KR102229061B1 - 표정 인식 모델 생성 장치 및 방법, 및 이를 이용한 표정 인식 장치 및 방법 - Google Patents

Abstract

일 실시예에 따른 표정 인식 모델 생성 방법은, 3D 얼굴 모델의 복수의 특징점을 추출하는 단계; 상기 복수의 특징점 각각에 서로 다른 컬러를 대응시키고, 상기 대응되는 컬러를 기초로 기준 컬러 맵을 생성하는 단계; 미리 정해진 복수의 표정 각각에 대응되는 표정 정보에 따라 3D 얼굴 모델을 변경하는 단계; 상기 변경된 3D 얼굴 모델에 따라 변경되는 기준 컬러 맵을 저장하여 컬러 맵 학습 이미지를 획득하는 단계; 및 상기 표정 정보 및 상기 컬러 맵 학습 이미지를 기초로 표정 정보 인식 모델을 생성하는 단계를 포함한다.

Description

표정 인식 모델 생성 장치 및 방법, 및 이를 이용한 표정 인식 장치 및 방법{APPARATUS AND METHOD FOR GENERATING RECOGNITION MODEL OF FACIAL EXPRESSION, AND APPARATUS AND METHOD USING THE SAME}

본 발명은 이미지 내 객체에 대한 표정 정보를 획득하기 위한 표정 인식 모델 생성 장치 및 방법, 및 이를 이용한 표정 인식 장치 및 방법에 관한 것이다.

인간의 커뮤니케이션(Communication) 방법에는 여러 가지가 있다. 그 중의 하나는 얼굴 표정이다. 커뮤니케이션의 상대방은 발화자의 얼굴 표정으로부터 발화자의 감정이나 의도 등을 파악할 수 있다.

얼굴 표정을 이용한 커뮤니케이션 방법은 영화나 애니메이션에 등장하는 가상의 캐릭터에 대해서도 동일하게 적용될 수 있다. 즉 관람객은 캐릭터의 얼굴 표정으로부터 캐릭터의 감정이나 의도 또는 주변 상황과 같은 정보를 파악할 수 있다.

한편, 캐릭터의 얼굴 표정을 생성하는 기법 중에는 리타게팅(Retargeting) 기법이 있다. 리타게팅 기법이란 사람과 같은 대상체로부터 얼굴 표정을 획득한 뒤, 이러한 얼굴 표정을 캐릭터에 이식하여서 애니메이션을 생성하는 기술을 지칭한다.

이 때, 보다 자연스러운 결과를 출력하기 위해서는 얼굴 표정을 정확히 획득하는 기술이 중요하다.

한국공개특허공보, 제 10-2010-0088347호 (2010.08.09. 공개)

본 발명이 해결하고자 하는 과제는, 3D 얼굴 모델로부터 생성된 기준 컬러 맵에 기초한 컬러 맵 학습 이미지를 이용하여 표정 정보 인식 모델을 생성하는 표정 인식 모델 생성 장치 및 방법, 및 이를 이용한 표정 인식 장치 및 방법을 제공하는 것이다.

다만, 본 발명이 해결하고자 하는 과제는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 해결하고자 하는 과제는 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

일 실시예에 따른 표정 인식 모델 생성 방법은, 3D 얼굴 모델의 복수의 특징점을 추출하는 단계; 상기 복수의 특징점 각각에 서로 다른 컬러를 대응시키고, 상기 대응되는 컬러를 기초로 기준 컬러 맵을 생성하는 단계; 미리 정해진 복수의 표정 각각에 대응되는 표정 정보에 따라 3D 얼굴 모델을 변경하는 단계; 상기 변경된 3D 얼굴 모델에 따라 변경되는 기준 컬러 맵을 저장하여 컬러 맵 학습 이미지를 획득하는 단계; 및 상기 표정 정보 및 상기 컬러 맵 학습 이미지를 기초로 표정 정보 인식 모델을 생성하는 단계를 포함한다.

일 실시예에 따른 표정 인식 방법은, 3D 얼굴 모델의 복수의 특징점을 추출하는 단계; 상기 복수의 특징점 각각에 서로 다른 컬러를 대응시키고, 상기 대응되는 컬러를 기초로 기준 컬러 맵을 생성하는 단계; 미리 정해진 복수의 표정 각각에 대응되는 표정 정보에 따라 3D 얼굴 모델을 변경하는 단계; 상기 변경된 3D 얼굴 모델에 따라 변경되는 기준 컬러 맵을 저장하여 컬러 맵 학습 이미지를 획득하는 단계; 상기 표정 정보 및 상기 컬러 맵 학습 이미지를 기초로 표정 정보 인식 모델을 생성하는 단계; 대상 이미지 내 객체의 특징점을 추출하는 단계; 상기 추출된 특징점을 기초로 대상 컬러 맵을 생성하는 단계; 및 상기 생성된 표정 정보 인식 모델을 이용하여 상기 생성된 대상 컬러 맵에 대응되는 상기 표정 정보를 획득하는 단계를 포함한다.

일 실시예에 따른 표정 인식 모델 생성 장치는, 3D 얼굴 모델의 복수의 특징점을 추출하는 특징점 추출부; 상기 복수의 특징점 각각에 서로 다른 컬러를 대응시키고, 상기 대응되는 컬러를 기초로 기준 컬러 맵을 생성하는 컬러 맵 생성부; 미리 정해진 복수의 표정 각각에 대응되는 표정 정보에 따라 3D 얼굴 모델을 변경하고, 상기 변경된 3D 얼굴 모델에 따라 변경되는 기준 컬러 맵을 저장하여 컬러 맵 학습 이미지를 획득하는 학습 이미지 획득부; 및 상기 표정 정보 및 상기 컬러 맵 학습 이미지를 기초로 표정 정보 인식 모델을 생성하는 인식 모델 생성부를 포함한다.

일 실시예에 따른 표정 인식 장치는, 3D 얼굴 모델의 복수의 특징점을 추출하는 특징점 추출부; 상기 복수의 특징점 각각에 서로 다른 컬러를 대응시키고, 상기 대응되는 컬러를 기초로 기준 컬러 맵을 생성하는 컬러 맵 생성부; 미리 정해진 복수의 표정 각각에 대응되는 표정 정보에 따라 3D 얼굴 모델을 변경하고, 상기 변경된 3D 얼굴 모델에 따라 변경되는 기준 컬러 맵을 저장하여 컬러 맵 학습 이미지를 획득하는 학습 이미지 획득부; 상기 표정 정보 및 상기 컬러 맵 학습 이미지를 기초로 표정 정보 인식 모델을 생성하는 인식 모델 생성부; 및 대상 이미지의 특징점을 기초로 대상 컬러 맵을 생성하고, 상기 생성된 표정 정보 인식 모델을 이용하여 상기 생성된 대상 컬러 맵에 대응되는 상기 표정 정보를 획득하는 표정 정보 획득부를 포함한다.

