KR102625583B1 - Vr 공간에 대한 시지각 분석 시스템, 시지각 분석 방법 및 시지각 분석 방법을 실행시키도록 기록매체에 저장된 컴퓨터 프로그램 - Google Patents

Vr 공간에 대한 시지각 분석 시스템, 시지각 분석 방법 및 시지각 분석 방법을 실행시키도록 기록매체에 저장된 컴퓨터 프로그램 Download PDF

Info

Publication number
KR102625583B1
KR102625583B1 KR1020210055573A KR20210055573A KR102625583B1 KR 102625583 B1 KR102625583 B1 KR 102625583B1 KR 1020210055573 A KR1020210055573 A KR 1020210055573A KR 20210055573 A KR20210055573 A KR 20210055573A KR 102625583 B1 KR102625583 B1 KR 102625583B1
Authority
KR
South Korea
Prior art keywords
gaze
test
interest
unit area
image
Prior art date
Application number
KR1020210055573A
Other languages
English (en)
Other versions
KR20220148484A (ko
Inventor
김주연
김종하
Original Assignee
숭실대학교 산학협력단
동양대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 숭실대학교 산학협력단, 동양대학교 산학협력단 filed Critical 숭실대학교 산학협력단
Priority to KR1020210055573A priority Critical patent/KR102625583B1/ko
Publication of KR20220148484A publication Critical patent/KR20220148484A/ko
Application granted granted Critical
Publication of KR102625583B1 publication Critical patent/KR102625583B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/013—Eye tracking input arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Eye Examination Apparatus (AREA)
  • Image Analysis (AREA)

Abstract

개시된 발명의 일 측면에 의하면, 특정 장소가 촬영된 VR 영상을 미리 설정된 복수개의 단위 영역으로 분할하고, 단위 영역 별로 피검사자의 시선이 머무른 시간을 측정하고, 측정된 시간에 기초하여 해당 VR 영상에 대한 피검사자의 관심 영역을 분석할 수 있어서, 해당 특정 장소를 실제 방문하는 사람들의 주시 성향을 예측 및 분석하는데 이용 가능한 분석 결과 영상을 생성하는 시지각 분석 시스템을 제공할 수 있다.
일 실시예에 따른 시지각 분석 시스템은, 피검사자가 착용 가능하며, 상기 피검사자에게 360도 시청이 가능한 테스트 VR 영상을 표시하는 디스플레이 모듈; 상기 테스트 VR 영상에서의 상기 피검사자의 시선 위치를 추적하는 시선 추적 모듈; 및 상기 테스트 VR 영상을 미리 설정된 복수개의 단위 영역으로 분할하고, 상기 시선 위치가 위치하는 하나의 단위 영역을 결정하고, 상기 단위 영역 별로 상기 시선 위치가 머무른 시간인 주시 시간을 측정하고, 단위 영역 별 주시 시간에 기초하여 상기 테스트 VR 영상에 대한 관심 영역을 분석하는 프로세서;를 포함할 수 있다.

