[논문]적외선 조명을 이용한 실시간 눈 검출 및 추적

조현섭; 민진경; 김희숙

문제 정의

본 논문에서는 다양한 조명과 다른 얼굴 방향에서 눈을 추적하는 새로운 방법을 제안하였다. 제안된 방법은 외관을 이용한 방법과 능동적 적외선을 이용한 밝은 동공 효과를 혼합하여 다양한 조명 조건하 에서 견실하고 정확하게 눈을 추적하였다.
눈의 위치를 검출하고 추적하는 것은 인간과 컴퓨터 상호작용의 중요 분야 중 하나로 키보드나 마우 스 대신 눈의 움직임으로 작동하는 컴퓨터 등 응용 범위가 넓어 최근 많은 연구가 진행되고 있다. 본 논문에서는 외관을 이용한 방법과 능동적 적외선 조 명을 이용한 방법을 혼합하여 다양한 조명하에서 견 실하게 실시간으로 눈을 추적하는 방법을 제안하고 자 한다. 제안 된 방법은 두 방법의 장점을 결합시 키고 단점을 보안한 것으로 밝은 동공 효과를 만들 어 내기 위해 능동적 적외선을 이용하여 사용자의 얼굴을 조명하여 주었고 패턴 분류 기술인 SVM(Support Vector Machine) 과 객체 주적기술인 평균 이동 방법을 눈의 검출과 추적에 이용하였다.
그러나 이러한 방법은 얼굴 방향이나 외부 조명의 간섭으로 동공이 밝게 빛나지 않으면 동공은 차영상에서 제거되어 추 적을 할 수 없게 된다. 본 논문에서는 차영상에서 밝은 동공을 찾지 못한 경우 바깥쪽 적외선 LED에 의한 독특한 패턴을 이용할 수 있다는 점에 착안하여 명암 분포 패턴을 이용한 방법과 밝은 동공 효과를 혼합한 눈 추적 방법을 제안한다. 그림7에 제안 된 추적 방법을 순서도로 나타내었다.

제안 방법

그림 4에서, 형태와 크기가 유사하여 동공과 구별 하지 못한 영역이 일부 남아 있는 것을 볼 수 있다. 그러므로 본 논문에서는 SVM (Support Vector Machine) 분류기 [2, 3]를 이용하여 동공을 자동으로 구분하는 방법을 사용하였다.
첫 번째 사람으로부터 얻은 데이터 집 합을 눈 과 눈이 아닌 영상으로 수동으로 분류한 후 선형 SVM으로 학습하였다. 그리고 두 번째 사람으 로 얻은 데이터 집합을 선형 SVM으로 자동 분류 한 후, 잘못 분리된 데이터를 골라내어 정확한 학 습집합에 포함시켰다. 이와 같은 일련의 작업이 끝 난 후, 향상된 학습 집합을 가지고 선형 SVM을 재 학습하였고, 다음 사람의 데이터 집합으로 가지고 위와 같은 작업을 반복하였다.
눈표적의 특징 확률 분포를 표현한 m 과 회색조 의 어두운 동공 영상을 끌어낸 1차원 히스토그램을 사용하였다. 히스토그램을 계산하기 전에, 눈 표적의 중심에서 먼 위치일수록 가중을 작게 할당하는 볼록 하고 단조 감소하는 커널 프로파일 " 를 선 택 하였다.
두 개의 영 상은 같은 배경과 외부 조명을 사용하지만 짝수 필 드의 동공이 홀수 필드보다 밝게 보였고, . 배경과 외 부조명의 간섭을 제거하고자 짝수 필드 영상에서 홀 수 필드 영상을 제거하여 차영상을 만들었다. 차영 상에서는 대부분의 배경과 외부 조명의 간섭효과가 제거되었다.
영상 획득을 위하여 880nm 파장의 적외선 LED를 두 개의 고리모양으로 구성한 적외선 조명기를 제작 하여 40nm 파장에서 32mW의 파워로 적외선을 조 사하였다. 이 적외선 광원은 밝은 동공 영상과 어두 운 동공 영상을 생성하였는데, 밝은 동공 영상은 안 쪽 고리의 적외선 LED들이 켜졌을 때 생성되었으 며, 어두운 영상은 바깥쪽 고리의 적외선 LED들이 켜졌을 때 생성된다.
그리고 두 번째 사람으 로 얻은 데이터 집합을 선형 SVM으로 자동 분류 한 후, 잘못 분리된 데이터를 골라내어 정확한 학 습집합에 포함시켰다. 이와 같은 일련의 작업이 끝 난 후, 향상된 학습 집합을 가지고 선형 SVM을 재 학습하였고, 다음 사람의 데이터 집합으로 가지고 위와 같은 작업을 반복하였다. 6명의 사람들의 모든 눈 후보 데이터 집합을 재학습을 마친 후 잘 선별된 학습 집합을 얻을 수 있었고 선형 SVM 의 정확성 을 높일 수 있었다.
이 적외선 광원은 밝은 동공 영상과 어두 운 동공 영상을 생성하였는데, 밝은 동공 영상은 안 쪽 고리의 적외선 LED들이 켜졌을 때 생성되었으 며, 어두운 영상은 바깥쪽 고리의 적외선 LED들이 켜졌을 때 생성된다. 적외선 조명 이외의 광원들로 부터 간섭을 최소화하여 영상의 질을 개선하기 위하여, 10nm 파장만을 통과시키는 광학 대역 필터를 사용하였고 필터를 사용함으로서 신호 대 잡음비를 20 이상 증가시키었다, 그림 1은 중심이 같은 2개의 적외선 LED 고리와 대역 필터로 이루어져 있는 적 외선 조명기를 나타내었다.
본 논문에서는 외관을 이용한 방법과 능동적 적외선 조 명을 이용한 방법을 혼합하여 다양한 조명하에서 견 실하게 실시간으로 눈을 추적하는 방법을 제안하고 자 한다. 제안 된 방법은 두 방법의 장점을 결합시 키고 단점을 보안한 것으로 밝은 동공 효과를 만들 어 내기 위해 능동적 적외선을 이용하여 사용자의 얼굴을 조명하여 주었고 패턴 분류 기술인 SVM(Support Vector Machine) 과 객체 주적기술인 평균 이동 방법을 눈의 검출과 추적에 이용하였다.
본 논문에서는 다양한 조명과 다른 얼굴 방향에서 눈을 추적하는 새로운 방법을 제안하였다. 제안된 방법은 외관을 이용한 방법과 능동적 적외선을 이용한 밝은 동공 효과를 혼합하여 다양한 조명 조건하 에서 견실하고 정확하게 눈을 추적하였다. 제안된 시스템은 강한 비적외선 조명과 통상 적인 적외선 조명하에서 기존의 밝은 동공 효과만을 이용한 방법 보다 원활하고 정확하게 눈을 추적 할 수 있었다.
제안된 눈 추 적 방법은 2단계로 이루어져 있다. 첫 번째 단계에서 밝은 동공 효과[8]를 이용한 Kalman 필터를 이 용하고, 만약 추적에 실패할 경우, 두 번째로 어두운 동공 영상에서 평균이동알고리듬을 이용한 명암 분 포에 근거하여 이전 프레임의 눈의 중심 근처에서 눈을 추적한다.
실험을 위하여 6명으로부터 눈 데이터 집 합을 얻었다. 첫 번째 사람으로부터 얻은 데이터 집 합을 눈 과 눈이 아닌 영상으로 수동으로 분류한 후 선형 SVM으로 학습하였다. 그리고 두 번째 사람으 로 얻은 데이터 집합을 선형 SVM으로 자동 분류 한 후, 잘못 분리된 데이터를 골라내어 정확한 학 습집합에 포함시켰다.

