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
- 본 논문에서 는 눈동자의 정확한 위치 를 효과적 으로추적하는 방법을 제안하였다. 실시간 시스템 구현을위해 처리 속도가 빠른 Haar-like feature를 이용하여 얼굴 영역을 검출하고 주성분 분석으로 눈 영역을 검출함으로써 눈동자의 시선을 추적하기 위한 관삼 영역을 최소화 한다.
- 본 논문에서는 일반인뿐만 아니라 장애자들에게도가장 높은 의사 전달력 이 있는 제스처를 눈의 움직임이라고 판단하여 눈동자의 시선 추적 시스템을 제안한다. 이 시스템은 사용자의 시선 위치에 따른 화면제어 및 기업분야에서의 소비자 관심 정보 테스트 그리고 의료분야에서도 많은 활용이 가능하다.
- 지금까지 언급한 제약 조건 및 초기화 조건을 이 용하지 않는 자동 실시간 시스템의 구현을 위해서 본 논문에서 는 공간 모멘트(spatial moment)에 명 암 가중치를 적 용한 새로운 눈동자의 시 선 추적 시스템을 제안한다. 제안한 시스템은 복잡한 배경에 상관없이 눈 영역을 정확하게 검출하고 눈동자를 추적 할 수 있다.
제안 방법
- 실시간 시스템 구현을위해 처리 속도가 빠른 Haar-like feature를 이용하여 얼굴 영역을 검출하고 주성분 분석으로 눈 영역을 검출함으로써 눈동자의 시선을 추적하기 위한 관삼 영역을 최소화 한다. 그리고 검출된 눈 영역의 컬러모델을 CIE Lab 모델로 변환한 후 이 진화를 하고 명 암 가중치를 적용한 반복 공간 모멘트로 눈동자를 정확하게 주적 한다. 이러한 시스템을 신체의 어떠한 접촉도 없이 단순히 웹 카메라를 이용하여 30명의 실험자들에 게 5가지의 다른 환경에서 실험 한 결과, 제안한 시스템이 안경을 쓰지 않고 정면을 응시할 경우에 200~300럭스 (LUX)에서는 공간 모멘트를 이용한 눈동자 추적 알고리즘, 템플릿 매칭을 이용한 눈동자 추적 알고리즘, 허프변환을 이용한 눈동자 추적 알고리즘보다 제안한 시스템의 눈동자 주적률이 상대적으로 높았다.
- 현재 눈 영역 영상에서 찾은무게 중심점의 별/기 값丁를이용하여 T와 비슷한 밝기 값의 범주 안에 있는 픽셀들로만 구성된 눈 영역 영상에서 열림(opening) 연산을 한 후 공간 모멘뜨를 한 번 더 한다. 그리고 전 단계에서 추적한 눈동자의 위치와 명암 가중치를 적용한 공간 모멘트를 이용하여 추적한 눈동자의 위치를 비교하여 두 눈동자의 위치가 일치하거나 다차원 공간에서 두 점 간의 거리를 구하는 유클리디안 거리를 이용하여 두 눈동자 간의 거 리가 두 픽 셀이 될 때까지 반복한다. 표 2는 정 확한 눈동자의 위치를 추적하기위한 명암 가중치를 적용한 반복 공간모멘트를 설명하고 있다.
- 그리고 정확한 눈동자의 시 선을 추적하기 위해 전 단계에서 추적한 눈동자의 히스토리 정보와 명암 가중치를 적용한 공간 모멘트로 추적 한 눈동자의 픽 셀 좌표 값이 일치하거나유클리디안거리(Euclideandistance)를 이용한 특정 범위 안에 들어 올 때가지 반복하여 정확한 시선을 추적 한다.
- 실험에 사용한 영상 크기는 3*22400 이 며 초당 30 프레 임의 시 퀀스로 입력 받아서 제안한 시스템의 실험에 사용하였다. 그리고웹 카메라로 얻어진 영상을 제안한 눈동자 추적 시스템으로 처리함으로써 실험자들의 눈동자 움직임을 추적하였으며 눈 영역에서 눈동자를 추적한 좌표 값이 그림 13의 음영 부분에 위치하면 눈동자 추적 성 공으로 판단하도록 하였다.
- 눈 영역 영상에서 눈동자를 추적하기 위해 공간 모멘트(spatialmoment)의 무게 중심점을 사용하였다. 눈동자추적 알고리즘의 흐름도는 그림 7과 같다.
- 제안한 시스템의 효율성을 검증하기 위해서 제안한 시스템은 눈동자의 움직임을 이용한 인터페이스 시스템에 적용되었고, 눈동자의 위치로시스템을통제(control)하기 위해 필요한눈의 특징 점을 추출하였다. 눈의 특징 점은 눈 영역에서어두운 부분을 이용하여 추출하였다. 그림 12는 눈 영역의 어 두운 부분을 나타낸다.
