[논문]차세대 공항 서비스를 위한 베이지안 연령추정기법을 이용하는 스마트 디지털 사이니지에 대한 연구

김춘호; 이동우; 백경민; 문성엽; 허찬; 나종화; 온승엽; 최우영

doi:10.12673/jant.2014.18.6.533

차세대 공항 서비스를 위한 베이지안 연령추정기법을 이용하는 스마트 디지털 사이니지에 대한 연구
A Study on a Smart Digital Signage Using Bayesian Age Estimation Technique for the Next Generation Airport Service 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.18 no.6 = no.69, 2014년, pp.533 - 540

김춘호 (국방과학연구소 유도로켓체계개발단) , 이동우 (한국항공대학교 항공전자공학과) , 백경민 (한국항공대학교 항공전자공학과) , 문성엽 (한국항공대학교 항공전자공학과) , 허찬 (한국항공대학교 컴퓨터공학과) , 나종화 (한국항공대학교 항공전자공학과) , 온승엽 (한국항공대학교 컴퓨터공학과) , 최우영 (명지대학교 전자공학과)

초록
AI-Helper

차세대 공항 서비스를 위하여 고객의 연령 정보를 인식하는 스마트 디지털 사이니지를 제안한다. 제안된 시스템은 고객의 얼굴을 검출하고 연령대를 베이지안 분류기법을 이용하여 추정하여 맞춤형 정보를 디스플레이 함으로서 고객의 만족도를 향상시키도록 설계되었다. 연령대 인식은 카메라를 이용하여 고객의 얼굴 영상을 획득한 뒤, 얼굴의 주름을 계산하고 베이지안 분류기를 이용하여 연령대를 추정한다. 개발된 연령대 인식기반 스마트 디지털 사이니지는 영상시스템 평가용 FERET 얼굴 데이터베이스를 이용하여 성능을 검증하였다. 연령추정 스마트 디지털 사이니지는 다양한 연령대의 공항고객에게 맞춤형 광고를 제시함으로서 광고 효율을 개선하여 공항 고객의 만족도 향상에 기여할 수 있을 것으로 기대된다.

Abstract ▼ AI-Helper

We propose an age estimation-based smart digital signage for the next-generation airport service. The proposed system can recognize the face of the customer so that it can display the selective information. Using a webcam, the system captures the face of the customer and estimates the age of the customer by calculating the wrinkle density of the face and applying bayesian classifier. The developed age estimation method is tested with a face database for the performance evaluation. We expect the new digital signage may improve the satisfaction of customers of the airport business.

주제어

AI 본문요약
AI-Helper

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

문제 정의

갈수록 치열해지는 공항 경쟁력을 강화하기 위한 한 가지 방법으로 공항의 비행 정보 및 다양한 부가정보를 고객 맞춤형으로 표출할 수 있는 스마트 디지털 사이니지의 연구결과를 보고하였다. 본 연구는 저가형 카메라 (웹캠)을 이용하여 영상을 획득하고, 베이지안 분류기를 이용하여 연령대를 분류하는 연령대 기반 스마트 디지털 사이니지 시스템의 시작품을 제작하고 시험하였다.
스마트 디지털 사이니지에서 인식 가능한 상황정보의 품질을 높이기 위하여 고급렌즈를 장착하게 되면 상황정보의 품질은 높으나 시스템 가격을 상승시키게 되어 SDS 활용을 저해하는 원인이 될 수도 있다. 본 논문에서는 시스템의 가격과 성능을 최적화시킬 수 있는 방안으로서 저가형의 웹캠과 베이지안 (bayesian)분류기법을 적용한 SDS에 대한 연구결과를 설명한다. 스마트 기능을 구현하기 위하여 얼굴, 눈, 코를 검출하는 방법과 연령 특징을 인식하고, 베이지안 분류기를 이용하여 연령을 추정하였다.
본 연구에서는 기존 방법의 문제점을 보완하기 위해서 얼굴의 지역적 특징인 주름 정보를 이용하여 연령대를 추정하는 방법을 연구하였다. 먼저 얼굴, 눈, 코, 입의 위치를 검출하기 위하여 하르 분류기(harr classifier)를 사용하였으며 템플릿 매칭 (template matching) 방법으로 검출된 위치를 보정하였다.
본 연구에서는 위와 같은 문제를 해결하기 위해 주름정보 분석방안을 연구하였다. 즉, 주름영역에서 에지 세그먼트를 분석하여 주름의 크기를 분석하고, 주름검출의 정확도를 향상시켰다
본 연구에서는 제안한 연령인식을 이용한 지능형 디지털 사이니지의 성능시험을 수행하였다. 성능 시험은 평가용 DB인 미국방위연구소(DARPA)와 미국표준기술연구소(NIST)에서 제공한 FERET DB와 한국항공대학교에서 촬영한 KAU DB로 수행되었다.
본 연구에서는 주름영역에서 검출되는 다수의 에지 세그먼트의 정보를 분석하여 주름의 크기를 산출한다. 산출한 정보는 에지 세그먼트가 주름인지를 판정하는 자료로 활용한다.

