감성 지능형 컴퓨팅은 컴퓨터가 학습과 적응을 통하여 인간의 감성을 처리할 수 있는 감성인지 능력을 갖는 것으로 보다 효율적인 인간과 컴퓨터의 상호 작용을 가능하게 한다. 감성 정보들 중 시각과 청각 정보인 음악 이미지는 짧은 시간에 형성되고 기억에 오랫동안 지속되기 때문에 성공적인 마케팅에 있어서 중요한 요인으로 꼽히고 있으며, 인간의 정서를 이해하고 해석하는데 있어서 매우 중요한 역할을 한다. 본 논문에서는 사용자의 감성키워드(짜증, 우울, 차분, 기쁨)를 고려하여 매칭된 음악과 이미지를 검색하는 시스템을 구축하였다. 제안된 시스템은 인간의 감성을 4단계 경우로 상황을 정의하며, 정규화 된 음악과 이미지를 검색하기 위해 음악 이미지 온톨로지와 감성 온톨로지를 사용하였으며, 이미지의 특징정보를 추출, 유사성을 측정하여 원하는 결과를 얻게 하도록 하였다. 또한, 이미지 감성인식정보를 분류하기위해 대응일치분석과 요인분석을 통한 성컬러와 감성어휘를 하나의 공간에 매칭하였다. 실험결과 제안된 시스템은 4가지 감성상태에 대해 82.4%의 매칭율를 가져올 수 있었다.
감성 지능형 컴퓨팅은 컴퓨터가 학습과 적응을 통하여 인간의 감성을 처리할 수 있는 감성인지 능력을 갖는 것으로 보다 효율적인 인간과 컴퓨터의 상호 작용을 가능하게 한다. 감성 정보들 중 시각과 청각 정보인 음악 이미지는 짧은 시간에 형성되고 기억에 오랫동안 지속되기 때문에 성공적인 마케팅에 있어서 중요한 요인으로 꼽히고 있으며, 인간의 정서를 이해하고 해석하는데 있어서 매우 중요한 역할을 한다. 본 논문에서는 사용자의 감성키워드(짜증, 우울, 차분, 기쁨)를 고려하여 매칭된 음악과 이미지를 검색하는 시스템을 구축하였다. 제안된 시스템은 인간의 감성을 4단계 경우로 상황을 정의하며, 정규화 된 음악과 이미지를 검색하기 위해 음악 이미지 온톨로지와 감성 온톨로지를 사용하였으며, 이미지의 특징정보를 추출, 유사성을 측정하여 원하는 결과를 얻게 하도록 하였다. 또한, 이미지 감성인식정보를 분류하기위해 대응일치분석과 요인분석을 통한 성컬러와 감성어휘를 하나의 공간에 매칭하였다. 실험결과 제안된 시스템은 4가지 감성상태에 대해 82.4%의 매칭율를 가져올 수 있었다.
Emotion intelligence computing is able to processing of human emotion through it's studying and adaptation. Also, Be able more efficient to interaction of human and computer. As sight and hearing, music & image is constitute of short time and continue for long. Cause to success marketing, understand...
Emotion intelligence computing is able to processing of human emotion through it's studying and adaptation. Also, Be able more efficient to interaction of human and computer. As sight and hearing, music & image is constitute of short time and continue for long. Cause to success marketing, understand-translate of humanity emotion. In this paper, Be design of check system that matched music and image by user emotion keyword(irritability, gloom, calmness, joy). Suggested system is definition by 4 stage situations. Then, Using music & image and emotion ontology to retrieval normalized music & image. Also, A sampling of image peculiarity information and similarity measurement is able to get wanted result. At the same time, Matched on one space through pared correspondence analysis and factor analysis for classify image emotion recognition information. Experimentation findings, Suggest system was show 82.4% matching rate about 4 stage emotion condition.
