$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

고객만족도 피드백을 위한 효율적인 얼굴감정 인식시스템에 대한 연구
A Study on Efficient Facial Expression Recognition System for Customer Satisfaction Feedback 원문보기

융합보안논문지 = Convergence security journal, v.12 no.4, 2012년, pp.41 - 47  

강민식 (남서울대학교 산업경영공학과)

초록
AI-Helper 아이콘AI-Helper

B2C(Business to Customer) 산업에 있어 효율적인 성과관리를 위해서는 고객이 원하는 서비스 요소를 추론하여 고객이 원하는 서비스를 제공하고 그 결과를 평가하여 지속적으로 서비스품질 및 성과를 향상 할 수 있도록 해야 한다. 그것을 위한 중요한 요소는 고객 만족도의 정확한 피드백인데 현재 국내에는 고객의 만족도 측정에 대한 정량적이고 표준화된 시스템이 열악한 상황이다. 최근 얼굴표정 및 생체데이터를 감지하여 사람의 감정을 인식하는 휴대폰 및 관련서비스 기술에 관한 연구가 증가하고 있다. 얼굴에서의 감정인식은 현재 연구되어지는 여러 가지 감정인식 중에서 효율적이고 자연스러운 휴먼 인터페이스로 기대되고 있다. 본 연구에서는 효율적인 얼굴감정 인식에 대한 분석을 하고 고객의 얼굴감정인식을 이용하여 고객의 만족도를 추론할 수 있는 고객피드백시스템을 제안한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

For competitiveness of national B2C (Business to Customer) service industry, improvement of process and analysis focused on customer and change of service system are needed. In other words, a business and an organization should deduce and provide what kind of services customers want. Then, evaluate ...

주제어

#B2C(Business to Customer)   #Customer Satisfaction Feedback   #ICT(Information and Communication Technology)   #Facial Expression Recognition  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 국내 B2C 산업에 있어 경쟁력 제고를 위해서는 고객 중심의 피드백 분석 및 프로세스 개선 및 평가 서비스 체계로의 전환이 필요하며, 이를 효과적으로 지원하기 위한 지능형 의사결정 지원 도구 개발이 필요하다. 본 연구는 얼굴감정인식 기술을 이용한 고객의 만족도를 파악할 수 있는 시스템 구성이 궁극적인 목표이다.
  • 본 연구에서는 B2C 서비스 분야의 고객 피드백 시스템 구성에 있어 얼굴감정인식 기술을 이용한 시스템을 제안하고자 한다.
  • 본 연구에서는 기존의 여러 얼굴감정인식 방법을 분석하여 가장 효율적인 알고리즘을 도출한다. 얼굴 표정을 인식하는 효율적인 방법으로서 AdaBoost 알고리즘을 사용한다.
  • 여기서는 기존의 여러 얼굴감정인식 방법을 분석하여 가장 효율적인 알고리즘을 제안하였다. 실시간으로 얼굴을 추적하여 얼굴표정을 인식하는 효율적인 방법으로서 관심영역을 지정한 AdaBoost 방법을 제안하고 구현하였는데 이것은 학습시간이 오래 걸린다는 단점이 있지만 실행속도가 다른 방법에 비해 빠르고 인식률도 높은 편이어서 얼굴표정을 인식하는데 적합한 방법이다.
  • 이것은 학습시간이 오래 걸린다는 단점이 있지만 실행속도가 다른 방법에 비해 빠르고 인식률도 높은 편이어서 얼굴표정을 인식하는데 적합한 방법이다. 여기서는 학습시간이 오래 걸린다는 단점을 보완하기 위해 처리시간을 단축시켜 실시간 사용에 적합하도록 관심영역을 지정하고 부분적으로 처리함으로 성능을 향상시키는 알고리즘을 개발 한다.