제안 방법

검출된 각 얼굴 후보영역의 가로길이(width) 및 세로길이 (height)를 측정한다. 가로와 세로의 비율이 일반적인 얼굴의 생태학적 기준에서 벗어는 경우 검출 오류로 간주한다.
먼저 얼굴, 눈, 코, 입의 위치를 검출하기 위하여 하르 분류기(harr classifier)를 사용하였으며 템플릿 매칭 (template matching) 방법으로 검출된 위치를 보정하였다. 검출된 얼굴 구성 요소를 기준으로 설정된 주름영역으로부터 주름을 추출하기 위하여 잡음 제거 및 에지(edge) 검출을 실행한다. 마지막으로 각 주름 영역에서 주름밀도를 계산하여 베이지안 (bayesian) 분류기에 적용하여 연령대를 분류한다.
주름에 의한 에지 세그먼트와 잡음에 의한 에지 세그먼트를 구별하기 위해서 에지 세그먼트의 픽셀 개수를 계산한다. 계산된 주름과 잡음의 픽셀 개수를 분석하여 임계 값을 설정함으로써 잡음을 제거하고 주름을 검출 한다.
이 영상에서 눈의 영역은 다른 영역에 비해 어두운 화소 값(그레이 스케일 값 : 60)을 갖는다. 눈의 그레이 스케일 값을 임계값으로 이용하여 이진 영상을 구한다. 얼굴의 윤곽선과 눈의 윤곽선을 구하기 위해서 캐니 에지 변환을 수행한다.
반면에 외부 빛이나 그림자에 의해서 생성된 에지 세그먼트는 점과 끊어진 선으로 나타난다. 따라서 세그먼트를 이루고 있는 에지 픽셀 개수를 계산하여 잡음을 제거하고 주름을 검출한다.
검출된 얼굴 구성 요소를 기준으로 설정된 주름영역으로부터 주름을 추출하기 위하여 잡음 제거 및 에지(edge) 검출을 실행한다. 마지막으로 각 주름 영역에서 주름밀도를 계산하여 베이지안 (bayesian) 분류기에 적용하여 연령대를 분류한다. 다음 절에서는 주름영역의 검출을 위한 얼굴 특징점 검출방법 및 주름의 검출방법을 상세하게 설명한다.
본 연구에서는 기존 방법의 문제점을 보완하기 위해서 얼굴의 지역적 특징인 주름 정보를 이용하여 연령대를 추정하는 방법을 연구하였다. 먼저 얼굴, 눈, 코, 입의 위치를 검출하기 위하여 하르 분류기(harr classifier)를 사용하였으며 템플릿 매칭 (template matching) 방법으로 검출된 위치를 보정하였다. 검출된 얼굴 구성 요소를 기준으로 설정된 주름영역으로부터 주름을 추출하기 위하여 잡음 제거 및 에지(edge) 검출을 실행한다.
스마트 디지털 사이니지는 일반적인 디지털 사이니지에 센서를 추가한 구조로 구성된다. 본 연구는 연령인식을 위하여 카메라를 디지털 사이니지 전면에 장착하였다 (그림 1).
갈수록 치열해지는 공항 경쟁력을 강화하기 위한 한 가지 방법으로 공항의 비행 정보 및 다양한 부가정보를 고객 맞춤형으로 표출할 수 있는 스마트 디지털 사이니지의 연구결과를 보고하였다. 본 연구는 저가형 카메라 (웹캠)을 이용하여 영상을 획득하고, 베이지안 분류기를 이용하여 연령대를 분류하는 연령대 기반 스마트 디지털 사이니지 시스템의 시작품을 제작하고 시험하였다. 시험결과 이전시험 결과인 69.