Emotion intelligence computing is able to processing of human emotion through it's studying and adaptation. Also, Be able more efficient to interaction of human and computer. As sight and hearing, music & image is constitute of short time and continue for long. Cause to success marketing, understand-translate of humanity emotion. In this paper, Be design of check system that matched music and image by user emotion keyword(irritability, gloom, calmness, joy). Suggested system is definition by 4 stage situations. Then, Using music & image and emotion ontology to retrieval normalized music & image. Also, A sampling of image peculiarity information and similarity measurement is able to get wanted result. At the same time, Matched on one space through pared correspondence analysis and factor analysis for classify image emotion recognition information. Experimentation findings, Suggest system was show 82.4% matching rate about 4 stage emotion condition.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
요인 분석 (Factor Analysis)은 다수 또는 대량의 자료를 처리해서 이론적으로 또는 내용적으로의미 있는 소수의 변수를 추출하는 통계방법이다. 감성어휘들이 너무 많거나 어휘들간의 복잡한 상관관계가 있기 때문에, 요인 분석을 통해 감성어휘들 중에서 독립적이고 중요한 요인들을 추출하기 위해 사용되었다. 또한 조사한 감성요소별 어휘간의 관계를 규명하고 대표 감성어휘들을 추출하였다.
본 논문에서는 감성 기반 음악 . 이미지 검색을 위해 이미지의 색상 정보와 음악의 음계 정보를 XML Schema를 사용하여 데이터를 타입을 정의하고 온토로지로 구축하였다.
본 시스템은 사용자의 감성키워드(짜증, 우울, 차분, 기쁨)를 고려하여 매칭된 음악과 이미지를 추천하기 위해 인간의 감성을 4단계 경우로 상황을 정의하며, 정규화 된 음악과 이미지를 검색하기 위해 음악 . 이미지 온톨로지와 감성 온톨로지를 사용하여 개인의 감성 키워드에 맞는 음악과 이미지를 매칭, 이미지의 특징정보를 추출, 유사성을 측정하여 원하는 결과를 얻게 하도록 하였다.
제안 방법
이 좌표를 통해 거리를 측정할 수 있고 이는 감성어휘와 관련된 감성요소의 관계로 볼 수 있다. 각 좌표에서 거리의 수치가 작을수록 관계가 높은 의미를 가지고(반비례) 이미지에서 컬러분포는 클수록 높은 의미를 가지므로(정비례), 거리의 역수를 얻어 비율을 측정하였다. 식(6)은 이에 대한 수식을 나타낸다.
결과에 대한 평가는 주관적인 감성 정보의 특성상 시스템을 사용한 사용자들이 감성 정보를 기반으로 한 검색 결과에 대해 얼마만큼의 신뢰도를 가지고 있는지에 대한 사용자 만족도로 측정하였다. 이를 위해 표본 사용자 30명을 선정하여 4개의 감성키워드를 제시하고, 이를 토대로 검색 결과의 만족도 평가를 실시하였다.
그림 2와 같이 이미지 감성 추출을 위해 웹 기반 컬러 모드인 RGB를 이용하였고, 감성의 척도 측정을 위해 HP(Hewlett-Packard)의 The Meaning of Color'에서 정해놓은 20개의 컬러 감성 모델을 대표 요소로 선정하고 5점 척도 측정의 설문조사를 통한 요인, 대응일치 분석을 하고, 컬러별 감성공간을 생성하였다. 대응 일치 분석을 통해 각 감성요소별 대표 영상과 감성어휘를 하나의 감성공간에 표현하면, 감성어휘와 감성 요소의 관계를 파악할 수 있고, 감성어휘간의 관계 또한 파악할 수 있다.
또한 조사한 감성요소별 어휘간의 관계를 규명하고 대표 감성어휘들을 추출하였다. 대표 감성어휘들을 기준으로 각 어휘들의 요인득점 (factor score)을 공간에 표현함으로써 감성공간을 생성하였다. 표 1은 컬러모델의 각 RGB와 원점 사이 거리를 보여준다.
따라서 완전히 일치되는 대상을 찾아내기 어려우므로 검색 대상 공간을 축소한 다음 데이터를 검색 순서대로 탐색하는 방법을 사용한다. 이미지의 경우 검색대상이 되는 이미지의 여러 특성을 추출하고, 사용자가 질의로 준 이미지의 특성과 유사한 특성을 가진 이미지를 검색 결과로 알려준다面.