일 실시예에 따른 컴퓨터 프로그램을 저장하는 컴퓨터 판독가능한 기록매체는, 3D 얼굴 모델의 복수의 특징점을 추출하는 단계; 상기 복수의 특징점 각각에 서로 다른 컬러를 대응시키고, 상기 대응되는 컬러를 기초로 기준 컬러 맵을 생성하는 단계; 미리 정해진 복수의 표정 각각에 대응되는 표정 정보에 따라 3D 얼굴 모델을 변경하는 단계; 상기 변경된 3D 얼굴 모델에 따라 변경되는 기준 컬러 맵을 저장하여 컬러 맵 학습 이미지를 획득하는 단계; 및 상기 표정 정보 및 상기 컬러 맵 학습 이미지를 기초로 표정 정보 인식 모델을 생성하는 단계를 포함하는 표정 인식 모델 생성 방법을 수행하도록 프로그램 된다.

일 실시예에 따른 표정 인식 모델 생성 장치 및 방법, 및 이를 이용한 표정 인식 장치 및 방법은, 3D 얼굴 모델로부터 생성된 기준 컬러 맵에 기초한 컬러 맵 학습 이미지를 학습하므로, 정확도 높은 표정 정보 인식 모델을 생성할 수 있다.

또한, 컬러 맵 학습 이미지를 획득하기 위하여 3D 얼굴 모델을 쉽게 변경할 수 있고, 컬러 맵 학습 이미지 획득 시의 표정 정보를 알 수 있어, 표정 정보 인식 모델 생성을 위한 학습 데이터를 용이하게 확보할 수 있다.

도 1은 일 실시예에 따른 표정 인식 장치의 기능 블록도이다.
도 2a 및 2b는 일 실시예에 따른 3D 모델 변경부가 이용하는 3D 얼굴 모델의 여러 가지 예를 나타낸 도면이다.
도 3은 일 실시예에 따른 특징점 추출부에 의해 3D 얼굴 모델로부터 추출된복수의 특징점을 예시한 도면이다.
도 4는 일 실시예에 따른 컬러 맵 생성부에 의해 3D 표준 모델 상의 특징점 위치에 오브젝트가 배치된 도면이다.
도 5는 일 실시예에 따른 컬러 맵 생성부에 의해 오브젝트 각각에 서로 다른 컬러가 대응된 도면이다.
도 6은 일 실시에에 따른 컬러 맵 생성부에 의해 생성된 기준 컬러 맵을 예시한 도면이다.
도 7은 일 실시예에 따른 학습 이미지 획득부가 이용하는 3D 얼굴 모델의 표정 정보에 대응되는 블렌드 쉐입을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 표정 인식 장치의 기능 블록도이다.
도 9는 일 실시예에 따른 표정 정보 획득 장치로 입력되는 대상 이미지를 예시한 도면이다.
도 10은 일 실시에에 따른 표정 정보 획득장치의 컬러 맵 생성부에 의해 생성되는 대상 컬러 맵을 예시한 도면이다.
도 11은 일 실시예에 따른 표정 인식 모델 생성 방법의 흐름도이다.
도 12는 일 실시예에 따른 표정 인식 방법의 흐름도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

도 1은 일 실시예에 따른 표정 인식 모델 생성 장치의 기능 블록도이다.

일 실시예에 따른 표정 인식 모델 생성 장치(100)는 이미지 내 객체에 대한 표정 정보를 획득하기 위해 표정 정보 인식 모델을 생성할 수 있다. 여기서, 표정 정보 인식 모델이란 2D 대상 이미지를 기초로 생성된 대상 컬러 맵이 입력되면, 입력된 대상 컬러 맵에 대응되는 3D 얼굴 모델의 표정 정보를 출력하는 모델을 의미할 수 있다.

이하에서는, 표정 정보 인식 모델이 인식하는 객체가 사람(Human)의 얼굴인 경우를 전제로 설명하나, 이에 한정되는 것은 아니고 감정 표현 및 표정을 지을 수 있는 동물, 및 감정 표현과 연관된 신체 부위 등을 포함할 수 있다.

표정 정보 인식 모델을 생성하는 방법 중 인물의 얼굴 이미지를 이용하는 방법이 있다. 이와 같은 방법에 따를 경우, 학습 이미지인 인물의 얼굴 이미지로부터 특징점을 추출하고, 추출된 특징점과 미리 저장된 표정 정보를 비교하여 학습함으로써 표정 정보 인식 모델을 생성할 수 있다.

그러나 상술한 방법에 따라 생성된 표정 정보 인식 모델은 인식의 결과에 오차가 존재할 수 있다. 구체적으로, 학습 이미지인 인물의 얼굴 이미지가 정면 얼굴이 아닌 측면 얼굴에 대한 것이라면, 이러한 학습 이미지로부터 정밀한 특징점 추출이 정밀하게 수행될 수 없기 때문에, 정확도 높은 표정 정보 인식 모델을 생성하기 어려울 수 있다.

나아가, 상술한 방법에 따를 때 표정 인식 모델 생성을 위해 충분한 학습 이미지의 확보가 요구될 수 있다.

이를 해결하기 위해, 본 발명의 일 실시예에 따른 표정 인식 모델 생성 장치(100)는 3D 얼굴 모델을 이용하여 표정 정보 인식 모델을 생성하도록 마련될 수 있다. 도 1을 참조하면, 본 발명의 일 실시예에 따른 표정 인식 모델 생성 장치(100)는 3D 얼굴 모델의 복수의 특징점을 추출하는 특징점 추출부(110); 복수의 특징점 각각에 대응되는 컬러를 기초로 기준 컬러 맵을 생성하는 컬러 맵 생성부(120); 표정 정보에 따라 3D 얼굴 모델을 변경하여 컬러 맵 학습 이미지를 획득하는 학습 이미지 획득부(130); 및 표정 정보 및 컬러 맵 학습 이미지를 기초로 표정 정보 인식 모델을 생성하는 인식 모델 생성부(140)를 포함할 수 있다.

특징점 추출부(110)는 3D 얼굴 모델의 복수의 특징점을 추출할 수 있다. 여기서, 3D 얼굴 모델이란 인물의 얼굴을 모사한 가상의 3D 캐릭터를 의미할 수 있다. 이하에서는 도 2a 및 2b를 참조하여 3D 얼굴 모델에 대해 설명한다.

도 2a 및 2b는 일 실시예에 따른 3D 모델 변경부가 이용하는 3D 얼굴 모델의 여러 가지 예를 나타낸 도면이다.