Description

VR 공간에 대한 시지각 분석 시스템, 시지각 분석 방법 및 시지각 분석 방법을 실행시키도록 기록매체에 저장된 컴퓨터 프로그램{VIRTUAL REALITY BASED VISUAL PERSEPTION ANALYSIS SYSTEM, VIRTUAL REALITY BASED VISUAL PERSEPTION ANALYSIS METHOD AND COMPUTER PROGRAM STORED IN A RECORDING MEDIUM TO EXECUTE THE METHOD THEREOF}
본 발명은 VR 공간을 이용하는 시지각 분석 시스템 및 방법에 관한 발명으로, 상세하게는 특정 장소의 VR 영상에 대하여 피검사자의 시선을 추적하고, 추적된 시선 위치에 기초하여 피검사자가 관심을 가지는 영역을 분석할 수 있는 개인 인증 시스템 및 개인 인증 방법에 관한 것이다.
최근에는 가상 현실 장치(Virtual Reality Device)를 이용하여 사용자에게 이미지를 제공하는 장치들이 개발되고 있다. 가상 현실 기술은 조작된 감각 자극을 통해 사용자가 현실감을 느끼도록 하는 것으로 게임, 교육, 의료, 저널리즘 등 많은 산업 영역에서 활용될 수 있다.
가상현실 영상 관련 기술이 발전하면서, 사용자는 다양한 장치를 이용하여 360도 영상을 시청할 수 있다. 360도 영상을 시청하는 사용자는 평면 영상을 시청할 때 보다 더 큰 몰입감을 느낄 수 있다.
한편, VR 공간을 주시하는 VR 장치의 사용자에 대하여 사용자의 시선을 추적을 할 수 있는 기술은 종래에 있으나, 단순한 시선 추적만으로는 VR 영상에 대한 사용자의 시각적인 인지 과정을 체계적으로 분석할 수 없다는 문제가 있다.
개시된 발명의 일 측면에 의하면, 특정 장소가 촬영된 VR 영상을 미리 설정된 복수개의 단위 영역으로 분할하고, 단위 영역 별로 피검사자의 시선이 머무른 시간을 측정하고, 측정된 시간에 기초하여 해당 VR 영상에 대한 피검사자의 관심 영역을 분석할 수 있어서, 해당 특정 장소를 실제 방문하는 사람들의 주시 성향을 예측 및 분석하는데 이용 가능한 분석 결과 영상을 생성하는 시지각 분석 시스템을 제공할 수 있다.
개시된 발명의 일 측면에 따른 시지각 분석 시스템은, 피검사자가 착용 가능하며, 상기 피검사자에게 360도 시청이 가능한 테스트 VR 영상을 표시하는 디스플레이 모듈; 상기 테스트 VR 영상에서의 상기 피검사자의 시선 위치를 추적하는 시선 추적 모듈; 및 상기 테스트 VR 영상을 미리 설정된 복수개의 단위 영역으로 분할하고, 상기 시선 위치가 위치하는 하나의 단위 영역을 결정하고, 상기 단위 영역 별로 상기 시선 위치가 머무른 시간인 주시 시간을 측정하고, 단위 영역 별 주시 시간에 기초하여 상기 테스트 VR 영상에 대한 관심 영역을 분석하는 프로세서;를 포함할 수 있다.
또한, 상기 시선 추적 모듈은, 상기 시선 위치를 1초당 미리 설정된 횟수만큼 획득하고, 상기 프로세서는, 상기 시선 위치가 획득될 때마다, 상기 시선 위치가 위치하는 하나의 단위 영역을 결정하고, 상기 시선 위치가 획득된 횟수를 상기 단위 영역 별로 카운트하고, 상기 카운트된 횟수에 기초하여 상기 단위 영역 별 주시 시간을 측정하도록 구성될 수 있다.
또한, 상기 프로세서는, 상기 복수개의 단위 영역 중 상기 단위 영역 별 주시 시간이 제1 기준시간 이상인 단위 영역을 제1 관심 영역으로 결정하도록 구성될 수 있다.
또한, 상기 프로세서는, 상기 테스트 VR 영상 및 상기 제1 관심 영역을 합성하여 분석 결과 영상을 생성하도록 구성될 수 있다.
또한, 상기 프로세서는, 상기 복수개의 단위 영역 중 상기 단위 영역 별 주시 시간이 제2 기준시간 이상이고, 제1 기준시간 미만인 단위 영역을 제2 관심 영역으로 결정하도록 구성될 수 있다.
또한, 상기 프로세서는, 피검사자가 여러 명 존재하는 경우, 각 피검사자 별로 상기 테스트 VR 영상에 대한 관심 영역을 분석하도록 구성될 수 있다.
또한, 상기 피검사자의 속성 정보를 입력 변수로 하고, 상기 테스트 VR 영상에 대한 관심 영역을 출력 변수로 설정하여 인공지능 모델을 학습하도록 구성되는 인공지능 학습부;를 더 포함하고, 상기 프로세서는, 관심 장소에 방문하는 방문자들에 대한 데이터로부터 상기 방문자의 속성 정보를 추출하고, 상기 방문자의 속성 정보를 기초로 상기 인공지능 모델을 통하여 상기 관심 장소를 표시하는 상기 테스트 VR 영상에 대한 관심 영역을 결정하도록 구성될 수 있다.
또한, 상기 프로세서는, 기준 단위 영역에 인디케이터를 표시하도록 상기 디스플레이 모듈을 제어하고, 상기 인디케이터가 표시될 때 상기 시선 위치가 위치하는 단위 영역이 상기 기준 단위 영역이 아니면, 상기 시선 위치가 측정되는 위치를 보정하도록 상기 시선 추적 모듈을 제어할 수 있다.
개시된 발명의 일 측면에 따른 시지각 분석 방법은, 피검사자가 착용 가능한 디스플레이 모듈에 의해, 상기 피검사자에게 360도 시청이 가능한 테스트 VR 영상을 표시하는 단계; 시선 추적 모듈에 의해, 상기 테스트 VR 영상에서의 상기 피검사자의 시선 위치를 추적하는 단계; 상기 테스트 VR 영상을 미리 설정된 복수개의 단위 영역으로 분할하는 단계; 상기 시선 위치가 위치하는 하나의 단위 영역을 결정하는 단계; 상기 단위 영역 별로 상기 시선 위치가 머무른 시간인 주시 시간을 측정하는 단계; 및 단위 영역 별 주시 시간에 기초하여 상기 테스트 VR 영상에 대한 관심 영역을 분석하는 단계;를 포함할 수 있다.
또한, 상기 주시 시간을 측정하는 단계는, 상기 시선 추적 모듈에 의해, 상기 시선 위치를 1초당 미리 설정된 횟수만큼 획득하는 단계; 상기 시선 위치가 획득될 때마다, 상기 시선 위치가 위치하는 하나의 단위 영역을 결정하는 단계; 상기 시선 위치가 획득된 횟수를 상기 단위 영역 별로 카운트하는 단계; 및 상기 카운트된 횟수에 기초하여 상기 단위 영역 별 주시 시간을 측정하는 단계;를 포함할 수 있다.
또한, 상기 복수개의 단위 영역 중 상기 단위 영역 별 주시 시간이 제1 기준시간 이상인 단위 영역을 제1 관심 영역으로 결정하는 단계;를 더 포함할 수 있다.
또한, 상기 테스트 VR 영상 및 상기 제1 관심 영역을 합성하여 분석 결과 영상을 생성하는 단계;를 더 포함할 수 있다.
또한, 상기 복수개의 단위 영역 중 상기 단위 영역 별 주시 시간이 제2 기준시간 이상이고, 제1 기준시간 미만인 단위 영역을 제2 관심 영역으로 결정하는 단계;를 더 포함할 수 있다.
또한, 상기 피검사자가 여러 명 존재하는 경우, 각 피검사자 별로 상기 테스트 VR 영상에 대한 관심 영역을 분석하는 단계;를 더 포함할 수 있다.
또한, 인공지능 학습부에 의해, 상기 피검사자의 속성 정보를 입력 변수로 하고, 상기 테스트 VR 영상에 대한 관심 영역을 출력 변수로 설정하여 인공지능 모델을 학습하는 단계; 관심 장소에 방문하는 방문자들에 대한 데이터로부터 상기 방문자의 속성 정보를 추출하는 단계; 및 상기 방문자의 속성 정보를 기초로 상기 인공지능 모델을 통하여 상기 관심 장소를 표시하는 상기 테스트 VR 영상에 대한 관심 영역을 결정하는 단계;를 더 포함할 수 있다.
또한, 기준 단위 영역에 인디케이터를 표시하도록 상기 디스플레이 모듈을 제어하는 단계; 및 상기 인디케이터가 표시될 때 상기 시선 위치가 위치하는 단위 영역이 상기 기준 단위 영역이 아니면, 상기 시선 위치가 측정되는 위치를 보정하도록 상기 시선 추적 모듈을 제어하는 단계;를 더 포함할 수 있다.
개시된 발명의 일 측면에 따른 컴퓨터 프로그램은, 상기 시지각 분석 방법을 실행시키도록 기록매체에 저장될 수 있다.
개시된 발명의 일 측면에 따르면, 특정 장소가 촬영된 VR 영상 및 피검사자의 관심 영역이 합성된 분석 결과 영상을 생성하여, 해당 특정 장소에 대하여 방문자들이 관심을 가지는 영역을 예측 및 분석할 수 있다.
도 1은 일 실시예에 따른 시지각 분석 시스템을 도시한 도면이다.
도 2는 일 실시예에 따른 시지각 분석 시스템의 구성도이다.
도 3은 일 실시예에 따른 테스트 VR 영상의 공간 개념을 도시한 도면이다.
도 4는 일 실시예에 따른 테스트 VR 영상을 미리 설정된 복수개의 단위 영역으로 분할하는 것을 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 관심 영역을 결정하는 것을 설명하기 위한 도면이다.
도 6은 일 실시예에 따라 단위 영역 별 주시 시간을 측정하는 것을 설명하기 위한 도면이다.
도 7은 일 실시예에 따라 분석된 주시 범위의 예시를 나타낸 도면이다.
도 8은 일 실시예에 따른 관심 영역의 분석 결과의 예시를 도시한 도면이다.
도 9는 일 실시예에 따른 시선 위치가 측정되는 위치를 보정하는 것을 도시한 도면이다.
도 10은 일 실시예에 따른 시지각 분석 방법의 순서도이다.
도 11은 또 다른 실시예에 따른 시지각 분석 방법의 순서도이다.
명세서 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다. 본 명세서가 실시예들의 모든 요소들을 설명하는 것은 아니며, 개시된 발명이 속하는 기술분야에서 일반적인 내용 또는 실시예들 간에 중복되는 내용은 생략한다. 명세서에서 사용되는 '~부'라는 용어는 소프트웨어 또는 하드웨어로 구현될 수 있으며, 실시예들에 따라 복수의 '~부 '가 하나의 구성요소로 구현되거나, 하나의 '부 '가 복수의 구성요소들을 포함하는 것도 가능하다.