컬러특징 정보를 추출하기 위해 이미지에서 추출된 R, G, B값을 이용하는 것은 RGB공간상에서 서로 영향을 끼치기 때문에 두 개의 컬러 유사도를 계산하는데 부적합하여 HSV 컬러 공간으로 변환하여 추출하였다. 따라서 이미지의 색상을 H(Hue), S(Saturation), V(Vahie)로 식⑴의 과정을 통해 변환하여 사용하였다.
감성어휘들이 너무 많거나 어휘들간의 복잡한 상관관계가 있기 때문에, 요인 분석을 통해 감성어휘들 중에서 독립적이고 중요한 요인들을 추출하기 위해 사용되었다. 또한 조사한 감성요소별 어휘간의 관계를 규명하고 대표 감성어휘들을 추출하였다. 대표 감성어휘들을 기준으로 각 어휘들의 요인득점 (factor score)을 공간에 표현함으로써 감성공간을 생성하였다.
또한, 영역별로 컬러특징정보의 대표값을 추출하기 위해 HSV 컬러 공간으로 변환된 색상(Hue)의 최대값과 영역별로 64컬러로 양자화 된 값 중 최대값을 대표특징 값으로 사용하였다. 양자화는 원래의 이미지에서 최선의 색상을 선택할 수 있는 방법으로 화소(pixel)별 R, G, B값을 다음 식⑵에 의해 64컬러 양자화를 위한 인덱스 값으로 변환된다.
본 논문에서는 감성 정보를 4단계(짜증, 우울, 차분, 기쁨)로 표준화하기 위해서 추출된 데이터를 요인분석, 대응일치 분석을 통해 표준화하였고, 감성 온톨로지 와이 미지의 특징정보를 이용하여 감성기반 음악 . 이미지검색 시스템을 구현하였다.
본 논문에서는 대응일치분석과 요인분석을 통한 감성 컬러와 감성어휘를 하나의 공간에 매칭한 후 감성 인식정보를 분류하였으며, 평균율에 의한 12음계의 파장 비율을 삼원색의 조합으로 만들 수 있는 색상들과 주파수를 순차적으로 대응시키면서 음악과 컬러를 연결하여 분류하였다 里 추출된 음악 감성정보와 이미지 감성 정보의 데이터를 감성 온톨로지를 이용하여 각각의 키워드를 매칭 시키며, 적합한 이미지를 검색 추천하고자 이미지의 적합한 특징정보를 추출하여 사용자의 감성 키워드(짜증, 우울, 차분, 기쁨)에 따라 음악 . 이미지 검색, 추천되는 시스템을 구현하였다.
는 질의 이미지의 각 특징정보값이며 九는 데이터베이스내의 이미지 특징정보값이다. 유사성 척도에 의해 검색된 이미지를 유사도값이 높은 순서로 화면에 출력하도록 하였다. 또한, 검색된 유사 이미지에 대한 유사도(100%)를 수치로 나타내기 위해서 구해진 거리 값을 이용하여 식(5)와 같이 계산하였다.
이렇듯 분석된 컬러 측정값과 지표로 사용된 음악의 음계를 분석 후 매칭 하여 추론된 데이터를 분석하여 최적의 음악 매칭 리스트를 결정하게 된다. 표 4는 감성 키워드에 따른 음악 매칭 지표이다.
사용자 만족도로 측정하였다. 이를 위해 표본 사용자 30명을 선정하여 4개의 감성키워드를 제시하고, 이를 토대로 검색 결과의 만족도 평가를 실시하였다. 검색된 음악과 이미지들의 컬러 감성 정보에 대한 표본 사용자 만족도는 그림 6과 같이 나타났으며, 이에 대한 평균값은 82.