도 2a를 참조하면, 3D 얼굴 모델은 표준 얼굴의 기하학적 특성이 반영된 3D 메쉬 데이터(Mesh Data) 및 표준 얼굴의 표면 특성이 반영된 텍스쳐 데이터(Texture Data)로 구성될 수 있다. 여기서, 표준 얼굴은 임의의 실제 인물의 얼굴 및 가상 인물의 얼굴 중 적어도 하나를 포함할 수 있다.

3D 메쉬 데이터는 표준 얼굴의 특징점에 대응되는 본(Bone)과, 각각의 본에 의해 리깅(Rigging)되는 복수의 정점(Vertex)으로 구성될 수 있다. 도 2a를 참조하면, 3D 메쉬 데이터는 얼굴의 크기, 윤곽, 형상 등에 대한 정보를 포함할 수 있다.

또한, 3D 메쉬 데이터를 구성하는 본 및 복수의 정점은 생성된 메쉬 안에서 위치 이동이 가능할 수 있다. 본 및 정점의 이동을 통해, 3D 얼굴 모델을 표정 정보에 따라 변경할 수 있으며, 이에 대하여는 후술한다.

텍스쳐 데이터는 표준 얼굴의 표면 특성에 대응되도록 3D 메쉬 데이터 생에 매핑될 수 있다. 도 2a를 참조하면, 텍스쳐 데이터는 얼굴의 피부색이나 질감, 머리카락, 눈동자 등에 대한 정보를 포함할 수 있다.

도 2a가 표준 얼굴에 대응되는 3D 얼굴 모델을 예시한 것이라면, 도 2b는 도 2a의 3D 얼굴 모델로부터 모델 생성 조건을 변경하여 생성된 3D 얼굴 모델을 의미할 수 있다. 도 2b를 참조하면, 3D 메쉬 데이터와 관련된 얼굴의 크기, 윤곽, 형상 등에 대한 조건인 제 1 모델 생성 조건과 텍스쳐 데이터와 관련된 얼굴의 피부색과 질감, 머리카락, 눈동자 등에 대한 제 2 모델 생성 조건을 변경함으로써, 서로 다른 복수의 3D 얼굴 모델이 생성될 수 있다.

뿐만 아니라, 3D 메쉬 데이터 및 텍스쳐 데이터 모두와 관련된 성별, 나이, 인종 등에 대한 제 3 모델 생성 조건을 변경함으로써, 또 다른 복수의 3D 얼굴 모델이 생성될 수 있다.

이와 같은 3D 얼굴 모델은 공지된 다양한 툴(Tool)에 의해 생성 가능할 수 있다. 예를 들어, 3D 얼굴 모델은 가상 공간에서 사용자를 대신하는 아바타 또는 캐릭터 생성 프로그램에 의해 생성될 수 있다.

다시 도 1을 참조하면, 특징점 추출부(110)는 상술한 과정에 따라 생성된 3D 얼굴 모델로부터 복수의 특징점을 추출할 수 있다. 이하에서는 도 3을 참조하여 3D 얼굴 모델로부터 복수의 특징점을 추출하는 방법을 설명한다.

도 3은 일 실시예에 따른 특징점 추출부에 의해 3D 얼굴 모델로부터 추출된복수의 특징점을 예시한 도면이다.

상술한 바와 같이, 3D 얼굴 모델은 3D 메쉬 데이터를 포함하고, 3D 메쉬 데이터는 표준 얼굴의 특징점에 대응되는 본을 포함할 수 있다. 따라서, 특징점 추출부(110)는 3D 메쉬 데이터 상의 본의 위치에 기초하여 3D 얼굴 모델의 특징점을 추출할 수 있다.

도 3을 참조하면, 특징점 추출부(110)는 3D 메쉬 데이터 상의 본의 위치에 대응되는 특징점을 추출할 수 있고, 예를 들어, 표준 얼굴의 눈썹, 눈, 코, 입, 턱 등에 대한 68개의 특징점을 추출할 수 있다.

다시 도 1을 참조하면, 컬러 맵 생성부(120)는 특징점 추출부(110)에 의해 3D 얼굴 모델로부터 추출된 복수의 특징점에 기초하여 기준 컬러 맵을 생성할 수 있다. 이하에서는 도 4 내지 6를 참조하여 기준 컬러 맵을 생성하는 방법을 설명한다.

도 4는 일 실시예에 따른 컬러 맵 생성부에 의해 3D 표준 모델 상의 특징점 위치에 오브젝트가 배치된 도면이고, 도 5는 일 실시예에 따른 컬러 맵 생성부에 의해 오브젝트 각각에 서로 다른 컬러가 대응된 도면이고, 도 6은 일 실시에에 따른 컬러 맵 생성부에 의해 생성된 기준 컬러 맵을 예시한 도면이고, 고, 도 7은 일 실시예에 따른 학습 이미지 획득부가 이용하는 3D 얼굴 모델의 표정 정보에 대응되는 블렌드 쉐입을 설명하기 위한 도면이다.

컬러 맵 생성부(120)는 특징점 추출부(110)에 의해 추출된 복수의 특징점에 대응되는 3D 얼굴 모델 상의 위치에 오브젝트를 배치할 수 있다. 도 4를 참조하면, 특징점에 대응되는 3D 얼굴 모델 상의 위치인 눈썹, 눈, 코, 입, 턱 등의 위치에 마름모 형상의 오브젝트가 배치됨을 확인할 수 있다.

오브젝트 배치 후, 컬러 맵 생성부(120)는 복수의 오브젝트 각각에 서로 다른 컬러를 대응시킬 수 있다. 만약, 68개의 특징점이 추출된 경우, 각각의 특징점에 대응되는 68개의 오브젝트 각각은 서로 다른 색으로 대응될 수 있다. 도 5는 서로 다른 컬러가 대응된 복수의 오브젝트만을 도시한 도면이다. 도 5를 참조하면, 눈, 코, 입 등에 대한 특징점에 대응되는 오브젝트가 각각 서로 다른 색으로 표시됨을 확인할 수 있다.

복수의 오브젝트 각각에 서로 다른 컬러를 대응시킨 후, 컬러 맵 생성부(120)는 복수의 오브젝트에 대응되는 서로 다른 컬러를 기초로 기준 컬러 맵을 생성할 수 있다. 구체적으로, 컬러 맵 생성부(120)는 복수의 오브젝트가 배치된 3D 얼굴 모델을 미리 정해진 기준 방향으로 투사(Projection)하여 2차원 변환한 후, 투사된 복수의 오브젝트만을 이용하여 기준 컬러 맵을 생성할 수 있다. 이 때, 기준 방향은 추후 표정 정보를 획득하기 위한 대상 이미지 내 객체, 즉 얼굴의 촬영 방향에 따라 결정될 수 있다. 예를 들어, 대상 이미지로서 정면 얼굴 영상이 입력될 것으로 예상되는 경우, 기준 방향은 3D 얼굴 모델을 정면 얼굴로 투사하는 방향으로 설정될 수 있다.