③ 상관 계수들 중 가장 큰 값을 갖는 눈 템플릿을 선택한다. 선택된 템플릿의 크기인 너비와 높이를 이용하여, 눈의 위치 좌표를 계산한다.
본 논문에서는 시스템의 가격과 성능을 최적화시킬 수 있는 방안으로서 저가형의 웹캠과 베이지안 (bayesian)분류기법을 적용한 SDS에 대한 연구결과를 설명한다. 스마트 기능을 구현하기 위하여 얼굴, 눈, 코를 검출하는 방법과 연령 특징을 인식하고, 베이지안 분류기를 이용하여 연령을 추정하였다. 시스템의 시작품을 제작하고 영상 평가용으로 미국방위연구소(DARPA)와 미국표준기술연구소(NIST)에서 공동으로 제작한 FERET database 이며 시험결과 76.
입력된 전체 영상으로부터 얼굴탐색영역을 추출하고, 하르 분류기를 이용하여 얼굴을 검출한 후 배경으로부터 얼굴후보 영역을 분리한다. 얼굴, 또는 얼굴내의 지역적 특징에 대한 검출 오류는 여러 가지 생태학적 특징을 기준으로 제거하거나 보정할 수 있다.
얼굴 영상의 특징점을 이용하여 연령을 추정하는 방법은 추정에 사용되는 얼굴영역의 특징의 종류에 따라 전역적 특징 (global features), 지역적 특징(local features) 그리고 두 가지 특징을 통합하는 방법으로 구분할 수 있다[3]-[5]. 전역적 특징은 Gabor 웨이브릿 변환(gabol wavelet transform)등의 변환으로 얼굴의 밝기, 주파수 정보 등을 사용하고[3],[6],[7], 지역적 특징으로는 주름과 피부의 노화 등의 정보를 추출하여 분석한다[3],[7].
제안되는 방법에서는 고객의 연령을 추정하기 위해서 주름의 특징을 사용한다. 주름영역에서 주름 선을 추출하는 방법과과 주름 밀도 값을 계산하는 방법을 제안한다.
주름 선은 매끄러운 피부와 밝기가 다르기 때문에 밝기변화가 큰 부분의 경계를 찾는 에지 검출 방법을 이용하여 주름을 추출한다. 에지 검출 방법으로는 캐니 에지 검출 방법[9]을 이용한다.
주름영역에서 에지 세그먼트는 연결된 선, 끊어진 선, 독립된 점으로 이루어져있다. 주름에 의한 에지 세그먼트와 잡음에 의한 에지 세그먼트를 구별하기 위해서 에지 세그먼트의 픽셀 개수를 계산한다. 계산된 주름과 잡음의 픽셀 개수를 분석하여 임계 값을 설정함으로써 잡음을 제거하고 주름을 검출 한다.
제안되는 방법에서는 고객의 연령을 추정하기 위해서 주름의 특징을 사용한다. 주름영역에서 주름 선을 추출하는 방법과과 주름 밀도 값을 계산하는 방법을 제안한다.
본 연구에서는 위와 같은 문제를 해결하기 위해 주름정보 분석방안을 연구하였다. 즉, 주름영역에서 에지 세그먼트를 분석하여 주름의 크기를 분석하고, 주름검출의 정확도를 향상시켰다