가설 설정

  • 7. 얼굴 가정: 전경영역을 추출하지 못할 때의 문제를 해결하기 위한 알고리즘으로 AdaBoost 알고리즘을 이용했을 때 순간적으로 벗어난 경우에도 기존 프레임에서 얼굴이라고 인식된 경우 계속해서 인식하도록 가정한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
임계값이란? 영상처리의 가장 기본적인 기법 중 하나인 이진화(Binary) 기법은 지문인식 기술, 문자인식 기술에서 특정 정보를 추출하기 위한 전 처리 과정으로 영상을 향상시키기 위해 사용된다. 임계값이란 경계 값이라고 할 수 있으며 특정 정보 추출을 위해 영상의 특징을 나눌 때 기준으로 잡는 값을 말한다.
특징점 기반 방식으로 추출하는 방법은 어떤 방법인가? 얼굴을 인식하는 방법 중에서도 특징점 기반 방식으로 추출하는 방법은 얼굴인식에서 사용하는 전통적인 방법으로 눈, 코, 입 등 얼굴의 특징을 나타낼 수 있는 곳에 점을 찍고 이 점들 사이의 관계를 이용해 얼굴을 구분하는 방법이다. 일반적으로 많이 사용하는 것이 눈 사이의 거리, 눈썹의 꺾어진 각도, 코의 길이, 입의 크기 등이다.
얼굴 표정 인식의 어려운 점은? 얼굴 표정 인식은 세 가지 면에서 어려움이 있다. 먼저 얼굴 이미지나 이미지 시퀀스(image sequence)에서 얼굴을 검출하여야 하고 검출한 얼굴에서 얼굴 표정 데이터를 추출해야 하며 추출한 데이터를 가지고 얼굴 표전 분류를 해야한다. 이런 어려움들 때문에 얼굴 표정 인식에 관련된 연구는 입력 데이터에 대해서 사전 처리(pre-processing)와 특징점 추출(feat ure extraction), 분류(classification),사후 처리(post-p rocessing) 등의 단계를 거처 얼굴 표정을 구분하게 된다.
질의응답 정보가 도움이 되었나요?

참고문헌 (12)

  1. P. Ekman, W. Frisen, "Facial Action Coding System : A Technique for the Measurement of Facial Movement", Consulting Psychologists Press,1978. 

  2. Kim, T. Chang,A. & Pantland, A."Meeting Mediator: Enhancing Group Collaboration with Sociometric Feedback ", Proceedings of Conference on Computer Supported Collaborative Work, 457-466, 2008. 

  3. J. Lien, T. Kanade, C. Li, "Detection, tracking, and classification of action units in facial expression", J. of Robotics and Autonomous Systems, Vol. 31, No. 3, pp. 131-146, 2000. 

    상세보기 crossref

  4. M. Turk, A. Pentland, "Eigenfaces for recognition", J. of Cognitive Neuroscience, Vol. 3, No. 1, pp. 71-86, 1991. 

    상세보기 crossref

  5. P. Penev, J. Atick, "Local feature analysis: a general statistical theory for object representation", Network : Computation in Neural Systems, Vol. 7,pp. 477-500, 1996. 

    crossref

  6. P. Belhumeur, J. Hespanha, D. Kriegman,"Eigenfaces vs. fisherfaces: Recognition using class specific linear projection", IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 19, No. 7, pp. 711-720, 1997. 

    상세보기 crossref

  7. C. Padgett, G. Cottrell, "Representing face images for emotion classification", Advances in Neural Information Processing Systems, Vol. 9, MIT Press. 1997. 

  8. A. Bell, T. Sejnowski, "An information maximization approach to blind separation and blind deconvolution", Neural Computation, Vol. 7, pp. 1129-1159, 1995. 

    상세보기 crossref

  9. M.Bartlett. "Face Image Analysis by Unsupervised Learning and Redundancy Reduction ",PhD thesis, Univ. of California ,1998. 

  10. M.Pantic ,"An Expert System for Multiple Emotional Classification of Facial Expressions" Proc. 11th IEEE Int. Conf. on Tools with Artificial Intelligence, 113-120,1999. 

  11. 이오영., 박혜영., 최승진., "Factorial code 표현법을 이용한 얼굴인식", 한국통신학회논문지 Vol. 26, No. 10B, pp. 1444-1452, 2001. 

  12. 한수정 외,"ICA-factorial 표현법을 이용한 얼굴감정인식", 퍼지 및 지능시스템학회 논문지 Vol.13 No.3 pp.371-376 ,2003. 

    원문보기 상세보기

저자의 다른 논문 :

LOADING...

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로