이미지 감성정보의 감성 척도 측정을 위하여 조선대학교 학생 237명(남자 141명, 여자 96명)을 무작위로 선발하여 대상자들의 색채에 대한 감성을 알아보기 위해 어의 구별 척도로 작성된 '색채정보 감성 어휘'에 대한설문지를 작성하도록 하였다. 설문지를 통하여 얻어낸 데이터를 요인분석, 대응 일치 분석을 프로그램화한 감성어휘 판독 프로그램을 이용하여 데이터의 분석을 실시하여 같은 분류의 대답을 그림 4와 같이 도식하였다.
우울, 차분, 기쁨)에 따라 음악 . 이미지 검색, 추천되는 시스템을 구현하였다.
본 논문에서는 감성 기반 음악 . 이미지 검색을 위해 이미지의 색상 정보와 음악의 음계 정보를 XML Schema를 사용하여 데이터를 타입을 정의하고 온토로지로 구축하였다. 표 2와 표 3은 음악 .
된 음악과 이미지를 검색하기 위해 음악 . 이미지 온톨로지와 감성 온톨로지를 사용하여 개인의 감성 키워드에 맞는 음악과 이미지를 매칭, 이미지의 특징정보를 추출, 유사성을 측정하여 원하는 결과를 얻게 하도록 하였다. 본 시스템의 구성도는 그림 1과 같다.
이미지검색 시스템을 구현하였다. 시스템 성능 평가를 위해표본 사용자 30명을 선정하여 4개의 감성키워드를 제시하고, 이를 토대로 검색 결과에 대해 만족도 평가를 실시한 결과 사용자 만족도의 평균값은 82.
이미지의 크기를 동일한 기준에 의해 특징정보를 추출할 수 있도록 하기 위하여 가로, 세로중 길이가 긴 쪽을 180으로 고정시킨 후 伽 X N 이나 N * 180으로 크기를 정규화를 시켰다. 크기가 정규화가 된 이미지는 특징정보 추출 시 이미지의 공간적인 정보의 상실을 최소화하기 위해 A3의 9개의 영역으로 나누어 영역별 대표 특징 값을 추출하였다.
이미지의 특정 점에서 RGB를 추출하여 각 컬러의 RGB를 데이터베이스에 미리 저장해 두次 컬러 분포에 따른 감성의 정도를 파악하기 위해 컬러모델의 각 RGB 를 X, y, z의 3차원 좌표로 보고 추출된 컬러와의 거리를 계산하여 최단거리인 컬러모델에 포함시키도록 하였다. 이미지의 컬러모델분포는 데이터베이스의 20개의 컬러모델 필드(Field)에 각각 저장된다.
크기가 정규화가 된 이미지는 특징정보 추출 시 이미지의 공간적인 정보의 상실을 최소화하기 위해 A3의 9개의 영역으로 나누어 영역별 대표 특징 값을 추출하였다. 컬러특징 정보를 추출하기 위해 이미지에서 추출된 R, G, B값을 이용하는 것은 RGB공간상에서 서로 영향을 끼치기 때문에 두 개의 컬러 유사도를 계산하는데 부적합하여 HSV 컬러 공간으로 변환하여 추출하였다. 따라서 이미지의 색상을 H(Hue), S(Saturation), V(Vahie)로 식⑴의 과정을 통해 변환하여 사용하였다.
정규화를 시켰다. 크기가 정규화가 된 이미지는 특징정보 추출 시 이미지의 공간적인 정보의 상실을 최소화하기 위해 A3의 9개의 영역으로 나누어 영역별 대표 특징 값을 추출하였다. 컬러특징 정보를 추출하기 위해 이미지에서 추출된 R, G, B값을 이용하는 것은 RGB공간상에서 서로 영향을 끼치기 때문에 두 개의 컬러 유사도를 계산하는데 부적합하여 HSV 컬러 공간으로 변환하여 추출하였다.
형태특징정보를 검출하기 위하여 라플라시안(2차 미분 함수)을 이용하여 윤곽선의 중심에 있는 윤곽선만을 표현할 수 있도록 하였다. 이때 날카로운 윤곽선 추출로 이미지의 잡음이 윤곽선으로 인식되지 않도록 하기 위해서 추출된 값에 대해 임계값을 주어 이진영상으로 변환하는 과정을 추가하여 윤곽선을 선명하게 추출하여 영역별 대표값을 추출하였다, 2차원 함수 大%”)의 라플라시안은 식(3)에 의해 계산 될 수 있다.