일 실시예에 따른 컬러 맵 생성부(120)는 복수의 특징점 중 인접하는 특징점 각각에 대응되는 컬러를 기초로, 인접하는 특징점 사이의 컬러를 보간하여 기준 컬러 맵을 생성할 수 있다. 구체적으로, 서로 다른 컬러가 대응되는 복수의 오브젝트로 구성되는 메쉬를 가정할 때, 인접하는 적어도 세 개의 오브젝트가 형성하는 폴리곤의 색을 해당 오브젝트의 색을 이용하여 보간함으로써 기준 컬러 맵을 생성할 수 있다.

도 6은 도 5의 복수의 오브젝트에 기초하여 생성된 기준 컬러 맵을 예시한다. 도 6을 참조하면, 컬러 맵 생성부(120)에 의해 생성되는 기준 컬러 맵은 2차원 이미지로서, 3D 얼굴 모델로부터 추출된 복수의 특징점이 위치하는 영역을 포함하는 크기로 생성될 수 있다.

다시 도 1을 참조하면, 학습 이미지 획득부(130)는 생성된 기준 컬러 맵으로부터 컬러 맵 학습 이미지를 획득할 수 있다. 구체적으로, 학습 이미지 획득부(130)는 미리 정해진 복수의 표정 각각에 대응되는 표정 정보에 따라 복수의 오브젝트가 배치된 3D 얼굴 모델을 변경하고, 변경된 3D 얼굴 모델을 투사하여 2차원 변환된 오브젝트에 따라 변경되는 기준 컬러 맵을 저장하여 컬러 맵 학습 이미지를 획득할 수 있다.

학습 이미지 획득부(130)는 상술한 과정에 따라 생성된 3D 얼굴 모델을 미리 정해진 복수의 표정 각각에 대응되는 표정 정보에 따라 변경할 수 있다. 여기서, 미리 정해진 표정이란 분노(Anger), 경멸(Contempt), 혐오(Disgust), 공포(Fear), 기쁨(Happy), 슬픔(Sad), 놀람(Surprise), 중립(Neutral) 또는 무감정 등과 같이 얼굴을 통해 나타나는 감정 정보 및 졸림(Sleepiness), 집중(Concentration), 부정(Negative), 긍정(Positive), 흥분(Arousal), 균형(Balance) 등과 같이 얼굴을 통해 나타나는 상태 정보를 포함할 수 있다. 다만, 표정의 종류가 상술한 예로 한정되지는 않으며, 설계에 따라 다른 분류 체계가 사용될 수 있다.

또한, 표정에 대응되는 표정 정보란 해당 표정을 3D 얼굴 모델 상에서 나타내기 위한 3D 메쉬 데이터의 변경 정보를 의미할 수 있고, 일 실시예에 따른 표정 정보는 복수의 표정 각각에 대응되는 블렌드 쉐입(Blend Shape)을 포함할 수 있다. 여기서, 블렌드 쉐입은 3D 메쉬 데이터의 메쉬 안에서 복수의 정점 각각의 이동 거리 및 이동 방향(Displacement)을 의미하고, 복수의 정점 각각에 대한 벡터로서 표현될 수 있다.

블렌드 쉐입은 미리 정해진 복수의 기준 표정 각각에 대하여 벡터로서 정의될 수 있다. 여기서, 기준 표정이란 얼굴 중 특정 부위에 대한 움직임으로 이루어진 표정을 의미할 수 있다.

도 7은 각각의 기준 표정에 대한 블렌드 쉐입이 적용된 3D 얼굴 모델의 3D 메쉬 데이터를 예시한다. 도 7의 (a)에 도시된 3D 메쉬 데이터는 좌측 눈 깜빡임 표정을 기준 표정으로 하는 블렌드 쉐입에 대하여 최대 가중치가 적용된 경우를 나타낸다. 이와 유사하게, 도 7의 (b)는 우측 눈 깜빡임 표정을 기준 표정으로 하는 블렌드 쉐입에 대하여 가중치의 최대값이 적용된 3D 메쉬 데이터이고, (c)는 우측 입꼬리 상승 표정을 기준 표정으로 하는 블렌드 쉐입에 대하여 가중치의 최대값이 적용된 3D 메쉬 데이터이고, (d)는 입 개방 표정을 기준 표정으로 하는 블렌드 쉐입에 대하여 가중치의 최대값이 적용된 3D 메쉬 데이터를 도시한다. 이처럼, 각각의 블렌드 쉐입에 적용되는 가중치를 조절하면, 3D 메쉬 데이터 내에서 기준 표정의 영향을 제어할 수 있다.

상술한 바에 따를 때, 하나의 표정에 대응되는 표정 정보는 복수의 블렌드 쉐입의 특정 조합 비율에 따른 가중합으로 표현될 수 있다. 예를 들어, n개의 기준 표정 각각에 대한 n개의 블렌드 쉐입이 존재하는 경우, 특정 표정은 제 1 기준 표정에 대응되는 블렌드 쉐입 F₁에 가중치 w₁을 적용하고, 제 2 기준 표정에 대응되는 블렌드 쉐입 F₂에 가중치 w₂를 적용하고, … , 제 n 기준 표정에 대응되는 블렌드 쉐입 F_n에 가중치 w_n을 적용한 후, 이들을 합한 결과가 반영된 3D 메쉬 데이터로서 구현될 수 있다. 이를 기초로, 학습 이미지 획득부(130)는 각각의 블렌드 쉐입에 적용되는 가중치를 달리함으로써 3D 얼굴 모델 상에 원하는 표정을 구현할 수 있다.

학습 이미지 획득부(130)는 이렇게 결정된 복수의 표정 정보에 따라 3D 얼굴 모델을 변경할 수 있다. 구체적으로, 학습 이미지 획득부(130)는 복수의 표정 각각에 대응되는 블렌드 쉐입 조합에 따라 3D 얼굴 모델 중 3D 메쉬 데이터를 구성하는 복수의 정점의 위치를 변경할 수 있다.

만약, 모델 생성 조건이 상이한 복수의 3D 얼굴 모델을 이용하는 경우, 학습 이미지 획득부(130)는 서로 다른 복수의 3D 얼굴 모델 각각을 상술한 방법을 통해 변경할 수도 있다.

3D 얼굴 모델을 변경한 후, 학습 이미지 획득부(130)는 변경된 3D 얼굴 모델을 미리 정해진 기준 방향으로 투사(Projection)하여 2차원 변환한 후, 투사된 복수의 오브젝트에 따라 변경되는 기준 컬러 맵을 저장하여 컬러 맵 학습 이미지를 획득할 수 있다. 3D 얼굴 모델이 변경된다는 것은 복수의 특징점의 위치도 변경됨을 의미하므로, 특징점을 기초로 생성된 기준 컬러 맵도 변경될 수 있다. 따라서, 학습 이미지 획득부(130)는 표정 정보에 따라 변경되는 기준 컬러 맵을 학습 이미지로서 획득할 수 있다.