- 그 다음 얼굴 영역 안의 다양한 각도의 눈 영역을 검출하기 위해 주성분 분석의 고유얼굴(eigenlMces)에 기반한Eigeneye를 사용하였다. 마지막으로 눈동자의 동공(pupil)에 가장 근사한 위치 를 추적하기 위해 명암 가중치를 적용한 반복 수렴 공간 모멘트를 이용하여 시선 추적을 행하였다.
- 방법을 제안하였다. 실시간 시스템 구현을위해 처리 속도가 빠른 Haar-like feature를 이용하여 얼굴 영역을 검출하고 주성분 분석으로 눈 영역을 검출함으로써 눈동자의 시선을 추적하기 위한 관삼 영역을 최소화 한다. 그리고 검출된 눈 영역의 컬러모델을 CIE Lab 모델로 변환한 후 이 진화를 하고 명 암 가중치를 적용한 반복 공간 모멘트로 눈동자를 정확하게 주적 한다.
- 얼굴 영역 안의 눈 영역을 검출하기 위해 주성분 분석에서 고유얼굴을 사용하였다. 고유얼굴이란 얼굴영상의 고유벡터로 얼굴영상을 얼굴공간으로 변환하기위한 기저벡터를 말한다.
- 쓴 경우, 정면을 응시하는 경우, 좌.우를 응시하는 경우, 얼굴 크기가 다른 경우 등 각각의 여러 상태에서 조도를 변화 시키며 실험을 하였다. 실험에 사용한 영상 크기는 3*22400 이 며 초당 30 프레 임의 시 퀀스로 입력 받아서 제안한 시스템의 실험에 사용하였다.
- 제안한 시스템은 복잡한 배경에 상관없이 눈 영역을 정확하게 검출하고 눈동자를 추적 할 수 있다. 이를 위해 제 안한눈동자의 시선 추적 시스템은 실시간 시스템 구현을 위해 처리 속도가 빠른 Haar-like Feature를 이용하여 얼굴영 역을 검출한다. 그리고눈 영역을 검출하기 전에 얼굴영역을 검출하여 관심 영역을 최소화하므로 얼굴 위치를 수동적 으로 미리 정해주지 않고, 복잡한 배 경 에서 눈영역을 정확히 검출 한다.
- 제안한 시스템은 복잡한 배경에 상관없이 눈 영역을 정확하게 검출하고 눈동자를 추적 할 수 있다. 이를 위해 제 안한눈동자의 시선 추적 시스템은 실시간 시스템 구현을 위해 처리 속도가 빠른 Haar-like Feature를 이용하여 얼굴영 역을 검출한다.
- 적용한각각의 결과 영상이다. 제안한 시스템의 효율성을 검증하기 위해서 제안한 시스템은 눈동자의 움직임을 이용한 인터페이스 시스템에 적용되었고, 눈동자의 위치로시스템을통제(control)하기 위해 필요한눈의 특징 점을 추출하였다. 눈의 특징 점은 눈 영역에서어두운 부분을 이용하여 추출하였다.
- 이 시스템은 사용자의 시선 위치에 따른 화면제어 및 기업분야에서의 소비자 관심 정보 테스트 그리고 의료분야에서도 많은 활용이 가능하다. 제안한시스템의 효율성을 검증하기 위해서 먼저 제안한 시스템을 이용하여 눈의 움직임기반의 인터페이스 시스템을 구현하였다. 그리고 30명의 사용자에 대해 제안한 시스템을 실험한 결과 복잡한 배경에서 높은 눈동자 추적률을 보여주었고, 제안한 시스템이 사람의의사소통수단으로 편리하게 활용될 수 있음을 보여주었다.
- 템플릿 매칭을 이용한 눈 영역 검출기는 처리 속도가뛰어난 것으로 알려져 있지만 눈동자의 위치 변화로 인한 구별 기능이 떨어지는 단점을 가지고 있기 때문에 얼굴 영역 영상에서 눈 영역을 검출하기 위해 정보의 손실이 거의 없이 차원의 감소 특징 추출 기능이란 장점을가지 고 있는 주성 분 분석 (principal component analysis)을사용하였다.
대상 데이터
- [5] 이는 데이터를 분할하거나 압축하는방법으로적은에 러를가지고재구성을 할 수 있는 손실 기법 중의 하나이다. 본 논문에서는 픽셀 자체를 이용하는 것보다 영상이 가지고 있는 특징을 더 잘 압축할 수 있는 Haar-like Featiro를 얼굴 영역을 검출하는 인식 자로 사용하였다. 이는 학습 알고리즘에서 학습 입력 정보는 줄여주는 반면에 학습 결과의 다양성을 증가시켜주어 더욱 쉬운 분류가 가능하게 한다.
