이미지를 감성으로 쾌 또는 불쾌, 긴장 또는 평온의 구분 감성을 트리 형식으로 가중치를 부여하여 평가한다. 이미지 대표평가 감성인 명도대비를 평가 기준으로 1차는 쾌, 불쾌 또는 긴장 또는 평온이고 2차는 세분화 이미지 감성으로 구분한다. 4개의 감성인식을 수치화 된 명도대비 데이터로 측정한다. 평가 구현은 OpenCV를 통해 명도대비를 그래프화하여 긴장, 평온, 쾌, 불쾌 값 변화에 따라 4개 감성으로 구분하여 컴퓨팅한다. 감성 컴퓨팅으로 명도대비의 입력된 값에 따라 '불쾌'를 '쾌' 또는 '긴장'을 '평온'으로 감성적 변화를 줄 수 있다. 이미지 감성의 규칙성을 계산화 된 컴퓨팅 시스템으로 제어할 수 있고 향후 산업방향에 감성 인식의 적용에 대한 긍정적인 역할을 할 것이다.
이미지를 감성으로 쾌 또는 불쾌, 긴장 또는 평온의 구분 감성을 트리 형식으로 가중치를 부여하여 평가한다. 이미지 대표평가 감성인 명도대비를 평가 기준으로 1차는 쾌, 불쾌 또는 긴장 또는 평온이고 2차는 세분화 이미지 감성으로 구분한다. 4개의 감성인식을 수치화 된 명도대비 데이터로 측정한다. 평가 구현은 OpenCV를 통해 명도대비를 그래프화하여 긴장, 평온, 쾌, 불쾌 값 변화에 따라 4개 감성으로 구분하여 컴퓨팅한다. 감성 컴퓨팅으로 명도대비의 입력된 값에 따라 '불쾌'를 '쾌' 또는 '긴장'을 '평온'으로 감성적 변화를 줄 수 있다. 이미지 감성의 규칙성을 계산화 된 컴퓨팅 시스템으로 제어할 수 있고 향후 산업방향에 감성 인식의 적용에 대한 긍정적인 역할을 할 것이다.
Image of emotional pleasure or displeasure, tension or emotional division of tranquility in the form of a tree is evaluated by weighting. Image representative evaluation of the sensitivity of the brightness contrast ratings 1 car pleasure, displeasure or stress or emotional tranquility and two cars ...
Image of emotional pleasure or displeasure, tension or emotional division of tranquility in the form of a tree is evaluated by weighting. Image representative evaluation of the sensitivity of the brightness contrast ratings 1 car pleasure, displeasure or stress or emotional tranquility and two cars are separated by image segmentation. Emotion Recognition of four compared to the numerical data is measured by brightness. OpenCV implementation through evaluation graph the stress intensity contrast, tranquility, pleasure, displeasure, depending on changes in the value of the computing is divided into four emotional. Contrast sensitivity of computing the brightness depending on the value entered 'nuisance' to 'excellent' or 'stress' to 'calm' the emotional changes can give. Calculate the sensitivity of the image regularity of localized computing system can control the future direction of industry on the application of emotion recognition will play a positive role.
Image of emotional pleasure or displeasure, tension or emotional division of tranquility in the form of a tree is evaluated by weighting. Image representative evaluation of the sensitivity of the brightness contrast ratings 1 car pleasure, displeasure or stress or emotional tranquility and two cars are separated by image segmentation. Emotion Recognition of four compared to the numerical data is measured by brightness. OpenCV implementation through evaluation graph the stress intensity contrast, tranquility, pleasure, displeasure, depending on changes in the value of the computing is divided into four emotional. Contrast sensitivity of computing the brightness depending on the value entered 'nuisance' to 'excellent' or 'stress' to 'calm' the emotional changes can give. Calculate the sensitivity of the image regularity of localized computing system can control the future direction of industry on the application of emotion recognition will play a positive role.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
가설 설정
1. 감성 측정에 사용될 대표 감성 이미지를 선정한다.
2. 샘플 이미지의 기준 감성과 대표감성을 측정한다.
제안 방법
1차적으로 ‘쾌’ 또는 ‘불쾌’, ‘평온’ 또는 ‘긴장’을 측정하고 세분화된 2차적으로 분류하고 수치화한 데이터로 평가한다.
5. 명도대비 분석 결과에 따른 기준 감성 중 명도대비를 분석한다.
이미지의 최고 임계값은 128∼238, 최저 임계값 0∼23, 기울기는 1231∼4321 범위를 명도 대비 변화에 따라 긴장이미지 감성으로 변환할 수 있다. 각 감성의 기준치에 따라 명도대비를 쾌한 이미지에서 불쾌한 이미지로 긴장 이미지를 평온한 이미지로 컴퓨팅 프로그램으로 변환한다.
이미지가 나타낼 수 있는 감성의 대표성을 추출하기 위한 테스트로 명도대비 히스토그램을 사용한다. 감성 인식 컴퓨팅을 위해 OpenCV 프로그램을 사용하여 명도대비 그래프로 이미지 감성을 평온, 긴장, 쾌, 불쾌로 구분 한다. 긴장되는 이미지의 그래프 형태는 전체적으로 낮은 분포 양상이고 평균적으로 10% 이내의 값을 나타낸다.
감성 트리 모델을 바탕으로 구조화된 알고리즘을 제시하고 알고리즘에 따라 단계별로 구현한다.
대상은 자연, 사물 등의 소재의 그림을 이용한다. 긴장, 평온, 쾌, 불쾌 이미지 4개의 군으로 각 그룹의 이미지를 15개씩 자연 소재의 이미지로 나누어 분석한다. 이미지의 기본 감성 측정으로 두 단계의 측정을 실시한다.
명도대비에 따라 인간의 이미지 감성이 ‘불쾌’가 ‘쾌’ 또는 ‘긴장’이 ‘평온’으로 변환할 수 있도록 시스템으로 제어하는 감성 컴퓨팅을 설계한다.
이미지의 대표 감성기준인 명도 대비를 통해 1차 기본감성은 쾌 또는 불쾌도와 긴장, 평온도와 2차는 세분화 이미지 감성 모두를 수치화한 데이터로 측정한다. 본 연구는 이미지의 명도대비 감성 변화의 분석으로 감성별 최소 및 최대 임계값과 명도대비의 기울기를 적용하여 규칙성을 분석한다. 평가 측정은 OpenCV를 이용해 명도대비를 그래프화하여 긴장, 평온, 쾌, 불쾌의 4개로 분류하여 분석한다.
Russell의 정서 원형 모형의 신경은 과학적 근거를 나타내고 있다. 본 연구에서는 감성의 기준을 정하는데 있어 Russell의 2차원 감성을 활용하여 각 기준의 정도를 구분하고 양의 값, 0, 음의 값으로 분류하여 조합하는 방식으로 확장한다.
이미지를 보고 느끼는 감성에 대한 평가는 다양하게 표현할 수 있다. 세분화한 감성을 대표감성으로 그룹화하여 쾌 또는 불쾌, 긴장 또는 평온 구분 감성을 각 축으로 구분한다. 이미지 감성을 트리 형식으로 구성하고 중요도에 따라 가중치를 부여하고 감성을 평가한다.
이미지 감성을 트리 형식으로 구성하고 중요도에 따라 가중치를 부여하고 감성을 평가한다.
이미지의 기준 감성을 쾌 또는 불쾌, 긴장 또는 평온으로 원점을 기준으로 양의 값, 0, 음의 값에 따라 각 축을 세 가지로 구분한다. 이미지를 통해 느껴지는 감성을 트리 형식으로 중요도에 따른 가중치를 부여하고 이미지 감성 변화를 평가하여 분류한다. 1차적으로 ‘쾌’ 또는 ‘불쾌’, ‘평온’ 또는 ‘긴장’을 측정하고 세분화된 2차적으로 분류하고 수치화한 데이터로 평가한다.
이미지의 기준 감성을 쾌 또는 불쾌, 긴장 또는 평온으로 원점을 기준으로 양의 값, 0, 음의 값에 따라 각 축을 세 가지로 구분한다. 이미지를 통해 느껴지는 감성을 트리 형식으로 중요도에 따른 가중치를 부여하고 이미지 감성 변화를 평가하여 분류한다.
감성 트리 형태 구조는 최상위 속성의 맥락에서 연관성 있는 하위 내부 속성 값의 변화에 따라 감성의 성격이 결정된다. 이미지의 대표 감성기준인 명도 대비를 통해 1차 기본감성은 쾌 또는 불쾌도와 긴장, 평온도와 2차는 세분화 이미지 감성 모두를 수치화한 데이터로 측정한다. 본 연구는 이미지의 명도대비 감성 변화의 분석으로 감성별 최소 및 최대 임계값과 명도대비의 기울기를 적용하여 규칙성을 분석한다.
정서가 의사결정, 지각, 학습 등의 인지과정에서 중요한 역할을 하며 지능적이고 자연 스럽게 인간과 상호작용하는 컴퓨터를 구현하기 위해서 인식하고 이해하는 능력뿐만 아니라 정서를 가지고 표현하는 능력을 주어야 한다고 주장한다. 인간과 상호작용하는 컴퓨터에 정서가 구현될 수 있는 가능성 등으로 감정을 표현하는 물리적인 특성들로 얼굴 표정, 억양, 제스처, 움직임, 자세, 동공의 크기 등을 제안한다. 감정에 대한 또 다른 지표로 심박, 체온, 전기반응, 근육 긴장도, 혈압 등이 가능성을 제안한다[9].
본 연구는 이미지의 명도대비 감성 변화의 분석으로 감성별 최소 및 최대 임계값과 명도대비의 기울기를 적용하여 규칙성을 분석한다. 평가 측정은 OpenCV를 이용해 명도대비를 그래프화하여 긴장, 평온, 쾌, 불쾌의 4개로 분류하여 분석한다. 이미지 감성인식 컴퓨터팅을 통해 입력한 명도대비 값에 따라 감성변화를 적용한다.
대상 데이터
1차는 기본 감성(쾌, 불쾌, 긴장, 이완), 2차 감성(우울, 불쾌, 짜증, 놀람, 평온, 만족, 쾌, 흥분)으로 측정한다. 기준 감성 분류에 따라 쾌 또는 불쾌, 평온 또는 긴장을 명도 대비 히스토그램의 수치화 한 데이터로 측정한다. 이미지 감정은 다양한 감성에 따른 복수 선택을 설정할 수 있다.
감성 측정을 위해 사용될 선정 이미지를 통해 느껴지는 의미적 감정유발 요소들은 배제한다. 대상은 자연, 사물 등의 소재의 그림을 이용한다. 긴장, 평온, 쾌, 불쾌 이미지 4개의 군으로 각 그룹의 이미지를 15개씩 자연 소재의 이미지로 나누어 분석한다.
이론/모형
이미지가 나타낼 수 있는 감성의 대표성을 추출하기 위한 테스트로 명도대비 히스토그램을 사용한다. 감성 인식 컴퓨팅을 위해 OpenCV 프로그램을 사용하여 명도대비 그래프로 이미지 감성을 평온, 긴장, 쾌, 불쾌로 구분 한다.
성능/효과
평가 기준은 감성별 최소임계값 평균, 최대임계값 평균, 기울기 평균 범위를 적용한다. 기울기의 평균값이 작을수록 명도대비 변화가 작고 기울기 값이 클수록 명도대비 변화가 크다는 결과이다. 최고 또는 최저의 값이 클수록 불쾌, 쾌의 이미지이고 작을수록 평온과 긴장의 이미지로 분석할 수 있다.
후속연구
이미지 감성인식 알고리즘은 시스템에 중점을 두고 피험자가 의식하는 수준의 감성 수준을 확인하기 위해 감성 형용사를 활용하는 방법으로 연구를 진행한다. 이 연구 방법은 향후, 생리적 지표를 활용하는 방법이나 무의식적인 얼굴표정의 차이와 변화를 측정하는 방식으로도 발전시킬 수 있다.
명도대비의 변화에 따라 컴퓨팅화하여 이미지 감성도 함께 변화 및 제어 할 수 있다. 향후 디자인 산업에서 감성 인식을 컴퓨팅 제어 방식으로 적용하는 지표가 될 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
감정은 무엇인가?
감성이란 인간과 세계를 연결하는 원초적 유대로서 인간 생활의 기본적인 역할을 한다. 감정은 마음에서 일어나는 느낌이나 기분을 말한다. 심리학에서는 감각과 감정을 구별하지 않고 감정은 주관적인 것이라 구별 한다.
생리적인 지표를 이용하여 감정을 추론하는 방법은 어떤 것이 있는가?
통계적 기법들을 이용하여 감성의 어휘구조가 단순화되면 감성반응을 측정하여 대상에 대한 감성반응을 기술할 수 있게 된다[6]. 생리적인 지표를 이용하는 방법은 생리적인 변화를 측정하여 내적 상태를 추론하려는 연구들은 정서 상태에 따라 생리적인 변화에 차이가 있다는 가정 하에 뇌파(Electroencepha-logram, EEG), 피부전기반응 (Galvanic skin response, GSR), 자기공명영상 (Magnetic resonanace image, MRI), 근전도 (Electromyogram, EMG), 혈압의 변화 등의 다양한 생리적인 지표들을 측정하여 감정을 추론하는 방법이다. 표정으로 의도적인 언어반응과 다르게 얼굴의 표정은 진실한 마음 상태의 표출된 것으로 높은 이론적 또는 실용적 가치를 부여한다[7].
참고문헌 (14)
Donald A. Norman 지음, 박경욱, 이영수, 최동성 공역, 이모셔널 디자인, 학지사, 2006.
Russell, "Core Affect and the Psychological Construction of Emotion," Psychological Review, Vol.110, No.1, pp.145-172, 2003.
이신영, 함준석, "사용자의 정서 단어 분류에 기반한 정서 분류와 선택 방법", 감성과학, Vol.15, No.1, pp.97-104, 2012.
J. Posner, J. A. Russell, A. Gerber, D. Gorman, T. Colibazzi, S. Yu, Z. Wang, A. Kangarlu, H. Zhu, and B. S. Peterson, "The Neurophysiological Bases of Emotion: An fMRI Study of the Affective Circumplex Using Emotion-Denoting Words," Human Brain Mapping, Vol.30, No.3, pp.883-895, 2009.
Frijda, The Laws of Emotion, American Psychologist, 1986.
박창호, 인지공학심리학: 인간-시스템 상호작용의 이해, 시그마프레스, 2007.
유현우, "Visual-Based Emotional Descriptor and Feedback Mechanism for Image Retrieval," JOURNAL OF INFORMATION SCIENCE AND ENGINEERING, Vol.22, pp.1205-1227, 2006.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.