다시 도 1을 참조하면, 인식 모델 생성부(140)는 표정 정보 및 컬러 맵 학습 이미지를 기초로 표정 정보 인식 모델을 생성할 수 있다. 상술한 바와 같이, 표정 정보 인식 모델은 2D 대상 이미지를 기초로 생성된 대상 컬러 맵이 입력되면, 입력된 대상 컬러 맵에 대응되는 3D 얼굴 모델의 표정 정보를 출력하는 모델을 의미할 수 있다. 구체적으로 인식 모델 생성부(140)는 컬러 맵 학습 이미지 및 해당 컬러 맵 학습 이미지가 획득된 시점의 3D 얼굴 모델의 표정 정보를 학습하여 표정 정보 인식 모델을 생성할 수 있다.

일 실시예에 따른 인식 모델 생성부(140)는 딥러닝과 같은 기계학습을 통해 컬러 맵 학습 이미지로부터 표정 정보를 학습할 수 있다. 예를 들어, 인식 모델 생성부(140)는 지도 학습(Supervised Learning)을 통해 표정 정보 인식 모델을 생성할 수 있다. 지도 학습이란 입력과 이에 대응되는 레이블로 구성되는 학습 데이터를 학습하는 기계 학습 방법을 의미하며, 레이블(Label)은 학습 데이터 중 입력에 대한 정답을 의미할 수 있다.

지도 학습 방법을 따르는 인식 모델 생성부(140)는 컬러 맵 학습 이미지를 입력으로 하고, 해당 컬러 맵 학습 이미지가 획득된 시점의 3D 얼굴 모델의 표정 정보를 레이블로 대응시킨 학습 데이터를 학습할 수 있다. 구체적으로, 인식 모델 생성부(140)는 입력인 컬러 맵 학습 이미지와 정답인 3D 얼굴 모델의 표정 정보 사이의 관계를 학습하고, 그 학습의 결과로서 표정 정보 인식 모델을 생성할 수 있다.

이와는 달리, 인식 모델 생성부(140)는 컬러 맵 학습 이미지에 3D 얼굴 모델이 레이블 된 일부 학습 데이터와 레이블 되지 않은 컬러 맵 학습 이미지로 이루어진 나머지 학습 데이터를 함께 이용하여 학습하는 반지도 학습(Semisupervised Learning)을 수행하여, 표정 정보 인식 모델을 생성할 수 있다. 또는, 인식 모델 생성부(140)는 학습에 따른 컬러 맵 학습 이미지의 기초가 되는 3D 얼굴 모델의 표정 정보를 판단한 결과가 올바른지에 대한 피드백을 이용하는 강화 학습(Reinforcement Learning)을 통하여, 표정 정보 인식 모델을 생성할 수 있다.

인식 모델 생성부(140)에 의해 생성되는 표정 정보 인식 모델은, 인식 모델의 적용 분야, 학습의 목적 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. 일 실시예에 따른 표정 정보 인식 모델은 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 예를 들어, 표정 정보 인식 모델은 CNN(Convolution Neural Network), DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델로 구현될 수 있으나, 이에 한정되지는 않는다.

상술한 실시예에 따른 표정 인식 모델 생성 장치(100)를 구성하는 특징점 추출부(110), 컬러 맵 생성부(120), 학습 이미지 획득부(130), 및 인식 모델 생성부(140) 각각은 마이크로프로세서(Microprocessor)를 포함하는 연산 장치로 구현될 수 있고, 예를 들어 중앙 처리 장치(Central Processing Unit, CPU) 및 그래픽 처리 장치(Graphic Processing Unit, GPU) 중 적어도 하나로 구현될 수 있다. 이와는 달리, 표정 인식 모델 생성 장치(100)의 각각의 구성 중 적어도 두 개가 SOC(System On Chip)으로 구현되는 것도 가능할 수 있다.

표정 정보 인식 모델이 생성되면, 일 실시예에 따른 표정 인식 장치(200)는 생성된 표정 정보 인식 모델을 이용하여 입력된 대상 이미지 내에 존재하는 객체에 대한 표정 정보를 획득할 수 있다. 이하에서는, 도 8 내지 10을 참조하여, 대상 이미지 내 객체에 대한 표정 정보를 획득하는 방법을 설명한다.

도 8은 일 실시예에 따른 표정 인식 장치의 기능 블록도이고, 도 9은 일 실시예에 따른 표정 정보 획득 장치로 입력되는 대상 이미지를 예시한 도면이고, 도 10은 일 실시에에 따른 표정 정보 획득 장치의 컬러 맵 생성부에 의해 생성되는 대상 컬러 맵을 예시한 도면이다.

도 8을 참조하면, 일 실시예에 따른 표정 인식 장치(200)는, 표정 정보 인식 모델이 저장되는 저장부(210); 대상 이미지로부터 특징점을 추출하는 특징점 추출부(220); 추출된 대상 이미지의 특징점을 기초로 대상 컬러 맵을 생성하는 컬러 맵 생성부(230); 및 표정 정보 인식 모델을 이용하여 대상 컬러 맵에 대응되는 표정 정보를 획득하는 표정 정보 획득부(240)를 포함할 수 있다.

저장부(210)는 상술한 표정 인식 모델 생성 장치(100)에 의해 생성된 표정 정보 인식 모델을 미리 저장할 수 있다. 이를 위해, 저장부(210)는 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory: RAM), SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 통해 구현될 수 있다.

도 8에서는 표정 정보 인식 모델이 표정 인식 장치(200) 내부의 저장부(210)에 미리 저장되는 경우를 예시하나, 다른 실시예에 따른 표정 인식 장치(200)는 직접 표정 정보 인식 모델을 저장하지 않고, 장치 외부의 클라우드(Cloud) 상에 저장된 표정 정보 인식 모델을 스트리밍 방식으로 수신하여 표정 정보 획득에 이용할 수도 있다.

특징점 추출부(220)는 입력되는 대상 이미지의 특징점을 추출할 수 있다. 대상 이미지로부터 특징점을 추출하기 위해, 일 실시예에 따른 특징점 추출부(220)는 딥러닝 기반의 이미징 프로세싱 기술인 얼굴 특징점 검출(Facial Landmark Detection) 알고리즘을 이용할 수 있다.