또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에서 사용되는 '~부'는 적어도 하나의 기능이나 동작을 처리하는 단위로서, 예를 들어 소프트웨어, FPGA 또는 하드웨어 구성요소를 의미할 수 있다. '~부'에서 제공하는 기능은 복수의 구성요소에 의해 분리되어 수행되거나, 다른 추가적인 구성요소와 통합될 수도 있다. 본 명세서의 '~부'는 반드시 소프트웨어 또는 하드웨어에 한정되지 않으며, 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고, 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.
제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로, 구성요소가 전술된 용어들에 의해 제한되는 것은 아니다.
단수의 표현은 문맥상 명백하게 예외가 있지 않는 한, 복수의 표현을 포함한다.
각 단계들에 있어 식별부호는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다.
이하 첨부된 도면들을 참고하여 개시된 발명의 작용 원리 및 실시예들에 대해 설명한다.
도 1은 일 실시예에 따른 시지각 분석 시스템을 도시한 도면이며, 도 2는 일 실시예에 따른 시지각 분석 시스템의 구성도이다.
도 1 및 도2를 참조하면, 본 발명의 실시예에 따른 시지각 분석 시스템(100)은, 디스플레이 모듈(110), 시선 추적 모듈(120), 프로세서(130), 인공지능 학습부(140), 메모리(150)를 포함할 수 있다.
디스플레이 모듈(110)은 피검사자(300)가 착용 가능하며, 피검사자(300)에게 360도 시청이 가능한 테스트 VR 영상(200)을 표시할 수 있다.
테스트 VR 영상(200)은 피검사자(300)가 디스플레이 모듈(110)을 통하여 360도 전방향으로 시청이 가능한 영상이다. 구체적으로, 테스트 VR 영상(200)은 특정한 장소의 특정 지점에서 360도 카메라를 설치하여 특정한 장소의 전 방향을 촬영한 영상일 수 있다. 또한, 테스트 VR 영상(200)은 영상의 움직임이 없는 사진일 수 있으나, 어느 특정 시간동안 촬영된 동영상일 수도 있다.
디스플레이 모듈(110)은 피검사자(300)의 머리에 착용 가능할 수 있으며, 피검사자(300)에게 테스트 VR 영상(200)의 표시를 할 수 있는 디스플레이 패널이 마련될 수 있다. 하지만, 디스플레이 모듈(110)이 반드시 이와 같은 형태로 한정되는 것은 아니며, 피검사자(300)에게 360도 시청이 가능한 VR 영상을 제공할 수 있다면 어떠한 형태여도 상관없다. 예를 들면, 디스플레이 모듈(110)은 좌안과 우안에 대응하는 두 개의 화면을 표시하는 것도 가능할 수 있다.
디스플레이 모듈(110)은 시선 추적 모듈(120) 및 프로세서(130)와 전기적으로 연결될 수 있다. 이때, 디스플레이 모듈(110)은 시선 추적 모듈(120) 및 프로세서(130)와 유선 또는 무선 통신망 방식을 통해 연결될 수 있다.
시선 추적 모듈(120)은 테스트 VR 영상(200)에서의 피검사자(300)의 시선 위치(202)를 추적할 수 있다.
시선 위치(202)는 테스트 VR 영상(200)에서 피검사자(300)가 주시하고 있는 지점일 수 있다. 즉, 피검사자(300)는 테스트 VR 영상(200)에서 관심 있는 영역을 주시하게 될 것이며, 이렇게 피검사자(300)가 관심을 가지고 주시하고 있는 지점이 시선 위치(202)일 수 있다.
시선 추적 모듈(120)은 피검사자(300)의 동공을 중심으로 카메라가 배치된 형태의 모듈일 수 있다.
구체적으로, 시선 추적 모듈(120)의 카메라는 렌즈를 포함하고, 피검사자(300)의 동공으로 빛을 조사하기 위한 조명부를 더 포함할 수 있다. 렌즈는 피검사자(300)의 동공 부분의 촬영 영역을 조절할 수 있으며,　시선 추적에 필요한 동공만을 촬영할 수 있는 조절이 가능한 줌 렌즈로 구성될 수 있다.
시선 추적 모듈(120)의 카메라는 피검사자(300)의 좌안 및 우안의 동공 중심을 통과하는 수직선상에 위치할 수 있으며, 홍채를 둘러싼 동공 중심은 사용자가 전방을 응시할 때의 위치가 될 수 있으며, 이 중심을 통과하는 수직선상에 시선 카메라의 렌즈가 위치할 수 있다.
한편, 전술한 바와 같이 시선 추적 모듈(120)은 피검사자(300)의 동공 부분을 촬영하는 방식일 수 있으나, 이와 같은 방식에 한정되는 것은 아니며, 피검사자(300)의 시선을 추적할 수 있다면 어떠한 방식으로 시선 추적을 하더라도 상관없다.
프로세서(130)는 테스트 VR 영상(200)을 미리 설정된 복수개의 단위 영역(201)으로 분할할 수 있다.
단위 영역(201)은 미리 설정된 방식에 따라 분할된 테스트 VR 영상(200)에서, 분할된 각각의 영역일 수 있다. 단위 영역(201)을 나누는 방식은 도 3 및 도 4에서 후술하도록 한다.
프로세서(130)는 시선 위치(202)가 위치하는 하나의 단위 영역(201)을 결정할 수 있다.
구체적으로, 시선 위치(202)는 분할된 테스트 VR 영상(200)에서 피검사자(300)가 주시하고 있는 지점에 위치할 수 있다. 즉, 시선 위치(202)는 복수개의 단위 영역(201) 중 어느 하나의 단위 영역(201)에 위치하게 되고, 시선 추적 모듈(120)은 피검사자(300)의 시선이 테스트 VR 영상(200) 위에서 어느 위치에 있는지 추적할 수 있으며, 프로세서(130)는 추적된 시선 위치(202)가 어느 단위 영역(201)에 있는지 판단하여 시선 위치(202)가 위치하는 하나의 단위 영역(201)을 결정할 수 있다.
프로세서(130)는 단위 영역(201) 별로 시선 위치(202)가 머무른 시간인 주시 시간을 측정할 수 있다. 즉, 프로세서(130)는 시선 위치(202)가 어느 한 단위 영역(201)에 위치한 시간을 측정할 수 있다.
프로세서(130)는 단위 영역(201) 별 주시 시간에 기초하여 테스트 VR 영상(200)에 대한 관심 영역(203)을 분석할 수 있다.
관심 영역(203)은 피검사자(300)가 테스트 VR 영상(200)에서 관심을 가지고 주시하는 영역일 수 있다.
즉, 프로세서(130)는 시선 위치(202)가 어느 단위 영역(201)에 머무른 시간에 기초해서 해당 피검사자(300)가 해당 테스트 VR 영상(200)에 대하여 어느 영역에 관심을 가지는 지 분석할 수 있다.
이러한 분석 결과는 추후에 해당 테스트 VR 영상(200)이 촬영된 장소에서 방문자들이 어느 곳에 관심을 가지고 주시하게 되는지 예측하는데 이용될 수 있다.
또한, 이러한 예측 결과는 해당 테스트 VR 영상(200)이 촬영된 장소를 효과적으로 인테리어 하는데 도움이 될 수 있다.
테스트 VR 영상(200)에 대한 관심 영역(203)을 분석하는 구체적인 방법은 도 5내지 도 8을 통해서 후술한다.
프로세서(130)는 피검사자(300)가 여러 명 존재하는 경우, 각 피검사자(300) 별로 테스트 VR 영상(200)에 대한 관심 영역(203)을 분석하도록 구성될 수 있다.
즉, 피검사자(300)는 한 명이 아니라 복수 명 존재할 수 있으며, 본 발명의 실시예에 따른 시지각 분석은 복수의 피검사자(300)에 대하여 이루어질 수 있다. 이때, 복수의 피검사자(300)에 대한 시지각 분석이 반드시 동시에 이루어져야 하는 것은 아니며, 매 분석마다 각 피검사자(300)에 대한 분석 결과를 메모리(150)에 저장하는 방식으로 각 피검사자(300) 별로 테스트 VR 영상(200)을 분석할 수 있다.
인공지능 학습부(140)는 피검사자(300)의 속성 정보를 입력 변수로 하고, 테스트 VR 영상(200)에 대한 관심 영역(203)을 출력 변수로 설정하여 인공지능 모델을 학습하도록 구성될 수 있다.
피검사자(300)의 속성 정보는 해당 피검사자(300)에 대한 다양한 속성을 나타내는 정보일 수 있다. 예를 들어, 피검사자(300)의 속성 정보는 해당 피검사자(300)의 성별, 나이, 관심 분야, 직업 등 다양한 속성에 대한 정보일 수 있다.
이때, 인공지능 모델을 학습하는 것은 기계 학습(Machine Learning) 방식을 통한 학습일 수 있다.
기계 학습이란 다수의 파라미터로 구성된 모델을 이용하며, 주어진 데이터로 파라미터를 최적화하는 것을 의미할 수 있다. 기계 학습은 학습 문제의 형태에 따라 지도 학습(supervised learning), 비지도 학습(unsupervised learning) 및 강화 학습(reinforcement learning)을 포함할 수 있다. 지도 학습(supervised learning)은 입력과 출력 사이의 매핑을 학습하는 것이며, 입력과 출력 쌍이 데이터로 주어지는 경우에 적용할 수 있다. 비지도 학습(unsupervised learning)은 입력만 있고 출력은 없는 경우에 적용하며, 입력 사이의 규칙성 등을 찾아낼 수 있다.
인공지능 학습부(140)는 기계 학습 방식뿐만 아니라 딥 러닝 방식을 통해서도 개인 인증을 수행할 수 있다.
인공지능 모델은 피검사자(300)의 속성 정보를 입력 변수로 하고, 테스트 VR 영상(200)에 대한 관심 영역(203)을 출력 변수로 설정한 모델일 수 있다. 인공지능 모델은 시지각 분석 시스템(100)에 포함된 메모리(150)에 저장될 수 있다.
프로세서(130)는 관심 장소에 방문하는 방문자들에 대한 데이터로부터 방문자의 속성 정보를 추출할 수 있다.
