 사용자의 시선 위치에 따른 기계 제어 등 많은 이점을 가지고 있어 최근 많은 연구가 진행되고 있다.
	각막의 글린트와 동공 사이의 상대적인 위치에 근거하는 시선 추정 방식의 문제점은 무엇인가?	현재까지 연구된 눈에 근거한 시선 추정 방식의 가장 큰 공통점은 각막의 글린트와 동공 사이의 상대적인 위치에 근거한다는 것이다.[2,3,4,5,7,8] 이러한 방식은 머리를 정지시킨 후, 기준점으로서 글린트를 사용하고, 동공의 중심으로부터 글린트까지를 나타낸 벡터로 시선 방향으로 나타내었는데 머리의 작은 움직임에도 잘못된 결과를 얻을 수 있다. 이러한 점은 인간과 컴퓨터 상호 작용에 있어 중요한 장애요소이다. 또한, 현존하는 눈과 시선 추적 시스템의 또 다른 문제는 각각의 사용자에 대하여 교정 처리를 수행할 필요가 있다는 점이다 이러한 제한 사항을 극복하기 위하여, Ohno[8]는 안구의 모형에 의한 새로운 시선 추적 기술을 제안하였다.

저자의 다른 논문 :

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