대상 이미지의 특징점을 추출한 후, 컬러 맵 생성부(230)는 추출된 특징점에 기초하여 대상 컬러 맵을 생성할 수 있다. 이를 위해, 컬러 맵 생성부(230)는 먼저 대상 이미지의 복수의 특징점 각각에 3D 얼굴 모델의 복수의 특징점과 동일한 컬러를 대응시킬 수 있다. 구체적으로, 컬러 맵 생성부(230)는 대상 이미지의 각각의 특징점에 대응되는 3D 얼굴 모델의 특징점을 확인하고, 대응되는 3D 얼굴 모델의 특징점에 대응되는 컬러와 동일한 컬러를 대상 이미지의 특징점에 대응시킬 수 있다.

대상 이미지의 복수의 특징점 각각에 컬러를 대응시킨 후, 컬러 맵 생성부(230)는 대응되는 컬러를 기초로 대상 컬러 맵을 생성할 수 있다. 이 때, 복수의 특징점에 대응되는 컬러에 기초하여 대상 컬러 맵을 생성하는 방법은 기준 컬러 맵을 생성하는 방법과 동일하므로 자세한 설명은 생략한다.

만약, 도 9와 같은 대상 이미지가 입력된 경우, 표정 인식 장치(200)의 컬러 맵 생성부(230)는 도 10과 같은 대상 컬러 맵을 생성할 수 있다.

대상 컬러 맵을 생성한 후, 표정 정보 획득부(240)는 표정 정보 인식 모델을 이용하여 대상 컬러 맵에 대응되는 3D 얼굴 모델의 표정 정보를 획득할 수 있다. 이렇게 획득된 표정 정보는 대상 이미지 내 객체, 즉 인물의 표정에 대응되는 블렌드 쉐입을 포함할 수 있다.

따라서, 획득된 표정 정보가 미리 정해진 아바타 또는 캐릭터 등과 같은 3D 얼굴 모델에 추후 적용되면, 3D 얼굴 모델은 대상 이미지와 유사한 표정을 가지도록 리타게팅(Retargeting)될 수 있다.

상술한 실시예에 따른 표정 인식 장치(200)를 구성하는 각각의 구성은 마이크로프로세서를 포함하는 연산 장치로 구현될 수 있고, 예를 들어 중앙 처리 장치 및 그래픽 처리 장치 중 적어도 하나로 구현될 수 있다. 이와는 달리, 표정 인식 장치(200)는 표정 인식 모델 생성 장치(100)의 각각의 구성 중 적어도 두 개가 SOC으로 구현되는 것도 가능할 수 있다.

또한, 상술한 표정 인식 모델 생성 장치(100)와 표정 인식 장치(200)가 하나의 장치로 구현될 수도 있으며, 이 경우 표정 인식 모델 생성 장치(100)의 특징점 추출부(110)와 표정 인식 장치(200)의 특징점 추출부(210) 및/또는 표정 인식 모델 생성 장치(100)의 컬러 맵 생성부(120)와 표정 인식 장치(200)의 컬러 맵 생성부(220)가 공유되어 이용되도록 마련될 수도 있다.

지금까지는 도 1의 표정 인식 모델 생성 장치(100) 및 도 7의 표정 인식 장치(200)의 구성에 대하여 설명하였다. 이하에서는 도 1의 표정 인식 모델 생성 장치(100)에 의해 수행되는 표정 인식 모델 생성 방법 및 도 7의 표정 인식 장치(200)에 의해 수행되는 표정 인식 방법을 설명한다.

도 11은 일 실시예에 따른 표정 인식 모델 생성 방법의 흐름도이다.

먼저, 표정 인식 모델 생성 장치(100)는 3D 얼굴 모델의 복수의 특징점을 추출할 수 있다(S100). 여기서, 3D 얼굴 모델은 표준 얼굴의 기하학적 특성이 반영된 3D 메쉬 데이터(Mesh Data) 및 표준 얼굴의 표면 특성이 반영된 텍스쳐 데이터(Texture Data)로 구성될 수 있고, 3D 얼굴 모델의 복수의 특징점은 3D 메쉬 데이터의 본의 위치에 기초하여 추출될 수 있다.

그 다음, 표정 인식 모델 생성 장치(100)는 복수의 특징점 각각에 대응되는 컬러를 기초로 기준 컬러 맵을 생성할 수 있다(S110). 이 때, 복수의 특징점 각각에는 서로 다른 컬러가 대응될 수 있다.

구체적으로, 표정 인식 모델 생성 장치(100)는 3D 얼굴 모델의 복수의 특징점에 서로 다른 컬러의 오브젝트를 배치하고, 3D 얼굴 모델을 미리 정해진 기준 방향으로 투사(Projection)하여 2차원 변환한 후, 투사된 복수의 오브젝트만을 이용하여 기준 컬러 맵을 생성할 수 있다. 이 때, 기준 방향은 추후 표정 정보를 획득하기 위한 대상 이미지 내 객체, 즉 얼굴의 촬영 방향에 따라 결정될 수 있다.

일 실시예에 따른 표정 인식 모델 생성 장치(100)는 복수의 특징점 중 인접하는 특징점 각각에 대응되는 컬러를 기초로 인접하는 특징점 사이의 컬러를 보간하여 기준 컬러 맵을 생성할 수 있다.

기준 컬러 맵을 생성한 후, 표정 인식 모델 생성 장치(100)는 미리 정해진 복수의 표정 각각에 대응되는 표정 정보에 따라 3D 얼굴 모델을 변경할 수 있다(S120). 여기서, 표정 정보는 해당 표정을 3D 얼굴 모델 상에서 나타내기 위한 3D 메쉬 데이터의 변경 정보로서 블렌드 쉐입(Blend Shape)을 포함할 수 있다.

표정 정보에 따라 3D 얼굴 모델을 변경한 후, 표정 인식 모델 생성 장치(100)는 변경된 3D 얼굴 모델에 따라 변경되는 기준 컬러 맵을 저장하여 컬러 맵 학습 이미지를 획득할 수 있다(S130). 구체적으로, 표정 인식 모델 생성 장치(200)는 미리 정해진 복수의 표정 각각에 대응되는 표정 정보에 따라 복수의 오브젝트가 배치된 3D 얼굴 모델을 변경하고, 변경된 3D 얼굴 모델을 투사하여 2차원 변환된 오브젝트에 따라 변경되는 기준 컬러 맵을 저장하여 컬러 맵 학습 이미지를 획득할 수 있다.

마지막으로, 표정 인식 모델 생성 장치(100)는 표정 정보 및 상기 컬러 맵 학습 이미지를 기초로 표정 정보 인식 모델을 생성할 수 있다(S140). 구체적으로 표정 인식 모델 생성 장치(200)는 컬러 맵 학습 이미지가 획득된 시점의 3D 얼굴 모델의 표정 정보를 학습하여 표정 정보 인식 모델을 생성할 수 있다.

도 12는 일 실시예에 따른 표정 인식 방법의 흐름도이다.