관심 장소는 검사자가 관심을 가지는 특정 장소일 수 있다. 구체적으로, 관심 장소는 검사자가 해당 장소에 방문하는 방문자들이 어디를 주시하는지에 대해서 예측하고 싶은 장소일 수 있다.
방문자의 속성 정보는 해당 방문자에 대한 다양한 속성을 나타내는 정보일 수 있다. 예를 들어, 방문자의 속성 정보는 해당 방문자의 성별, 나이, 관심 분야, 직업 등 다양한 속성에 대한 정보일 수 있다.
방문자들에 대한 데이터는 다양한 방식으로 미리 수집하거나, 측정한 데이터일 수 있다.
프로세서(130)는 방문자의 속성 정보를 기초로 인공지능 모델을 통하여 관심 장소를 표시하는 테스트 VR 영상(200)에 대한 관심 영역(203)을 결정하도록 구성될 수 있다.
결과적으로, 피검사자(300)가 관심 장소를 표시하는 테스트 VR 영상(200)을 통한 관심 영역(203) 분석 테스트를 직접 하지 않더라도, 관심 장소를 표시하는 테스트 VR 영상(200)에 대한 관심 영역(203)을 분석할 수 있다. 관심 장소가 아닌 다른 장소를 표시한 테스트 VR 영상(200)을 통한 분석 결과 및 방문자들에 대한 데이터를 통하여, 관심 장소를 표시하는 테스트 VR 영상(200)에 대한 관심 영역(203)을 분석할 수 있는 것이다.
지금까지 설명된 본 발명의 실시예 및 앞으로 설명할 실시예에 따른 시지각 분석 방법은, 시선 추적 모듈(120), 프로세서(130), 인공지능 학습부(140)에 의해 구동될 수 있는 프로그램의 형태로 구현될 수 있다.
여기서 프로그램은, 프로그램 명령, 데이터 파일 및 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 프로그램은 기계어 코드나 고급 언어 코드를 이용하여 설계 및 제작된 것일 수 있다. 프로그램은 상술한 부호 수정을 위한 방법을 구현하기 위하여 특별히 설계된 것일 수도 있고, 컴퓨터 소프트웨어 분야에서 통상의 기술자에게 기 공지되어 사용 가능한 각종 함수나 정의를 이용하여 구현된 것일 수도 있다. 전술한 정보 표시 방법을 구현하기 위한 프로그램은, 시선 추적 모듈(120), 프로세서(130), 인공지능 학습부(140)에 의해 판독 가능한 기록매체에 기록될 수 있다. 이때, 기록매체는 메모리(150)일 수 있다.
메모리(150)는 전술한 동작 및 후술하는 동작을 수행하는 프로그램을 저장할 수 있으며, 메모리(150)는 저장된 프로그램을 실행시킬 수 있다. 프로세서(130)와 메모리(150)가 복수인 경우에, 이들이 하나의 칩에 집적되는 것도 가능하고, 물리적으로 분리된 위치에 마련되는 것도 가능하다. 메모리(150)는 데이터를 일시적으로 기억하기 위한 S램(Static Random Access Memory, S-RAM), D랩(Dynamic Random Access Memory) 등의 휘발성 메모리를 포함할 수 있다. 또한, 메모리(150)는 제어 프로그램 및 제어 데이터를 장기간 저장하기 위한 롬(Read Only Memory), 이피롬(Erasable Programmable Read Only Memory: EPROM), 이이피롬(Electrically Erasable Programmable Read Only Memory: EEPROM) 등의 비휘발성 메모리를 포함할 수 있다. 프로세서(130)는 각종 논리 회로와 연산 회로를 포함할 수 있으며, 메모리(150)로부터 제공된 프로그램에 따라 데이터를 처리하고, 처리 결과에 따라 제어 신호를 생성할 수 있다.
도 3은 일 실시예에 따른 테스트 VR 영상의 공간 개념을 도시한 도면이며, 도 4는 일 실시예에 따른 테스트 VR 영상을 미리 설정된 복수개의 단위 영역으로 분할하는 것을 설명하기 위한 도면이다.
도 3을 참조하면, 테스트 VR 영상(200)에 대한 3차원 공간은 수평 방향의 x·y와 수직방향의 z축으로 구성될 수 있다.
테스트 VR 영상(200)을 3차원의 구면 좌표로 표현했을 때에도, 테스트 VR 영상(200)이 미리 설정된 복수개의 단위 영역(201)으로 분할되는 것을 확인할 수 있다. 이때, 시선 위치(202)가 테스트 VR 영상(200)에서 움직이는 동선 및 시선 위치(202)가 어느 단위 영역(201)에 머무르면서 지나가는지도 확인할 수 있다.
한편, 테스트 VR 영상(200)을 분석하여 시선 추적 데이터가 저장되는 과정에서는 도 4의 전개도 상에 저장되므로 도 3의 x·y가 x값으로 저장되고, z축이 y값으로 저장될 수 있다. 한편, 이때 눈높이가 y값의 중심점이 될 수 있으나, 이에 한정되는 것은 아니다.
도 4를 참조하면, 테스트 VR 영상(200)이 미리 설정된 복수개의 단위 영역(201)으로 분할되는 방식을 확인할 수 있다.
이때, 분할된 테스트 VR 영상(200)은 a행 내지 l행 중 어느 한 행에 위치하고, A열 내지 L열 중 어느 한 열에 위치한 단위 영역(201)들로 이루어질 수 있다.
본 발명의 실시예에 따른 분할 방식은 도시된 바와 같이 12Х12 격자를 사용한 방식일 수 있다. 하지만, 이는 하나의 실시예일 뿐이며, 다른 격자를 이용하는 방식으로 테스트 VR 영상(200)을 분할하더라도 문제없다. 예를 들어, 분할 방식은 6Х6 격자를 사용한 방식일 수도 있다.
도 5는 일 실시예에 따른 관심 영역을 결정하는 것을 설명하기 위한 도면이다.
도 5를 참조하면, 프로세서(130)는 복수개의 단위 영역(201) 중 단위 영역(201) 별 주시 시간이 제1 기준시간 이상인 단위 영역(201)을 제1 관심 영역으로 결정하도록 구성될 수 있다.
제1 관심 영역은, 피검사자(300)가 제1 기준시간 이상 주시한 영역일 수 있다. 즉, 제1 관심 영역은 피검사자(300)가 어떠한 이유로 관심을 가지고 특정 시간 이상 주시한 영역이라고 분석될 수 있다.
제1 기준시간은 피검사자(300)가 해당 영역을 주시하고, 해당 영역에 나타난 영상에 대하여 시각적으로 이해하는데 필요한 시간일 수 있다. 즉, 제1 기준시간은 어떠한 대상에 대한 시각적 이해의 기준이 되는 시간일 수 있다.
제1 기준시간은 0.3초일 수 있다. 즉, 이때 재1 관심 영역은 복수개의 단위 영역(201) 중 피검사자(300)가 0.3초 이상 주시한 단위 영역(201)일 수 있다. 도 5에서는 12Х12 격자에서 피검사자(300)가 0.3초 이상 주시한 구역을 확인할 수 있다.
한편, 제1 기준시간이 반드시 시각적 이해의 기준이 되는 시간이거나, 0.3초여야하는 것은 아니다.
프로세서(130)는 테스트 VR 영상(200) 및 제1 관심 영역을 합성하여 분석 결과 영상(400)을 생성하도록 구성될 수 있다.
즉, 프로세서(130)는 도 5에 도시된 바와 같이, 제1 관심 영역이 강조되어 테스트 VR 영상(200)에 표시된 분석 결과 영상(400)을 생성할 수 있다.
검사자는 이러한 분석 결과 영상(400)을 통하여 피검사자(300)가 테스트 VR 영상(200)에서 어느 영역에 관심을 가지고 주시하였는지 확인할 수 있다.
도 6은 일 실시예에 따라 단위 영역 별 주시 시간을 측정하는 것을 설명하기 위한 도면이며, 도 7은 일 실시예에 따라 분석된 주시 범위의 예시를 나타낸 도면이다.
도 6을 참조하면, 본 발명의 실시예에 따른 시지각 분석 시스템(100)은 일정한 주기로 시선 위치(202)를 획득할 수 있다. 즉, 시선 추적 모듈(120)은 시선 위치(202)를 1초당 미리 설정된 횟수만큼 획득할 수 있다.
예를 들어, 시선 추적 모듈(120)은 시선 위치(202)를 1초당 250번 획득할 수 있다. 즉 1/250초마다 한번 시선 위치(202)를 획득할 수 있으나, 시선 위치(202)를 획득하는 주기가 1/250초로 한정되는 것은 아니다.
이후부터는 시선 위치(202)를 1초당 250번 획득하는 예시에 따라 설명한다.
프로세서(130)는 시선 위치(202)가 획득될 때마다, 시선 위치(202)가 위치하는 하나의 단위 영역(201)을 결정할 수 있다. 예를 들어, 프로세서(130)는 시선 위치(202)가 위치하는 하나의 단위 영역(201)을 1초에 250번 결정할 수 있다.
프로세서(130)는 시선 위치(202)가 획득된 횟수를 단위 영역(201) 별로 카운트할 수 있다. 예를 들어, d행의 B열에 위치한 단위 영역(201)에서 시선 위치(202)는 352번 위치 정보가 획득되었을 수 있다.
프로세서(130)는 카운트된 횟수에 기초하여 단위 영역(201) 별 주시 시간을 측정할 수 있다.
구체적으로, 프로세서(130)는 카운트된 횟수에 시선 위치(202)를 획득하는 주기를 곱하여 단위 영역(201) 별 주시 시간을 측정할 수 있다.
예를 들어, d행의 B열에 위치한 단위 영역(201)에서 시선 위치(202)는 352번 위치 정보의 획득이 카운트되었고, 주기는 1/250초이므로, 해당 단위 영역(201)에 대한 주시 시간은 352 Х 1/250초, 즉 1.408초일 수 있다.
결과적으로, 시선 추적 모듈(120)이 일정한 주기로 시선 위치(202)의 정보를 획득하면, 프로세서(130)는 주기적으로 획득된 시선 위치(202)들이 어느 단위 영역(201)에 몇 번 위치했는지 판단하고, 이에 기초하여 각 단위 영역(201) 별 주시 시간을 측정할 수 있다.
도 7을 참조하면, 피검사자(300)가 특정 시간 이상 주시하여 우세하게 주시한 구역을 피검사자(300)를 중심으로 표시할 수 있다.
예를 들어, 피검사자(300)가 1초 이상 특정 구역을 주시하면 해당 구역을 우세하게 주시한 것으로 정의한 경우, 시선 위치(202)가 250번 이상 획득된 단위 영역(201)이 B열, C열, D열, E열, F열, G열, H열, I열이면 도시된 바와 같은 240도의 피검사자(300)가 우세하게 주시한 x축 구역을 나타낼 수 있다.