데이터처리
작성하도록 하였다. 설문지를 통하여 얻어낸 데이터를 요인분석, 대응 일치 분석을 프로그램화한 감성어휘 판독 프로그램을 이용하여 데이터의 분석을 실시하여 같은 분류의 대답을 그림 4와 같이 도식하였다. 그림 4와 같이 감성요소와 감성어휘를 2차원 공간에 놓았고, 이를 통해 감성어휘와 감성요소들의 좌표를 얻을 수 있다.
성능/효과
이를 위해 표본 사용자 30명을 선정하여 4개의 감성키워드를 제시하고, 이를 토대로 검색 결과의 만족도 평가를 실시하였다. 검색된 음악과 이미지들의 컬러 감성 정보에 대한 표본 사용자 만족도는 그림 6과 같이 나타났으며, 이에 대한 평균값은 82.4%로 나타났다. 이는 제안한 감성 정보 기반 검색 결과가 실제 사람이 느끼는 감성과 비교적 유사함을 증명하고 있다.
이미지검색 시스템을 구현하였다. 시스템 성능 평가를 위해표본 사용자 30명을 선정하여 4개의 감성키워드를 제시하고, 이를 토대로 검색 결과에 대해 만족도 평가를 실시한 결과 사용자 만족도의 평균값은 82.4%로 나타났다. 즉, 이는 본 시스템이 실제 감성과 비교적 유사하다는 것을 나타낸다.
후속연구
향후 연구로는 실제 감성과 유사할 수 있도록 정확도를 높이고자 한다. 또한 감성을 측정하는 척도로써 뇌파를 이용한 검색 시스템이나 사용자의 생체정보를 상황 인식하여 감성을 매칭 한다면 훨씬 높은 매칭율을 보일 것으로 예상된다.
즉, 이는 본 시스템이 실제 감성과 비교적 유사하다는 것을 나타낸다. 향후 연구로는 실제 감성과 유사할 수 있도록 정확도를 높이고자 한다. 또한 감성을 측정하는 척도로써 뇌파를 이용한 검색 시스템이나 사용자의 생체정보를 상황 인식하여 감성을 매칭 한다면 훨씬 높은 매칭율을 보일 것으로 예상된다.
참고문헌 (10)
황상민, "색채 감성 이미지 척도(PCIS)를 통하여 살펴본 인간의 색채 감성 연구", 한국색채학회논문지, 제19권, 제1호, 13-25쪽, 2005년
조윤호, 박규식, "성별 구분을 통한 음성 감성인식 성능 향상에 대한 연구", 전자공학회논문지, 제45권 SP편, 제4호, 107-114쪽, 2008년 4월
백선경, "감성기반 의미지 검색을 위한 시각정보 요소별 감성공간 생성", 조선대학교 박사논문, 2008년 2월
황환규, "영역기반 이미지 검색을 위한 칼라 이미지 세크멘터이션", 전자공학회논문지, 제45권 CI 편, 제1호, 11-24쪽, 2008년 1월
Damasio, A. R. "Fundamental feelings: concept of emotion.," Nature 413(6858), Issue of 25 October 2001, 781. 2001.
W. Niblack, et al. "The QBIC project: Query images by content using color, texture and shape," SPIE V 1908, 1993.
S. Chang, Q. Shi and S. Yan, "Iconic indexing using 2-D strings," IEEE Trans. on Pattern Analysis & Machine Intelligence, Vol. 9, No. 3, pp. 413-428, 1987
M. Stricker and M Orengo, "Similarity of Color Images," SPIE Proc. Series Vol. 2420, pp. 381-392, 1995
C. Carson, S. Belongies, H. Greenspan and J Malik, "Region-based image querying," Proc. IEEE Workshop on Content-Based Access of Image and Video Libraries, June 1997
※ AI-Helper는 부적절한 답변을 할 수 있습니다.