먼저, 표정 인식 장치(200)는 대상 이미지가 입력되었는지 확인할 수 있다(S200). 만약, 대상 이미지가 입력되지 않았다면, 표정 인식 장치(200)는 반복하여 이를 확인할 수 있다.

반면, 대상 이미지가 입력된 경우, 표정 인식 장치(200)는 대상 이미지 내 객체의 특징점을 추출할 수 있다(S210). 이 때, 표정 인식 장치(200)는 딥러닝 기반의 이미지 프로세싱 기술인 얼굴 특징점 검출(Facial Landmark Detection) 알고리즘을 이용할 수 있다.

그 다음, 표정 인식 장치(200)는 추출된 특징점을 기초로 대상 컬러 맵을 생성할 수 있다(S220). 구체적으로, 표정 인식 장치(200)는 대상 이미지의 복수의 특징점 각각에 3D 얼굴 모델의 복수의 특징점과 동일한 컬러를 대응시키고, 대응되는 컬러를 기초로 대상 컬러 맵을 생성할 수 있다.

마지막으로, 표정 인식 장치(200)는 표정 정보 인식 모델을 이용하여 대상 컬러 맵에 대응되는 3D 얼굴 모델의 표정 정보를 획득할 수 있다(S230). 이렇게 획득된 표정 정보는 대상 이미지 내 객체, 즉 인물의 표정에 대응되는 블렌드 쉐입을 포함할 수 있다.

따라서, 획득된 표정 정보가 미리 정해진 아바타 또는 캐릭터 등과 같은 3D 얼굴 모델에 추후 적용되면, 3D 얼굴 모델은 대상 이미지 내 객체와 유사한 표정을 가지도록 리타게팅(Retargeting)될 수 있다.

상술한 실시예에 따른 표정 인식 모델 생성 장치 및 방법, 및 이를 이용한 표정 인식 장치 및 방법은, 3D 얼굴 모델로부터 생성된 기준 컬러 맵에 기초한 컬러 맵 학습 이미지를 학습하므로, 정확도 높은 표정 정보 인식 모델을 생성할 수 있다. 또한, 컬러 맵 학습 이미지를 획득하기 위하여 3D 얼굴 모델을 쉽게 변경할 수 있고, 컬러 맵 학습 이미지 획득 시의 표정 정보를 알 수 있어, 표정 정보 인식 모델 생성을 위한 학습 데이터를 용이하게 확보할 수 있다.

한편, 상술한 일 실시예에 따른 표정 인식 모델 생성 방법 및 표정 인식 방법에 포함된 각각의 단계는, 이러한 단계를 수행하도록 프로그램된 컴퓨터 프로그램을 기록하는 컴퓨터 판독가능한 기록매체에서 구현될 수 있다.

한편, 상술한 일 실시예에 따른 표정 인식 모델 생성 방법 및 표정 인식 방법에 포함된 각각의 단계는, 이러한 단계를 수행하도록 프로그램된 컴퓨터 프로그램을 기록하는 컴퓨터 판독가능한 기록매체에서 구현될 수 있다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 품질에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

일 실시예에 따르면, 상술한 표정 인식 모델 생성 장치 및 방법, 및 이를 이용한 표정 인식 장치 및 방법은 댁내 또는 산업 현장 등 다양한 분야에서 이용될 수 있으므로 산업상 이용 가능성이 있다.

100: 표정 인식 모델 생성 장치
200: 표정 인식 장치

Claims (15)