이때 마찬가지로, 시선 위치(202)가 350번 이상 획득된 단위 영역(201)들의 행들을 결정하고, 도시된 바와 같은 45도의 피검사자(300)가 우세하게 주시한 y축 구역을 나타낼 수도 있다.
도 8은 일 실시예에 따른 관심 영역의 분석 결과의 예시를 도시한 도면이다.
도 8을 참조하면, 도8의 (a)는 피검사자(300)가 0.1초 이상 주시한 관심 영역(203)을 나타낸 것이며, 도8의 (b)는 피검사자(300)가 0.2초 이상 주시한 관심 영역(203)을 나타낸 것이고, 도8의 (c)는 피검사자(300)가 0.3초 이상 주시한 관심 영역(203)을 나타낸 것일 수 있다.
즉, 본 발명에서는 주시 시간이 제1 기준시간 이상인 단위 영역(201)에만 의미를 부여하는 것이 아니라, 단위 영역(201) 별 주시시간이 제1 기준시간 미만, 제2 기준시간 이상인 단위 영역(201)에도 의미를 부여하여 테스트 결과를 분석하는 것이 가능하다.
즉, 프로세서(130)는 복수개의 단위 영역(201) 중 단위 영역(201) 별 주시 시간이 제2 기준시간 이상이고, 제1 기준시간 미만인 단위 영역(201)을 제2 관심 영역으로 결정하도록 구성될 수 있다.
즉, 예를 들어 제1 기준시간이 0.3초이고, 제2 기준시간이 0.2초이면 제2 관심 영역은 복수개의 단위 영역(201) 중 단위 영역(201) 별 주시 시간이 0.2초 이상이고, 0.3초 미만인 단위 영역(201)을 제2 관심 영역으로 결정할 수 있다. 반면, 제1 기준시간이 0.2초이고, 제2 기준시간이 0.1초이면 제2 관심 영역은 복수개의 단위 영역(201) 중 단위 영역(201) 별 주시 시간이 0.1초 이상이고, 0.2초 미만인 단위 영역(201)을 제2 관심 영역으로 결정할 수도 있다.
제2 관심 영역은 피검사자(300)가 테스트 VR 영상(200)에 대하여 주의를 집중해서 본 영역 또는 의식적으로 주시한 영역일 수 있다. 하지만, 이러한 제1 기준시간, 제2 기준시간, 제1 기준 영역 및 제2 기준 영역은 항상 그 시간 또는 의미가 정해져 있는 것이 아니며, 시지각 분석을 통한 테스트의 목적에 따라 다른 시간 또는 의미가 부여될 수도 있다.
한편, 도 8의 (a) 내지 (c)에 나타난 바와 같이 특정 기준 시간 이상 주시된 단위 영역(201)이 무엇인지 판단하면서, 특정 단위 영역(201)에 대하여 몇 번 특정 기준 시간 이상 주시되었는지 판단하는 것도 가능할 수 있다.
예를 들어, 도 8의 (a)에서 d행 B열의 단위 영역(201)은 피검사자(300)가 한번 0.1초 이상 주시하고, 다른 단위 영역(201)을 주시하다가 다시 d행 B열의 단위 영역(201)을 주시하는 방식으로 총 4번 0.1초 이상 주시했을 수 있다.
또한, 더 8의 (c)에서 e행 H열의 단위 영역(201)은 피검사자(300)가 한번 0.3초 이상 주시하고, 다른 단위 영역(201)을 주시하다가 다시 e행 H열의 단위 영역(201)을 주시하는 방식으로 총 2번 0.3초 이상 주시했을 수 있다.
프로세서(130)는 전술한 바와 같이 피검사자(300)가 특정한 단위 영역(201)에 대하여 특정한 기준 시간 이상 주시한 횟수를 판단하는 방식으로 테스트 VR 영상(200)에 대한 관심 영역(203)을 분석할 수 있다.
도 9는 일 실시예에 따른 시선 위치가 측정되는 위치를 보정하는 것을 도시한 도면이다.
전술한 실시예에 따라 시지각 분석을 하려면 시선 추적 모듈(120)이 피검사자(300)의 시선을 정확하게 추적할 수 있어야 한다.
만약, 시선 추적 모듈(120)이 피검사자(300)가 주시하는 영역이 아닌, 다른 영역을 피검사자(300)의 시선 위치(202)가 위치한 영역이라고 판단하면 관심 영역(203)을 분석하는데 오류가 발생할 수 있다.
예를 들어, 실제로 피검사자(300)는 테스트 VR 영상(200)에서 e행 H열을 주시하였으나. 시선 추적 모듈(120)이 피검사자(300)의 시선 위치(202)가 f행 F열의 단위 영역(201)에 위치한다고 판단하면, 항상 피검사자(300)가 테스트 VR 영상(200)에서 주시하는 영역보다 좌측으로 두 열, 아래로 한 행 떨어진 영역을 관심 영역(203)으로 판단하는 오류가 발생할 수 있다.
따라서, 본격적으로 테스트 VR 영상(200)을 피검사자(300)에게 표시하고, 시선 위치(202)를 추적하기 전에, 시선 추적 모듈(120)이 제대로 시선 위치(202)를 추적하는지 여부를 판단하고, 만약 오류가 있다면 이를 보정하는 것이 바람직할 수 있다.
도 9를 참조하면, 프로세서(130)는 기준 단위 영역(204)에 인디케이터(205)를 표시하도록 디스플레이 모듈(110)을 제어할 수 있다.
구체적으로, 검사가 시작되기 전에, 피검사자(300)는 아무것도 표시되지 않은 VR 영상을 디스플레이 모듈(110)을 통해 볼 수 있다.
이후, 디스플레이 모듈(110)은 기준 단위 영역(204)에 인디케이터(205)를 표시할 수 있다.
기준 단위 영역(204)은 복수개의 단위 영역(201) 중 어느 하나의 단위 영역(201)으로서, 임의로 결정되는 방식으로 결정되거나, 미리 설정된 단위 영역(201)일 수 있다.
인디케이터(205)는 피검사자(300)의 눈에 잘 띄는 색상 또는 모양의 표시자일 수 있다.
아무것도 표시되지 않던 디스플레이 모듈(110)의 특정 위치에 인디케이터(205)가 나타나면 피검사자(300)는 무의식적으로 해당 인디케이터(205)를 주시하게 될 수 있다. 즉, 이때 피검사자(300)는 무의식적으로 해당 인디케이터(205)가 위치한 기준 단위 영역(204)을 주시할 수 있다.
이때, 만약 시선 추적 모듈(120)이 정상적으로 피검사자(300)의 시선을 추적한다면, 시선 위치(202)는 기준 단위 영역(204)에서 추적될 것이다. 반면, 시선 위치(202)가 기준 단위 영역(204)에서 추적되지 않았다면, 시선 추적 모듈(120)이 시선 위치(202)를 정상적으로 추적하지 못하는 것일 수 있다.
예를 들어, 기준 단위 영역(204)이 d행 H열의 단위 영역(201)이고, 인디케이터(205)가 d행 H열의 단위 영역(201)에 표시되었음에도, 시선 위치(202)가 e열 F행의 단위 영역(201)에서 추적된 경우 시선 추적 모듈(120)이 시선 위치(202)를 정상적으로 추적하지 못한 것일 수 있다.
프로세서(130)는 인디케이터(205)가 표시될 때 시선 위치(202)가 위치하는 단위 영역(201)이 기준 단위 영역(204)이 아니면, 시선 위치(202)가 측정되는 위치를 보정하도록 시선 추적 모듈(120)을 제어할 수 있다.
예를 들어, 인디케이터(205)가 d행 H열의 단위 영역(201)에 표시되었음에도 시선 위치(202)가 e열 F행의 단위 영역(201)에서 추적된 경우, 프로세서(130)는 추적되는 시선 위치(202)가 두 열 우측으로, 한 행 위로 변경될 수 있도록 시선 위치(202)가 측정되는 위치를 보정할 수 있다.
이상에서 설명된 구성요소들의 성능에 대응하여 적어도 하나의 구성요소가 추가되거나 삭제될 수 있다. 또한, 구성요소들의 상호 위치는 시스템의 성능 또는 구조에 대응하여 변경될 수 있다는 것은 당해 기술 분야에서 통상의 지식을 가진 자에게 용이하게 이해될 것이다.
도 10은 일 실시예에 따른 시지각 분석 방법의 순서도이다. 이는 본 발명의 목적을 달성하기 위한 바람직한 실시예일 뿐이며, 필요에 따라 일부 구성이 추가되거나 삭제될 수 있음은 물론이다.
도 10을 참조하면, 디스플레이 모듈(110)은 테스트 VR 영상(200)을 표시할 수 있다(1001). 이때, 테스트 VR 영상(200)은 피검사자(300)에게 360도 시청이 가능한 영상일 수 있다.
시선 위치(202) 추적 모듈은 테스트 VR 영상(200)에서의 피검사자(300)의 시선 위치(202)를 추적할 수 있다(1002). 즉, 시선 추적 모듈(120)은 테스트 VR 영상(200) 상에서 피검사자(300)가 주시하고 있는 특정 위치를 추적할 수 있다.
프로세서(130)는 테스트 VR 영상(200)을 미리 설정된 복수개의 단위 영역(201)으로 분할할 수 있다(1003). 이때, 본 발명의 실시예에 따른 분할 방식은 12Х12 격자를 사용한 방식일 수 있으나, 이는 하나의 실시예일 뿐이며, 다른 격자를 이용하는 방식으로 테스트 VR 영상(200)을 분할하더라도 문제없다.
프로세서(130)는 시선 위치(202)를 1초당 미리 설정된 횟수만큼 획득할 수 있다(1004). 즉, 시선 추적 모듈(120)은 시선 위치(202)를 1초당 미리 설정된 횟수만큼 획득할 수 있다.
프로세서(130)는 시선 위치(202)가 획득될 때마다 시선 위치(202)가 위치하는 하나의 단위 영역(201)을 결정할 수 있다(1005). 즉, 프로세서(130)는 시선 위치(202)가 위치하는 하나의 단위 영역(201)을 1초에 미리 설정된 횟수만큼 결정할 수 있다.
프로세서(130)는 시선 위치(202)가 획득된 횟수를 단위 영역(201) 별로 카운트할 수 있다(1006).
프로세서(130)는 카운트된 횟수에 기초하여 단위 영역(201)별 주시 시간을 측정할 수 있다(1007). 이때, 프로세서(130)는 카운트된 횟수에 시선 위치(202)를 획득하는 주기를 곱하여 단위 영역(201) 별 주시 시간을 측정할 수 있다.