- 우를 응시하는 경우, 얼굴 크기가 다른 경우 등 각각의 여러 상태에서 조도를 변화 시키며 실험을 하였다. 실험에 사용한 영상 크기는 3*22400 이 며 초당 30 프레 임의 시 퀀스로 입력 받아서 제안한 시스템의 실험에 사용하였다. 그리고웹 카메라로 얻어진 영상을 제안한 눈동자 추적 시스템으로 처리함으로써 실험자들의 눈동자 움직임을 추적하였으며 눈 영역에서 눈동자를 추적한 좌표 값이 그림 13의 음영 부분에 위치하면 눈동자 추적 성 공으로 판단하도록 하였다.
이론/모형
- SVM(Support Vector MachiTies)[ll]이나 신경망 (Neural Network)[(2)을 이용한 검출기는 구별 기능이매우뛰어난것으로알려져 있지만처리속도가느린단점을가지고있기 때문에 실시간처리를요구하는제안시스템에서는 입력 영상에서 얼굴 영역을 검출하기 위해 AdaBoost 학습 알고리 즘의 Haar-like Feature를 사용하였다.
- 그리고눈 영역을 검출하기 전에 얼굴영역을 검출하여 관심 영역을 최소화하므로 얼굴 위치를 수동적 으로 미리 정해주지 않고, 복잡한 배 경 에서 눈영역을 정확히 검출 한다. 그 다음 얼굴 영역 안의 다양한 각도의 눈 영역을 검출하기 위해 주성분 분석의 고유얼굴(eigenlMces)에 기반한Eigeneye를 사용하였다. 마지막으로 눈동자의 동공(pupil)에 가장 근사한 위치 를 추적하기 위해 명암 가중치를 적용한 반복 수렴 공간 모멘트를 이용하여 시선 추적을 행하였다.
- 과 같다. 일반 웹캠을 통해 영상이 입 력되면 AdaBoost 학습 알고리즘의 Haer-li&e Feature를 사용하여 얼굴 영역 을 검 출하고, [5-8] 얼굴 영역 안의 눈 영역 을 검 출하기 위 해 주성분 분석 의 고유얼굴기반인 Eigen-eye를 사용하였다. 눈동자를 추적하기 전에 관심 영역이 최소화된 눈 영역 영 상을 공간 모멘트를 이용하여 눈동자를 1차적으로 추적한다.
성능/효과
- 제안한시스템의 효율성을 검증하기 위해서 먼저 제안한 시스템을 이용하여 눈의 움직임기반의 인터페이스 시스템을 구현하였다. 그리고 30명의 사용자에 대해 제안한 시스템을 실험한 결과 복잡한 배경에서 높은 눈동자 추적률을 보여주었고, 제안한 시스템이 사람의의사소통수단으로 편리하게 활용될 수 있음을 보여주었다.
- 그림 20에서 A는 제안한 시스템의 추적률이고, B는 명 암 가중치를 적용하지 않고 공간 모멘트만을 이용하여 눈동자를추적한추적률이며’C는 템플릿 매칭 (Template Matching)를 이용한 눈동자 추적률이다. 그리고 D는 허프변환을 이용한 눈동자 추적률인데, 안경을 쓰지 않고 정면을 응시할 경우에 200~300 리스(LUX)에서는 다른 눈동자 추적 알고리즘 보다 추적률이 높았다.
- 추적률을 보여준다. 실험 결과 제안한 시스템에서는 250~300럭스(LUX)에서 가장 안정적이면서 91%의 높은 추적 률을 보였고. KX)럭스 이하 및 400럭스 이상일 경우에는 눈동자 추적률이 급격히 줄어들었고 특징 점 추출도 할 수 없었다.
- 그리고 검출된 눈 영역의 컬러모델을 CIE Lab 모델로 변환한 후 이 진화를 하고 명 암 가중치를 적용한 반복 공간 모멘트로 눈동자를 정확하게 주적 한다. 이러한 시스템을 신체의 어떠한 접촉도 없이 단순히 웹 카메라를 이용하여 30명의 실험자들에 게 5가지의 다른 환경에서 실험 한 결과, 제안한 시스템이 안경을 쓰지 않고 정면을 응시할 경우에 200~300럭스 (LUX)에서는 공간 모멘트를 이용한 눈동자 추적 알고리즘, 템플릿 매칭을 이용한 눈동자 추적 알고리즘, 허프변환을 이용한 눈동자 추적 알고리즘보다 제안한 시스템의 눈동자 주적률이 상대적으로 높았다. 그러나실내 환경 에서 조명 의 위치 에 따른 조도 차이와 변화에서 생기는 그림자로 인하여 눈 영역 검출 과정에 있어서 오류가 발생하는 경우도 있었다.
후속연구
- 그러나실내 환경 에서 조명 의 위치 에 따른 조도 차이와 변화에서 생기는 그림자로 인하여 눈 영역 검출 과정에 있어서 오류가 발생하는 경우도 있었다. 향후 조도에 대한민 감성 과얼굴 각도에 대한 강건 한 시 선 추적 에 대하여추가 연구가 퓔요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.