대상 데이터

본 논문은 총 4장으로 구성된다. 제 2장에서는 얼굴영역을 분리하고 얼굴의 지역적 특징을 추출하고 주름영역의 밀도를 계산하여 연령대를 분류하는 얼굴 기반 연령 추정 방법을 제안한다.
본 연구에서는 제안한 연령인식을 이용한 지능형 디지털 사이니지의 성능시험을 수행하였다. 성능 시험은 평가용 DB인 미국방위연구소(DARPA)와 미국표준기술연구소(NIST)에서 제공한 FERET DB와 한국항공대학교에서 촬영한 KAU DB로 수행되었다. 개발된 연령추정 방법은 FERET DB와 KAU DB 에 적용하여 성능을 평가하였다.
학습데이터는 평가용 DB의 전체 데이터 중에서 40%를 선택하였고, 60%를 시험데이터로 사용하였다. 본 연구에서는 통계적 분류기법인 Naïve Bayes Classifier를 적용하여 연령인식 성능을 시험하고 비교하였다.

데이터처리

제 3장에서는 연령대 분류 정확도를 최대화하기 위하여 주름영역으로부터 주름 밀도를 측정 과정에서 사용하는 edge 검출기의 임계값을 최적화하는 방안을 제안한다. 제 4장에서는본 논문에서 제안된 연령 추정 기법을 실제 영상 데이터베이스에 적용하고 성능을 검증하고 결과를 분석하였다. 마지막으로제 5장에서는 결론과 향후 연구를 제시한다.

이론/모형

성능 시험은 평가용 DB인 미국방위연구소(DARPA)와 미국표준기술연구소(NIST)에서 제공한 FERET DB와 한국항공대학교에서 촬영한 KAU DB로 수행되었다. 개발된 연령추정 방법은 FERET DB와 KAU DB 에 적용하여 성능을 평가하였다. 평가결과는 표3과 표4로 요약 하였다.
눈을 검출하기 위해서는 변형 가능한 눈 템플릿을 이용하는 템플릿 매칭 방법을 사용한다. 그림 4에서는 눈 검출 과정을 단계별로 나타내었다.
본 논문에서 사용한 분류 알고리즘은 베이지안 분류기이다. 베이지안 분류기를 활용한 연령판정 모듈의 구현은 OpenCV 라이브러리를 활용하였다.
주름이 검출되고 나면 다음 단계에서는 기계학습 방법에 의하여 생성된 분류모형에 네 주름 영역의 주름밀도를 입력 변수로 입력하여 연령대를 판별하게 한다. 본 논문에서 사용한 분류 알고리즘은 베이지안 분류기이다. 베이지안 분류기를 활용한 연령판정 모듈의 구현은 OpenCV 라이브러리를 활용하였다.
본 연구에서는 통계적 분류기법인 Naïve Bayes Classifier를 적용하여 연령인식 성능을 시험하고 비교하였다.
주름 선은 매끄러운 피부와 밝기가 다르기 때문에 밝기변화가 큰 부분의 경계를 찾는 에지 검출 방법을 이용하여 주름을 추출한다. 에지 검출 방법으로는 캐니 에지 검출 방법[9]을 이용한다.

성능/효과

먼저 KAU DB에서는 연령대를 20~39세, 40~59세, 60세 이상으로 3그룹으로 분류하여 시험하였으며 74%의 인식률이 기록되었다. 두 번째는 FERET DB를 이용한 경우에도 연령대를 KAU DB의 경우와 같이 3 그룹으로 분류하여 실험하였으며 결과는 75%로 기록되었다. 주름은 보통 연령대가 높아질수록 증가하지만, 개인마다 주름의 증가폭에 차이가 크다.
스마트 기능을 구현하기 위하여 얼굴, 눈, 코를 검출하는 방법과 연령 특징을 인식하고, 베이지안 분류기를 이용하여 연령을 추정하였다. 시스템의 시작품을 제작하고 영상 평가용으로 미국방위연구소(DARPA)와 미국표준기술연구소(NIST)에서 공동으로 제작한 FERET database 이며 시험결과 76.7%의 분류정확도를 나타내었다[2].
본 연구는 저가형 카메라 (웹캠)을 이용하여 영상을 획득하고, 베이지안 분류기를 이용하여 연령대를 분류하는 연령대 기반 스마트 디지털 사이니지 시스템의 시작품을 제작하고 시험하였다. 시험결과 이전시험 결과인 69.2%에 비하여 향상된 결과인 KAU DB를 사용한 경우에는 74%, 그리고 FERET DB를 이용한 경우에는 75% 인식성공률을 나타내었다. 본 연구 결과를 활용하여 스마트 디지털 사이니지를 활용 하면 공항의 경쟁력을 강화시켜서 물류산업의 발전에 기여하는 것이 가능할 것으로 예측된다.