프로세서(130)는 단위 영역(201)별 주시 시간에 기초하여 테스트 VR 영상(200)에 대한 관심 영역(203)을 분석할 수 있다(1008). 예를 들어, 프로세서(130)는 복수개의 단위 영역(201) 중 단위 영역(201) 별 주시 시간이 제1 기준시간 이상인 단위 영역(201)을 제1 관심 영역으로 결정하고, 복수개의 단위 영역(201) 중 단위 영역(201) 별 주시 시간이 제2 기준시간 이상이고, 제1 기준시간 미만인 단위 영역(201)을 제2 관심 영역으로 결정하도록 구성될 수 있다. 검사자는 테스트 목적에 따라 미리 제1 기준시간 및 제2 기준시간을 임의로 설정할 수 있다. 테스트 VR 영상(200)에 대한 제1 관심 영역 및 제2 관심 영역의 위치 및 분포에 따라 테스트 목적에 맞는 시지각 분석이 가능할 수 있다.
도 11은 또 다른 실시예에 따른 시지각 분석 방법의 순서도이다.
여러 명의 피검사자(300)에 대하여 검사를 진행할 경우, 각 피검사자(300)의 시선 위치(202)를 추적할 때마다 개인차가 발생할 수 있다. 즉, 피검사자(300)들이 테스트 VR 영상(200) 상에서 동일한 위치를 주시하더라도, 개인차에 의해서 시선 추적 모듈(120)은 피검사자(300) 별로 다른 지점을 시선 위치(202)로 추적하는 문제가 생길 수 있다. 따라서, 피검사자(300) 별로 테스트할 때마다, 시선 추적 모듈(120)이 추적하는 시선 위치(202)를 적절하게 보정하는 것이 바람직할 수 있다.
도 11을 참조하면, 디스플레이 모듈(110)은 기준 단위 영역(204)에 인디케이터(205)를 표시할 수 있다(2001). 이때, 프로세서(130)는 기준 단위 영역(204)에 인디케이터(205)가 표시되도록 디스플레이 모듈(110)을 제어할 수 있다.
프로세서(130)는 인디케이터(205)가 표시될 때 시선 위치(202)가 위치하는 단위 영역(201)이 기준 단위 영역(204)인지 여부를 판단할 수 있다(2002).
만약 인디케이터(205)가 표시될 때 시선 위치(202)가 위치하는 단위 영역(201)이 기준 단위 영역(204)이 아니면(2002의 '아니오'), 프로세서(130)는 시선 위치(202)가 측정되는 위치를 보정하도록 시선 추적 모듈(120)을 제어할 수 있다(2003).
이후, 시선 추적 모듈(120)이 피검사자(300)의 시선을 정확하게 추적하는 상태가 되면, 프로세서(130)는 피검사자(300) 별로 테스트 VR 영상(200)에 대한 관심 영역(203)을 분석할 수 있다(2004).
만약 인디케이터(205)가 표시될 때 시선 위치(202)가 위치하는 단위 영역(201)이 기준 단위 영역(204)이면(2002의 '예'), 프로세서(130)는 시선 위치(202)가 측정되는 위치를 보정하지 않고 각 피검사자(300) 별로 테스트 VR 영상(200)에 대한 관심 영역(203)을 분석할 수 있다.
전술한 시선 위치(202)가 측정되는 위치의 보정 과정은 각 피검사자(300)가 테스트를 진행할 때마다 진행될 수 있다. 결과적으로 각 피검사자(300)의 개인차에도 불구하고, 시선 추적 모듈(120)은 정확한 시선 위치(202)를 측정할 수 있다.
인공지능 학습부(140)는 피검사자(300)의 속성 정보를 입력 변수로 하고, 테스트 VR 영상(200)에 대한 관심 영역(203)을 출력 변수로 설정하여 인공지능 모델을 학습할 수 있다(2005).
프로세서(130)는 관심 장소에 방문하는 방문자들에 대한 데이터로부터 방문자의 속성 정보를 추출할 수 있다(2006). 예를 들어, 프로세서(130)는 미리 수집되거나 측정된 데이터로부터 방문자들의 성별 정보, 나이 정보, 관심 분야 정보, 직업 정보 등 다양한 속성 정보를 추출할 수 있다.
프로세서(130)는 방문자의 속성 정보를 기초로 인공지능 모델을 통하여 관심 장소를 표시하는 테스트 VR 영상(200)에 대한 관심 영역(203)을 결정할 수 있다(2007). 이때, 프로세서(130)는 관심 장소를 표시하는 테스트 VR 영상(200) 및 인공지능 모델을 통하여 결정된 관심 영역(203)을 합성하여 분석 결과 영상(400)을 생성할 수 있다.
본 발명의 실시예에 따른 시지각 분석 시스템(100)의 성능을 검증하기 위하여 별마당 도서관의 내부 공간을 대상으로 HMD(Head Mounted Display) 기반 시선추적 장비를 착용한 피험자가 VR공간을 주시하는 과정에 대한 주시특성을 분석하였다. 또한, 다음과 같은 순서로 사진 촬영 및 실험이 진행되었다.
우선, 개방감을 주는 대형공간으로서 별마당 도서관을 선정하여 360°카메라로 사진촬영을 하였다. 촬영된 사진 중에서 주시실험과정에서 불필요하게 피험자의 시선을 유도할 수 있는 요소가 가장 적은 이미지를 실험 대상으로 선정하였다.
이후, 남자 피험자 1명씩 별도로 마련된 실험실에서 VR기기를 착용하여 시선추적 실험을 실시하였다.
마지막으로, 주시데이터는 250㎐로 저장되는데, 자체 개발한 프로그램을 통해 Raw Data의 코딩을 실시한 후에 주시특성별 분석 자료로 활용하였다.
VR실험은 남자 대학생 24명을 대상으로 2018년 6월 7일~8일로 2일간 실시하였다. 시선추적 실험에서 목적성 문구는 중요한 역할을 차지하는데, 목적성 문구로는 "당신은 새로 만들어진 별마당 도서관을 견학하는 목적으로 코엑스 몰을 방문했습니다. 별마당 도서관 중앙에서 촬영된 3차원 이미지를 VR기기를 통해 보실 수 있습니다. 이 공간은 도서관 이외에 전시공간으로도 활용되고 있는데, 얼마나 실제 공간에 있는 것처럼 보이는지를 보시고 공간을 VR로 보는 것이 어떤지 나중에 평가해 주시기 바랍니다."를 제시하였다.
시선추적 실험은 실험실과 대기실을 두고 실시하는데 대기실에서 실험종료까지의 과정은 다음과 같다.
1. 대기실에서 보조원으로부터 실험 전반에 대한 안내와 목적 등에 대한 설명을 듣는다.
2. 보조원의 안내에 따라 실험실에 입장 및착석한 후에 조정자의 도움을 받아 HMD 헤드셋을 착용하고 장비와 피험자간의 교정(calibration)을 실시한다.
3. 목적성 문구에 대한 안내 화면을 본 후에, 본 실험은 130초 동안 실시되었다. 주시데이터는 250㎐로 생성되며, 1초에 250개의 주시데이터가 저장되었다.
VR실험을 통해 획득한 Raw Data는 130초Х250=32,500개이지만, 분석 범위를 120초로 설정한 관계로 피험자별 30,000개의 데이터가 분석대상이다. 주시특성을 분석하기 위해서는 어떤 시간범위를 기준으로 삼는가 하는 것이 중요한데, 본 연구에서는 5초 범위로 시간구간을 설정하여 각 시간구간에 누적된 Fixation 횟수(횟수Х1/250=주시시간)를 산출하였다. 즉 각 피험자를 대상으로 24개 시간구간별 Fixation 횟수를 구하고, 시간으로 환산하는 과정을 통해 주시특성을 분석하였다.
본 연구에서는 도 4에 도시된 바와 같이 12Х12격자를 사용하였으며 각 격자 구역별 주시시간이 분석대상이다. 구역별 시간을 구하기 위해, 2차 코딩을 통해 Fixation 데이터만 남겼다. 또한 피험자의 24개 시간구간별 우세주시를 어떻게 다룰 것인가에 대한 사례 분석을 통해 분석 기준을 설정하였다.
전체 주시시간을 대상으로 도 6의 구역별 분포를 보면, 0.5초 이상 주시가 집중된 구역도 25개 구역이며 1초 이상 주시가 집중된 구역도 7개 구역이다. 1초 이상 주시가 집중된 곳 7개 구역을 보면, 수평영역으로 d 내지 f영역에 집중된 것을 알 수 있다. 눈높이가 y축의 fg구역의 경계라는 점을 고려한다면 h이하 구역은 눈보다 아래에 속하는 하부공간으로 고개를 숙인상태에서 VR을 주시하는 경우의 주시빈도가 된다.
도 6에서 1초 이상 주시한 구역을 공간 주시와 연계시켜 살펴보면 도 7의 상단의 평면 모식도로 설명이 가능하다. 중심에 서 있는 피험자는 정면방향에 해당하는 FG의 중간 위치를 주시하면서 VR실험을 시작한다. x축 구역의 우세 주시 구역은 좌측 뒤에 있는 B구역과 우측 옆에 있는 I구역 사이 영역을 중심으로 주시한 것을 알 수 있다. 이것을 3차원 공간개념도로 도식화시킨 것이 도 7의 하단 도면이다. 1개 구역의 수평 주시각도가 30°, 수직 주시각도는 15° 이므로 8개 구역의 240° 범위를 중점으로 주시한 구역으로 볼 수 있다. 상하 주시범위로는 d 내지 f의 3개 구역의 45° 범위이다. 즉 분석 사례가 된 1번 피험자는 전체 120초의 주시시간동안 좌우로 240°, 상하로 45°의 범위에 있는 공간정보를 우세하게 주시한 것을 알 수 있다.
한편, 위에서는 각 구역별 1초 이상 우세하게 주시한 구역을 정리하였지만, 구역별 시간을 0.3초 이상의 '시각적 이해'로 한정해서 정리한 것이 도 5의 상단의 도면이다. 도 6의 1초 이상에서 도 5의 0.3초 이상으로 정리할 경우, g열에 대한 우세주시가 높아진 것이 특징이다. 즉, 분석 기준 시간을 어떻게 설정하는가에 따라 우세 주시 구역의 분포가 달라질 수 있다.
이상에서와 같이 첨부된 도면을 참조하여 개시된 실시예들을 설명하였다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고도, 개시된 실시예들과 다른 형태로 본 발명이 실시될 수 있음을 이해할 것이다. 개시된 실시예들은 예시적인 것이며, 한정적으로 해석되어서는 안 된다.
100: 시지각 분석 시스템
110: 디스플레이 모듈
120: 시선 추적 모듈
130: 프로세서
140: 인공지능 학습부
150: 메모리
200: 테스트 VR 영상
201: 단위 영역
202: 시선 위치
203: 관심 영역
204: 기준 단위 영역
205: 인디케이터
300: 피검사자
400: 분석 결과 영상