대상 데이터

재학습을 위해서는 추가적인 시간이 필요하지만 정확성을 높일 수가 있다. 실험을 위하여 6명으로부터 눈 데이터 집 합을 얻었다. 첫 번째 사람으로부터 얻은 데이터 집 합을 눈 과 눈이 아닌 영상으로 수동으로 분류한 후 선형 SVM으로 학습하였다.
정 확성을 높이기 위해서는 SVM을 위한 적합한 매개 변수를 선택하여야 한다. 표1에 학습에 참여하지 않은 사람으로 얻은 1757개의 눈 후보 영상을 매개변 수를 달리하여 세 가지 SVM 커널을 이용한 실험한 결과를 보여 주었다.

이론/모형

이전 프레임에서 눈에 위치를 정한 후에, 이전 프 레임에 발견된 눈을 근거로 하여 표적 눈 모형 Q亳를 구성한다. Kalman 필터를 이용하여 현재 프레임에서 눈의 위치 为를 예측하고, 다음의 알고리듬을 이용하여 초기 위치를 丸로 설정하고 평균 이동을 반 복하여 현재 프레임에서 눈 후보와 가장 유사한 곳 을 찾는다.

성능/효과

이와 같은 일련의 작업이 끝 난 후, 향상된 학습 집합을 가지고 선형 SVM을 재 학습하였고, 다음 사람의 데이터 집합으로 가지고 위와 같은 작업을 반복하였다. 6명의 사람들의 모든 눈 후보 데이터 집합을 재학습을 마친 후 잘 선별된 학습 집합을 얻을 수 있었고 선형 SVM 의 정확성 을 높일 수 있었다.
제안된 방법으로 실험을 한 결과를 그림8에 일부 나타내었다. 실내에서 다양한 조명과 얼굴 방향, 카 메라와 사용자간의 거리를 달리하여 테스트 한 결과 기존의 밝은 동공 효과만을 이용한 방법보다 원활하고 정확하게 눈을 추적 할 수 있었다. 다만 실외에서 강한 햇빛 같은 조명의 경우에는 동공검출이 힘 들어 사실상 추적이 불가능하였다 .
제안된 방법은 외관을 이용한 방법과 능동적 적외선을 이용한 밝은 동공 효과를 혼합하여 다양한 조명 조건하 에서 견실하고 정확하게 눈을 추적하였다. 제안된 시스템은 강한 비적외선 조명과 통상 적인 적외선 조명하에서 기존의 밝은 동공 효과만을 이용한 방법 보다 원활하고 정확하게 눈을 추적 할 수 있었다.

후속연구

다만 실외에서 강한 햇빛 같은 조명의 경우에는 동공검출이 힘 들어 사실상 추적이 불가능하였다 .앞으로의 연구과 제는 제안된 방법을 좀 더 개량하여 강렬한 햇빛 하 에서도 동작하도록 하여야 할 것이다.

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

적외선 조명을 이용한 실시간 눈 검출 및 추적
Real-Time Eye Detection and Tracking Under Various Light Conditions 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

적외선 조명을 이용한 실시간 눈 검출 및 추적 Real-Time Eye Detection and Tracking Under Various Light Conditions 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

적외선 조명을 이용한 실시간 눈 검출 및 추적
Real-Time Eye Detection and Tracking Under Various Light Conditions 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper