| 1 |
1
음성 신호를 수집하는 단계;
상기 음성 신호로부터 피치의 통계치, 최대치, 소리의 크기, 섹션개수, 증가율(Increasing rate) 또는 교차율(crossing rate)중 적어도 하나를 포함하는 제1정보를 추출하는 단계;
얼굴 영상 신호를 인식하는 단계;
상기 얼굴 영상 신호에서 피부톤 축적 알고리즘, 그레이(Gray) 형태 변환을 이용하여 입, 눈 또는 눈썹 중 적어도 하나의 특징을 포함한 제 2정보를 추출하는 단계; 및
상기 제 1 및 제 2정보를 결정 융합 기반의 퍼지 소속 함수(Fuzzy membership function) 중 가중치를 통해 인식률을 향상시키는 시그모이드(SIGMOID) 퍼지 소속함수에 적용하여 감정별 패턴을 분류하는 결정 융합 단계;
를 포함하고, 상기 시그모이드(SIGMOID) 퍼지 소속함수는
상기 wi, wn 는 차례로 상기 제 1및 제 2정보에 대한 가중치이며, xs, xi 는 차례로 상기 제 1및 제 2정보를 통해 감정을 인식한 결과값이며, cs, ci 는 상기 제 1및 제 2정보에 대한 학습 데이터들을 감정을 인식한 후 감정 별로 평균을 구한 결과값이고, 상기 a는 소속 함수의 기울기 값인 것을 특징으로 하는 결정 융합 기반 감정인식 방법
|
| 2 |
2
제 1항에 있어서,
상기 제 1정보를 추출하는 단계는
상기 제 1정보를 바예시안 학습(Bayesian Learning)에 적용하여 감정별 패턴으로 분류하는 단계를 더 포함하는 것을 특징으로 하는 결정 융합 기반 감정 인식 방법
|
| 3 |
3
제 1항에 있어서,
상기 제 2정보 추출단계는
다차원 특징 벡터인 상기 제 2정보를 프린시플 컴포넌트 분석(Principal component analysis)에 적용하여 저차원 특징벡터인 고유 데이터 벡터로 축소시키는 축소단계; 및
상기 고유 데이터 벡터를 유클리안 거리에 적용하여 감정별로 패턴을 분류하는 단계;
를 더 포함하는 것을 특징으로 하는 결정 융합 기반 감정 인식 방법
|
| 4 |
4
삭제
|
| 5 |
5
삭제
|
| 6 |
6
제 1항에 있어서,
상기 a는 0
|
| 7 |
7
제 6항에 있어서,
상기 a는 0
|
| 8 |
8
제 7항에 있어서,
상기 결정융합단계는 평활(Onormal), 기쁨(Ohappy), 놀람(Osurprise), 슬픔(Osad) 및 화남(Oanger)의 다섯 가지 감정 중 적어도 하나로 상기 제 1 및 제 2정보를 융합하고, 상기 결정융합단계를 표현하는 수식은
이고, O는 감정상태의 출력 값이고, 상기 I는 상기 제 2정보에서 추출된 감정 출력값이고, 상기 S는 상기 제 1정보에서 추출된 감정 출력값인 것을 특징으로 하는 결정 융합 기반 감정 인식 방법
|
| 9 |
9
제 8항에 있어서,
상기 결정융합단계에서 결정된 감정 인식 결과를 표시하는 단계를 더 포함하고, 상기 감정 인식 결과를 표시하는 단계는 상기 Onormal, Ohappy, Osurprise, Osad 및 Oanger 중 가장 큰 값에 따라 상기 감정인식 결과를 표시하는 것을 특징으로 하는 결정 융합 기반 감정 인식 방법
|
| 10 |
10
음성 신호를 수집하는 마이크로폰 유닛;
상기 음성 신호로부터 피치의 통계치, 최대치, 소리의 크기, 섹션개수, 증가율(Increasing rate) 또는 교차율(crossing rate) 중 적어도 하나를 포함하는 제1정보를 추출하는 제 1감정 추출유닛;
얼굴 영상 신호를 수집하는 카메라 유닛;
상기 얼굴 영상 신호에서 피부톤 축적 알고리즘, 그레이(Gray) 형태 변환을 이용하여 입, 눈, 눈썹 중 적어도 하나의 특징을 포함한 제 2정보를 추출하는 제 2감정 추출유닛; 및
상기 제 1 및 제2정보를 결정 융합 기반의 퍼지 소속 함수(Fuzzy membership function) 중 가중치를 통해 인식률을 향상시키는 시그모이드(SIGMOID) 퍼지 소속함수에 적용하여 감정별 패턴을 분류하는 결정 융합 유닛;
을 포함하고, 상기 시그모이드(SIGMOID) 퍼지 소속함수는
상기 wi, wn 는 차례로 상기 제 1및 제 2정보에 대한 가중치이며, xs, xi 는 차례로 상기 제 1및 제 2정보를 통해 감정을 인식한 결과값이며, cs, ci 는 상기 제 1및 제 2정보에 대한 학습 데이터들을 감정을 인식한 후 감정 별로 평균을 구한 결과값이고, 상기 a는 소속 함수의 기울기 값인 것을 특징으로 하는 결정 융합 기반 감정 인식 시스템
|
| 11 |
11
제 10항에 있어서,
상기 제 1정보 감정 추출유닛은 상기 제 1정보를 바예시안 학습(Bayesian Learning) 방법에 적용하여 감정별 패턴으로 분류하는 것을 특징으로 하는 결정 융합 기반 감정 인식 시스템
|
| 12 |
12
제 10항에 있어서,
상기 제 2정보 감정 추출유닛은 상기 제 2정보를 프린시플 컴포넌트 분석(Principal component analysis)에 적용하여 저차원 특징벡터인 고유 데이터벡터로 축소시키고, 상기 고유 데이터 벡터를 유클리안 거리에 적용하여 감정별로 패턴을 분류하는 것을 특징으로 하는 결정 융합 기반 감정 인식 시스템
|
