1 |
1
각 정서별 영상들을 저장하는 데이터 베이스를 구축하는 단계;상기 데이터 베이스에 저장된 영상들의 분포를 바탕으로 PCA(Principal Component Analysis, 주성분 분석)를 통해 독립 변수를 계산하는 단계;계산된 상기 독립 변수를 이용하여 선형 회귀식을 학습하는 단계; 및입력 영상을 상기 선형 회귀식에 적용하여 정서 상태의 값을 계산하는 단계를 포함하는, 로봇의 표정 기반 연속적 정서 인식 방법
|
2 |
2
제1항에 있어서, 상기 선형 회귀식을 학습하는 단계는,각 정서에 해당하는 각성(Arousal) 값 및 쾌(Valence) 값을 종속 변수로 이용하고,상기 선형 회귀식은, 각성(Arousal)-비각성 축(A 축)과 쾌(Valence)-불쾌 축(V 축)의 2차원 형태인, 로봇의 표정 기반 연속적 정서 인식 방법
|
3 |
3
제1항에 있어서, 상기 선형 회귀식을 학습하는 단계는,회귀식 계수를 계산하는, 로봇의 표정 기반 연속적 정서 인식 방법
|
4 |
4
제1항에 있어서, 상기 입력 영상에 대해 상기 선형 회귀식에 적용하여 정서 상태의 값을 계산하는 단계는,상기 입력 영상을 상기 데이터 베이스의 분포로부터 얻어진 고유 벡터에 투사하여 독립 변수를 계산하는 단계; 및상기 독립 변수를 상기 선형 회귀식에 대입하여 상기 입력 영상의 정서 상태를 추정하는 단계를 포함하는, 로봇의 표정 기반 연속적 정서 인식 방법
|
5 |
5
제1항에 있어서, 상기 PCA를 통해 독립 변수를 계산하는 단계 이전에,상기 데이터 베이스에 저장된 영상들을 전처리하는 단계를 더 포함하는, 로봇의 표정 기반 연속적 정서 인식 방법
|
6 |
6
제5항에 있어서, 상기 데이터 베이스에 저장된 영상들을 전처리하는 단계는, 상기 데이터 베이스에 저장된 영상들의 그레이 스케일 영상들을 벡터화 하는 단계;벡터화된 영상들의 명암을 정규화하는 단계;정규화된 영상들의 평균 벡터를 구하는 단계; 및상기 평균 벡터와 각 영상 벡터의 편차인 차 벡터를 구하는 단계를 포함하는, 로봇의 표정 기반 연속적 정서 인식 방법
|
7 |
7
제6항에 있어서, 상기 PCA를 통해 독립 변수를 계산하는 단계는,상기 차 벡터를 통해 공분산 행렬을 구하여 고유 벡터를 계산하는 단계; 및상기 차 벡터를 고유 벡터에 투사하여 차원이 축소된 PCA 값을 계산하는 단계를 포함하는, 로봇의 표정 기반 연속적 정서 인식 방법
|
8 |
8
제6항에 있어서, 상기 벡터화된 영상들의 명암을 정규화하는 단계는,각 벡터의 평균과 분산, 및 전체 벡터의 평균과 분산을 통해 수행되는, 로봇의 표정 기반 연속적 정서 인식 방법
|
9 |
9
제1항에 있어서, 상기 데이터 베이스를 구축하는 단계는,평가자에 의해 각 영상 별로 정서 상태의 값을 수치적으로 평가하여 저장하는 단계를 포함하는, 로봇의 표정 기반 연속적 정서 인식 방법
|
10 |
10
제9항에 있어서, 상기 데이터 베이스를 구축하는 단계는,상기 평가에 앞서, 각 정서별 영상들의 얼굴 영역을 검출하는 단계를 더 포함하는, 로봇의 표정 기반 연속적 정서 인식 방법
|
11 |
11
제1항에 있어서, 상기 입력 영상을 상기 선형 회귀식에 적용하여 정서 상태의 값을 계산하는 단계는,연속적 정서 모델을 적용하여, 상기 입력 영상의 연속되는 매 프레임의 정서 상태의 값을 계산하는 단계를 더 포함하는, 로봇의 표정 기반 연속적 정서 인식 방법
|
12 |
12
제1항 내지 제11항 중 어느 하나의 항에 따른 로봇의 표정 기반 연속적 정서 인식 방법을 수행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체
|
13 |
13
각 정서별 영상들을 저장하는 데이터 베이스;상기 데이터 베이스에 저장된 영상들의 분포를 바탕으로 PCA(Principal Component Analysis, 주성분 분석)를 통해 독립 변수를 계산하는 제1 PCA부;계산된 상기 독립 변수를 이용하여 선형 회귀식을 학습하는 학습부; 및입력 영상을 상기 선형 회귀식에 적용하여 정서 상태의 값을 계산하는 표정 인식부를 포함하는, 로봇의 표정 기반 연속적 정서 인식 장치
|
14 |
14
제13항에 있어서, 상기 학습부는,각 정서에 해당하는 각성(Arousal) 값 및 쾌(Valence) 값을 종속 변수로 이용하고,상기 선형 회귀식은, 각성(Arousal)-비각성 축(A 축)과 쾌(Valence)-불쾌 축(V 축)의 2차원 형태이며, 상기 선형 회귀식을 학습하여 회귀식 계수를 계산하는, 로봇의 표정 기반 연속적 정서 인식 장치
|
15 |
15
제13항에 있어서, 상기 표정 인식부는,상기 입력 영상을 상기 데이터 베이스의 분포로부터 얻어진 고유 벡터에 투사하여 독립 변수를 계산하는 제2 PCA부; 및상기 독립 변수를 상기 선형 회귀식에 대입하여 상기 입력 영상의 정서 상태를 추정하는 정서 상태 출력부를 포함하는, 로봇의 표정 기반 연속적 정서 인식 장치
|
16 |
16
제15항에 있어서, 상기 표정 인식부는,상기 입력 영상의 얼굴 영역을 검출하는 얼굴 영역 검출부를 더 포함하는, 로봇의 표정 기반 연속적 정서 인식 장치
|
17 |
17
제13항에 있어서, 상기 PCA 전에 상기 데이터 베이스에 저장된 영상들을 전처리하는 전처리부를 더 포함하는, 로봇의 표정 기반 연속적 정서 인식 장치
|
18 |
18
제17항에 있어서, 상기 전처리부는,상기 데이터 베이스에 저장된 영상들의 그레이 스케일 영상들을 벡터화 하는 벡터부;벡터화된 영상들의 명암을 정규화하는 정규화부;정규화된 영상들의 평균 벡터를 구하는 평균부; 및상기 평균 벡터와 각 영상 벡터의 편차인 차 벡터를 구하는 차 벡터부를 포함하는, 로봇의 표정 기반 연속적 정서 인식 장치
|
19 |
19
제13항에 있어서, 상기 데이터 베이스는,평가자에 의해 수치적으로 평가된 각 영상의 정서 상태의 값이 저장된, 로봇의 표정 기반 연속적 정서 인식 장치
|
20 |
20
제13항에 있어서, 상기 표정 인식부는,상기 입력 영상의 연속되는 매 프레임의 정서 상태의 값을 계산하는, 로봇의 표정 기반 연속적 정서 인식 장치
|