Claims (19)

  1. 피검사자가 착용 가능하며, 상기 피검사자에게 360도 시청이 가능한 테스트 VR 영상을 표시하는 디스플레이 모듈;
    상기 테스트 VR 영상에서의 상기 피검사자의 시선 위치를 추적하는 시선 추적 모듈; 및
    상기 테스트 VR 영상을 미리 설정된 복수개의 단위 영역으로 분할하고, 상기 시선 위치가 위치하는 하나의 단위 영역을 결정하고, 상기 단위 영역 별로 상기 시선 위치가 머무른 시간인 주시 시간을 측정하고, 단위 영역 별 주시 시간에 기초하여 상기 테스트 VR 영상에 대한 관심 영역을 분석하는 프로세서;를 포함하고,
    상기 프로세서는:
    상기 주시 시간을 측정하여 관심 영역을 분석하기 전에, 상기 복수개의 단위 영역 중 임의로 결정되는 방식으로 결정된 어느 하나의 단위 영역인 기준 단위 영역에 인디케이터를 표시하도록 상기 디스플레이 모듈을 제어하고; 그리고
    상기 주시 시간을 측정하여 관심 영역을 분석하기 전에, 상기 인디케이터가 표시될 때 상기 시선 위치가 위치하는 단위 영역이 상기 기준 단위 영역이 아니면, 상기 시선 위치가 측정되는 위치를 보정하도록 상기 시선 추적 모듈을 제어하는 시지각 분석 시스템.
  2. 제1항에 있어서,
    상기 시선 추적 모듈은,
    상기 시선 위치를 1초당 미리 설정된 횟수만큼 획득하고,
    상기 프로세서는,
    상기 시선 위치가 획득될 때마다, 상기 시선 위치가 위치하는 하나의 단위 영역을 결정하고,
    상기 시선 위치가 획득된 횟수를 상기 단위 영역 별로 카운트하고,
    상기 카운트된 횟수에 기초하여 상기 단위 영역 별 주시 시간을 측정하도록 구성되는, 시지각 분석 시스템.
  3. 제1항에 있어서,
    상기 프로세서는,
    상기 복수개의 단위 영역 중 상기 단위 영역 별 주시 시간이 제1 기준시간 이상인 단위 영역을 제1 관심 영역으로 결정하도록 구성되는, 시지각 분석 시스템.
  4. 제3항에 있어서,
    상기 프로세서는,
    상기 테스트 VR 영상 및 상기 제1 관심 영역을 합성하여 분석 결과 영상을 생성하도록 구성되는, 시지각 분석 시스템.
  5. 제3항에 있어서,
    상기 프로세서는,
    상기 복수개의 단위 영역 중 상기 단위 영역 별 주시 시간이 제2 기준시간 이상이고, 제1 기준시간 미만인 단위 영역을 제2 관심 영역으로 결정하도록 구성되는, 시지각 분석 시스템.
  6. 제1항에 있어서,
    상기 프로세서는,
    피검사자가 여러 명 존재하는 경우, 각 피검사자 별로 상기 테스트 VR 영상에 대한 관심 영역을 분석하도록 구성되는, 시지각 분석 시스템.
  7. 제6항에 있어서,
    상기 피검사자의 속성 정보를 입력 변수로 하고, 상기 테스트 VR 영상에 대한 관심 영역을 출력 변수로 설정하여 인공지능 모델을 학습하도록 구성되는 인공지능 학습부;를 더 포함하고,
    상기 프로세서는,
    관심 장소에 방문하는 방문자들에 대한 데이터로부터 상기 방문자의 속성 정보를 추출하고,
    상기 방문자의 속성 정보를 기초로 상기 인공지능 모델을 통하여 상기 관심 장소를 표시하는 상기 테스트 VR 영상에 대한 관심 영역을 결정하도록 구성되는, 시지각 분석 시스템.
  8. 삭제
  9. 제1항에 있어서,
    피검사자의 속성 정보를 입력 변수로 하고, 상기 테스트 VR 영상에 대한 관심 영역을 출력 변수로 설정하여 인공지능 모델을 학습하도록 구성되는 인공지능 학습부;를 더 포함하고,
    상기 시선 추적 모듈은,
    상기 시선 위치를 1초당 미리 설정된 횟수만큼 획득하고,
    상기 프로세서는,
    상기 시선 위치가 획득될 때마다, 상기 시선 위치가 위치하는 하나의 단위 영역을 결정하고,
    상기 시선 위치가 획득된 횟수를 상기 단위 영역 별로 카운트하고,
    상기 카운트된 횟수에 기초하여 상기 단위 영역 별 주시 시간을 측정하고,
    상기 피검사자가 여러 명 존재하는 경우, 각 피검사자 별로 상기 테스트 VR 영상에 대한 관심 영역을 분석하고,
    관심 장소에 방문하는 방문자들에 대한 데이터로부터 상기 방문자의 속성 정보를 추출하고,
    상기 방문자의 속성 정보를 기초로 상기 인공지능 모델을 통하여 상기 관심 장소를 표시하는 상기 테스트 VR 영상에 대한 관심 영역을 결정하도록 구성되는, 시지각 분석 시스템.
  10. 디스플레이 모듈에 의해, 피검사자가 착용 가능한 디스플레이 모듈에 의해, 상기 피검사자에게 360도 시청이 가능한 테스트 VR 영상을 표시하는 단계;
    시선 추적 모듈에 의해, 상기 테스트 VR 영상에서의 상기 피검사자의 시선 위치를 추적하는 단계;
    프로세서에 의해, 상기 테스트 VR 영상을 미리 설정된 복수개의 단위 영역으로 분할하는 단계;
    프로세서에 의해, 상기 시선 위치가 위치하는 하나의 단위 영역을 결정하는 단계;
    프로세서에 의해, 상기 단위 영역 별로 상기 시선 위치가 머무른 시간인 주시 시간을 측정하는 단계;
    프로세서에 의해, 단위 영역 별 주시 시간에 기초하여 상기 테스트 VR 영상에 대한 관심 영역을 분석하는 단계;
    상기 주시 시간을 측정하여 관심 영역을 분석하기 전에, 프로세서에 의해, 상기 복수개의 단위 영역 중 임의로 결정되는 방식으로 결정된 어느 하나의 단위 영역인 기준 단위 영역에 인디케이터를 표시하도록 상기 디스플레이 모듈을 제어하는 단계; 및
    상기 주시 시간을 측정하여 관심 영역을 분석하기 전에, 프로세서에 의해, 상기 인디케이터가 표시될 때 상기 시선 위치가 위치하는 단위 영역이 상기 기준 단위 영역이 아니면, 상기 시선 위치가 측정되는 위치를 보정하도록 상기 시선 추적 모듈을 제어하는 단계를 포함하는, 시지각 분석 방법.
  11. 제10항에 있어서,
    상기 주시 시간을 측정하는 단계는,
    상기 시선 추적 모듈에 의해, 상기 시선 위치를 1초당 미리 설정된 횟수만큼 획득하는 단계;
    프로세서에 의해, 상기 시선 위치가 획득될 때마다, 상기 시선 위치가 위치하는 하나의 단위 영역을 결정하는 단계;
    프로세서에 의해, 상기 시선 위치가 획득된 횟수를 상기 단위 영역 별로 카운트하는 단계; 및
    프로세서에 의해, 상기 카운트된 횟수에 기초하여 상기 단위 영역 별 주시 시간을 측정하는 단계;를 포함하는 시지각 분석 방법.
  12. 제10항에 있어서,
    프로세서에 의해, 상기 복수개의 단위 영역 중 상기 단위 영역 별 주시 시간이 제1 기준시간 이상인 단위 영역을 제1 관심 영역으로 결정하는 단계;를 더 포함하는, 시지각 분석 방법.
  13. 제12항에 있어서,
    프로세서에 의해, 상기 테스트 VR 영상 및 상기 제1 관심 영역을 합성하여 분석 결과 영상을 생성하는 단계;를 더 포함하는 시지각 분석 방법.
  14. 제12항에 있어서,
    프로세서에 의해, 상기 복수개의 단위 영역 중 상기 단위 영역 별 주시 시간이 제2 기준시간 이상이고, 제1 기준시간 미만인 단위 영역을 제2 관심 영역으로 결정하는 단계;를 더 포함하는 시지각 분석 방법.
  15. 제10항에 있어서,
    프로세서에 의해, 상기 피검사자가 여러 명 존재하는 경우, 각 피검사자 별로 상기 테스트 VR 영상에 대한 관심 영역을 분석하는 단계;를 더 포함하는, 시지각 분석 방법.
  16. 제15항에 있어서,
    인공지능 학습부에 의해, 상기 피검사자의 속성 정보를 입력 변수로 하고, 상기 테스트 VR 영상에 대한 관심 영역을 출력 변수로 설정하여 인공지능 모델을 학습하는 단계;
    프로세서에 의해, 관심 장소에 방문하는 방문자들에 대한 데이터로부터 상기 방문자의 속성 정보를 추출하는 단계; 및
    프로세서에 의해, 상기 방문자의 속성 정보를 기초로 상기 인공지능 모델을 통하여 상기 관심 장소를 표시하는 상기 테스트 VR 영상에 대한 관심 영역을 결정하는 단계;를 더 포함하는, 시지각 분석 방법.
  17. 삭제
  18. 제10항에 있어서,
    상기 주시 시간을 측정하는 단계는,
    상기 시선 추적 모듈에 의해, 상기 시선 위치를 1초당 미리 설정된 횟수만큼 획득하는 단계;
    프로세서에 의해, 상기 시선 위치가 획득될 때마다, 상기 시선 위치가 위치하는 하나의 단위 영역을 결정하는 단계;
    프로세서에 의해, 상기 시선 위치가 획득된 횟수를 상기 단위 영역 별로 카운트하는 단계; 및
    프로세서에 의해, 상기 카운트된 횟수에 기초하여 상기 단위 영역 별 주시 시간을 측정하는 단계;를 포함하고,
    프로세서에 의해, 상기 피검사자가 여러 명 존재하는 경우, 각 피검사자 별로 상기 테스트 VR 영상에 대한 관심 영역을 분석하는 단계;
    인공지능 학습부에 의해, 상기 피검사자의 속성 정보를 입력 변수로 하고, 상기 테스트 VR 영상에 대한 관심 영역을 출력 변수로 설정하여 인공지능 모델을 학습하는 단계;
    프로세서에 의해, 관심 장소에 방문하는 방문자들에 대한 데이터로부터 상기 방문자의 속성 정보를 추출하는 단계; 및
    프로세서에 의해, 상기 방문자의 속성 정보를 기초로 상기 인공지능 모델을 통하여 상기 관심 장소를 표시하는 상기 테스트 VR 영상에 대한 관심 영역을 결정하는 단계;를 더 포함하는, 시지각 분석 방법.
  19. 제10항 내지 제16항 중 어느 한 항의 시지각 분석 방법을 실행시키도록 컴퓨터로 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
KR1020210055573A 2021-04-29 2021-04-29 Vr 공간에 대한 시지각 분석 시스템, 시지각 분석 방법 및 시지각 분석 방법을 실행시키도록 기록매체에 저장된 컴퓨터 프로그램 KR102625583B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210055573A KR102625583B1 (ko) 2021-04-29 2021-04-29 Vr 공간에 대한 시지각 분석 시스템, 시지각 분석 방법 및 시지각 분석 방법을 실행시키도록 기록매체에 저장된 컴퓨터 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210055573A KR102625583B1 (ko) 2021-04-29 2021-04-29 Vr 공간에 대한 시지각 분석 시스템, 시지각 분석 방법 및 시지각 분석 방법을 실행시키도록 기록매체에 저장된 컴퓨터 프로그램