후속연구

2%에 비하여 향상된 결과인 KAU DB를 사용한 경우에는 74%, 그리고 FERET DB를 이용한 경우에는 75% 인식성공률을 나타내었다. 본 연구 결과를 활용하여 스마트 디지털 사이니지를 활용 하면 공항의 경쟁력을 강화시켜서 물류산업의 발전에 기여하는 것이 가능할 것으로 예측된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	스마트 디지털 사이니지란 무엇인가?	공항의 비행정보 및 부가 서비스 등 다양한 정보를 신속하게 고객에게 전달하기 위하여 기존의 디지털 사이니지(digital signage)를 개선한 스마트 디지털 사이니지(smart digital signage or SDS)들이 연구되고 있다 [1]. 기존의 디지털 사이니지는 이전의 프린트 사이니지에 비하면 멀티미디어를 활용하기 때문에 사용자들의 관심을 유발하는 측면이 있다.
	기존의 디지털 사이니지의 단점은?	기존의 디지털 사이니지는 이전의 프린트 사이니지에 비하면 멀티미디어를 활용하기 때문에 사용자들의 관심을 유발하는 측면이 있다. 그러나 이들은 미리 설정된 멀티미디어 광고를 고객의 상황을 고려하지 않고 일방적으로 제시하는 단방향 정보 전달체계의 특성이 있다. 이러한 단방향 정보전달 시스템은 고객의 관심사보다 정보 전달 주체의 의도를 전달하는 것에 치중하기 때문에 대개의 경우 고객의 관심과 광고 효율의 문제성을 내포할 가능성이 많다. 이러한 문제점을 해결하기 위하여 고객의 상황 정보 (예를 들면, 고객의 연령대, 성별)를 인식하여 고객 맞춤형 정보를 제시 하는 스마트 디지털 사이니지에 관한 연구가 시도되고 있다[1].
	기존의 디지털 사이니지는 이전의 프린트 사이니지에 비해 어떤 장점이 있는가?	공항의 비행정보 및 부가 서비스 등 다양한 정보를 신속하게 고객에게 전달하기 위하여 기존의 디지털 사이니지(digital signage)를 개선한 스마트 디지털 사이니지(smart digital signage or SDS)들이 연구되고 있다 [1]. 기존의 디지털 사이니지는 이전의 프린트 사이니지에 비하면 멀티미디어를 활용하기 때문에 사용자들의 관심을 유발하는 측면이 있다. 그러나 이들은 미리 설정된 멀티미디어 광고를 고객의 상황을 고려하지 않고 일방적으로 제시하는 단방향 정보 전달체계의 특성이 있다.

참고문헌 (11)

I. Nakamura and N. Ishido, "Digital signage revolution," Asahi Newspaper Publisher, pp. 35-38, Jun. 2009.
The Color FERET Database[Internet]. Available: http://www.nist.gov/itl/iad/ig/colorferet.cfm
Y. Z. Lu, J. L. Zhou, and S. S. Yu, "A survey of face detection, extraction and recognition," Computing and Informatics, Vol. 22, No.2, pp. 163-195, Apr. 2003.

상세보기
S. E. Choi, Y. J. Lee, S. J. Lee, K. R. Park, and J. Kim, "Age estimation using a hierarchical classifier based on global and local facial features," Pattern Recognition, Vol. 44, No.6, pp. 1262-1281, Jun. 2011.

상세보기
S. E. Choi, Age estimation using global and local features of face images, M.S. dissertation, Yonsei University, Seoul, Korea, 2010.
Y. Fu and T. S. Huang, "Age synthesis and estimation via faces : a survey," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 32, No.11, pp.1955-1976, May. 2010.

상세보기
L. C. Kang, The age & sex classification technology based on robot vision sensor, Ph.D. dissertation, Busan University, Busan, Korea, 2009.
P. Refaeilzadeh, L. Tang and H. Liu, "Encyclopedia of database systems (cross-validation)," Springer US, pp. 532-538, 2009.
G. Xin, C. Ke and H. Xiaoguang, "An improved canny edge detection algorithm for color image," Industrial Informatics (INDIN), China, pp.113-117, Jul. 2012.
X. Jiang and Q. M. Liao, "Skin wrinkles analysis based on digital image processing," Wavelet Active Media Technology and Information Processing (ICWAMTIP), China, pp.50-53, Dec. 2012.
D. W. Lee, K. C. Ko, C. H. Kim, W. Y. Choi and J. W. Na, "A study on the smart digital signage using age recognition for the airport service improvement," The Journal of Korea Navigation Institute, Vol. 16, No. 3, pp526-535, Jun. 2012.

원문보기 상세보기

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