1. 3D 얼굴 모델의 3D 메쉬 데이터 상의 본의 위치에 기초하여 복수의 특징점을 추출하는 단계;
   상기 복수의 특징점 각각의 위치에 오브젝트를 배치하며, 상기 오브젝트 별로 서로 다른 컬러를 대응시키고, 상기 대응되는 컬러를 기초로 기준 컬러 맵을 생성하는 단계;
   미리 정해진 복수의 표정 각각에 대응되는 표정 정보에 따라 블렌드 쉐입(Blend Shape)에 적용되는 가중치를 조절하여, 상기 3D 얼굴 모델을 구성하는 3D 메쉬데이터를 변경하여 상기 3D 얼굴 모델을 변경하는 단계;
   상기 변경된 3D 얼굴 모델에 따라 변경되는 상기 오브젝트의 배치에 따라 갱신된 기준 컬러 맵을 저장하여 컬러 맵 학습 이미지를 획득하는 단계; 및
   상기 컬러 맵 학습 이미지를 입력으로 하고, 상기 복수의 표정 각각에 대응되는 표정 정보 중 상기 입력된 컬러 맵 학습 이미지에 대응되는 상기 변경한 3D 메쉬 데이터의 메쉬 안에서 복수의 정점 각각의 이동 거리 및 이동 방향(Displacement)에 따른 정보를 포함하는 표정 정보를 정답으로 학습하여, 대상 이미지의 대상 컬러 맵이 입력되면 상기 대상 컬러 맵에 대응되는 표정 정보를 출력하는 표정 정보 인식 모델을 생성하는 단계를 포함하는
   표정 인식 모델 생성 방법.
2. 제 1 항에 있어서,
   상기 표정 정보 인식 모델을 생성하는 단계는,
   상기 컬러 맵 학습 이미지가 획득된 시점의 3D 얼굴 모델의 표정 정보를 학습하여 상기 표정 정보 인식 모델을 생성하는
   표정 인식 모델 생성 방법.
3. 제 1 항에 있어서,
   상기 기준 컬러 맵을 생성하는 단계는,
   상기 복수의 특징점 중 인접하는 특징점 각각에 대응되는 컬러를 기초로 상기 인접하는 특징점 사이의 컬러를 보간하여 상기 기준 컬러 맵을 생성하는
   표정 인식 모델 생성 방법.
4. 삭제
5. 대상 이미지 내 객체의 특징점을 추출하는 단계;
   상기 추출된 특징점을 기초로 대상 컬러 맵을 생성하는 단계; 및
   3D 얼굴 모델의 복수의 특징점에 기초한 컬러 맵 학습 이미지로부터 생성된 표정 정보 인식 모델을 이용하여 상기 생성된 대상 컬러 맵에 대응되는 상기 표정 정보를 획득하는 단계를 포함하며,
   상기 표정 정보 인식 모델은,
   미리 정해진 복수의 표정 각각에 대응되는 표정 정보에 따라 블렌드 쉐입(Blend Shape)에 적용되는 가중치를 조절하여, 상기 3D 얼굴 모델을 구성하는 3D 메쉬데이터를 변경하여 상기 3D 얼굴 모델이 변경됨에 따라, 상기 3D 얼굴 모델의 상기 복수의 특징점 각각에 대응된 서로 다른 컬러를 상기 복수의 특징점에 위치하는 오브젝트의 배치의 변경에 따라 갱신한 기준 컬러 맵을 저장하여 획득된 상기 컬러 맵 학습 이미지를 입력으로 하고, 상기 복수의 표정 각각에 대응되는 표정 정보 중 상기 입력된 컬러 맵 학습 이미지에 대응되는 상기 변경한 3D 메쉬 데이터의 메쉬 안에서 복수의 정점 각각의 이동 거리 및 이동 방향(Displacement)에 따른 정보를 포함하는 표정 정보를 정답으로 학습하여 생성된 것인
   표정 인식 방법.
6. 삭제
7. 제 5 항에 있어서,
   상기 대상 컬러 맵을 생성하는 단계는,
   상기 대상 이미지의 복수의 특징점 각각에 상기 3D 얼굴 모델의 복수의 특징점과 동일한 컬러를 대응시키고, 상기 대응되는 컬러를 기초로 대상 컬러 맵을 생성하는
   표정 인식 방법.
8. 3D 얼굴 모델의 3D 메쉬 데이터 상의 본의 위치에 기초하여 복수의 특징점을 추출하는 특징점 추출부;
   상기 복수의 특징점 각각에 위치에 오브젝트를 배치하며, 상기 오브젝트 별로 서로 다른 컬러를 대응시키고, 상기 대응되는 컬러를 기초로 기준 컬러 맵을 생성하는 컬러 맵 생성부;
   미리 정해진 복수의 표정 각각에 대응되는 표정 정보에 따라 블렌드 쉐입(Blend Shape)에 적용되는 가중치를 조절하여, 상기 3D 얼굴 모델을 구성하는 3D 메쉬데이터를 변경하여 상기 3D 얼굴 모델을 변경하고, 상기 변경된 3D 얼굴 모델에 따라 상기 복수의 특징점에 위치하는 오브젝트의 배치의 변경에 따라 갱신된 기준 컬러 맵을 저장하여 컬러 맵 학습 이미지를 획득하는 학습 이미지 획득부; 및
   상기 컬러 맵 학습 이미지를 입력으로 하고, 상기 복수의 표정 각각에 대응되는 표정 정보 중 상기 입력된 컬러 맵 학습 이미지에 대응되는 상기 변경한 3D 메쉬 데이터의 메쉬 안에서 복수의 정점 각각의 이동 거리 및 이동 방향(Displacement)에 따른 정보를 포함하는 표정 정보를 정답으로 학습하여, 대상 이미지의 대상 컬러 맵이 입력되면 상기 대상 컬러 맵에 대응되는 표정 정보를 출력하는 표정 정보 인식 모델을 생성하는 인식 모델 생성부를 포함하는
   표정 인식 모델 생성 장치.
9. 삭제
10. 제 8 항에 있어서,
    상기 컬러 맵 생성부는,
    상기 복수의 특징점 중 인접하는 특징점 각각에 대응되는 컬러를 기초로 상기 인접하는 특징점 사이의 컬러를 보간하여 상기 기준 컬러 맵을 생성하는
    표정 인식 모델 생성 장치.
11. 삭제
12. 대상 이미지 내 객체의 특징점을 추출하는 특징점 추출부;
    상기 추출된 특징점을 기초로 대상 컬러 맵을 생성하는 컬러 맵 생성부; 및
    3D 얼굴 모델의 복수의 특징점에 기초한 컬러 맵 학습 이미지로부터 생성된표정 정보 인식 모델을 이용하여 상기 생성된 대상 컬러 맵에 대응되는 표정 정보를 획득하는 표정 정보 획득부를 포함하되,
    상기 표정 정보 인식 모델은,
    미리 정해진 복수의 표정 각각에 대응되는 표정 정보에 따라 블렌드 쉐입(Blend Shape)에 적용되는 가중치를 조절하여, 상기 3D 얼굴 모델을 구성하는 3D 메쉬데이터를 변경하여 상기 3D 얼굴 모델이 변경됨에 따라, 상기 3D 얼굴 모델의 상기 복수의 특징점 각각에 대응된 서로 다른 컬러를 상기 복수의 특징점에 위치하는 오브젝트의 배치의 변경에 따라 갱신한 기준 컬러 맵을 저장하여 획득된 상기 컬러 맵 학습 이미지를 입력으로 하고, 상기 복수의 표정 각각에 대응되는 표정 정보 중 상기 입력된 컬러 맵 학습 이미지에 대응되는 상기 변경한 3D 메쉬 데이터의 메쉬 안에서 복수의 정점 각각의 이동 거리 및 이동 방향(Displacement)에 따른 정보를 포함하는 표정 정보를 정답으로 학습하여 생성된 것인
    표정 인식 장치.
13. 삭제
14. 제 12 항에 있어서,
    상기 표정 정보 획득부는,
    상기 대상 이미지의 복수의 특징점 각각에 상기 3D 얼굴 모델의 복수의 특징점과 동일한 컬러를 대응시키고, 상기 대응되는 컬러를 기초로 대상 컬러 맵을 생성하는
    표정 인식 장치.
15. 3D 얼굴 모델의 3D 메쉬 데이터 상의 본의 위치에 기초하여 복수의 특징점을 추출하는 단계;
    상기 복수의 특징점 각각의 위치에 오브젝트를 배치하며, 상기 오브젝트 별로 서로 다른 컬러를 대응시키고, 서로 다른 컬러를 대응시키고, 상기 대응되는 컬러를 기초로 기준 컬러 맵을 생성하는 단계;
    미리 정해진 복수의 표정 각각에 대응되는 표정 정보에 따라 블렌드 쉐입(Blend Shape)에 적용되는 가중치를 조절하여, 상기 3D 얼굴 모델을 구성하는 3D 메쉬데이터를 변경하여 상기 3D 얼굴 모델을 변경하는 단계;
    상기 변경된 3D 얼굴 모델에 따라 변경되는 상기 오브젝트의 배치에 따라 갱신된 기준 컬러 맵을 저장하여 컬러 맵 학습 이미지를 획득하는 단계; 및
    상기 컬러 맵 학습 이미지를 입력으로 하고, 상기 복수의 표정 각각에 대응되는 표정 정보 중 상기 입력된 컬러 맵 학습 이미지에 대응되는 상기 변경한 3D 메쉬 데이터의 메쉬 안에서 복수의 정점 각각의 이동 거리 및 이동 방향(Displacement)에 따른 정보를 포함하는 표정 정보를 정답으로 학습하여, 대상 이미지의 대상 컬러 맵이 입력되면 상기 대상 컬러 맵에 대응되는 표정 정보를 출력하는 표정 정보 인식 모델을 생성하는 단계를 포함하는
    표정 인식 모델 생성 방법을 수행하도록 프로그램된 컴퓨터 프로그램을 저장하는 컴퓨터 판독가능한 기록매체.

Images