Publications (2)

Publication Number Publication Date
KR20220148484A KR20220148484A (ko) 2022-11-07
KR102625583B1 true KR102625583B1 (ko) 2024-01-16

Family

ID=84043330

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210055573A KR102625583B1 (ko) 2021-04-29 2021-04-29 Vr 공간에 대한 시지각 분석 시스템, 시지각 분석 방법 및 시지각 분석 방법을 실행시키도록 기록매체에 저장된 컴퓨터 프로그램

Country Status (1)

Country Link
KR (1) KR102625583B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116562920A (zh) * 2023-05-09 2023-08-08 网智天元科技集团股份有限公司 提升推荐系统单位面积展现收益的优化方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017176414A (ja) * 2016-03-30 2017-10-05 ソニー株式会社 制御装置および方法並びに手術システム
KR101929124B1 (ko) 2017-08-08 2018-12-13 숭실대학교산학협력단 소비자의 관심영역을 이용한 주의집중 분석 장치 및 분석 방법
KR102122506B1 (ko) * 2018-09-04 2020-06-12 국방과학연구소 헬멧 및 통합처리기를 포함하는 시스템 및 그 동작 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017176414A (ja) * 2016-03-30 2017-10-05 ソニー株式会社 制御装置および方法並びに手術システム
KR101929124B1 (ko) 2017-08-08 2018-12-13 숭실대학교산학협력단 소비자의 관심영역을 이용한 주의집중 분석 장치 및 분석 방법
KR102122506B1 (ko) * 2018-09-04 2020-06-12 국방과학연구소 헬멧 및 통합처리기를 포함하는 시스템 및 그 동작 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
최계영 저, ‘백화점 매장공간의 성별 탐색 특성과 주시경향에 관한 연구 -백화점 매장 공간을 대상으로-,’ 한국실내디자인학회논문집 제25권 6호 통권119호(2016.12.) 1부.*

Also Published As

Publication number Publication date
KR20220148484A (ko) 2022-11-07

Similar Documents

Publication Publication Date Title
US8551015B2 (en) System and method for evaluating and diagnosing patients based on ocular responses
Peacock et al. The role of meaning in attentional guidance during free viewing of real-world scenes
KR102155309B1 (ko) 인지 장애 예측 방법 및 이를 구현한 서버, 사용자 단말 및 어플리케이션
Phillips et al. Correlations between physiological response, gait, personality, and presence in immersive virtual environments
Lai et al. Measuring saccade latency using smartphone cameras
CN106725531B (zh) 基于视线的儿童专注力测试分析系统和方法
Rudoy et al. Crowdsourcing gaze data collection
Hohlfeld et al. On the applicability of computer vision based gaze tracking in mobile scenarios
WO2019210087A1 (en) Methods, systems, and computer readable media for testing visual function using virtual mobility tests
CN104185020A (zh) 一种检测立体视觉疲劳度的系统及方法
Chukoskie et al. Quantifying gaze behavior during real-world interactions using automated object, face, and fixation detection
US9220462B2 (en) Imaging sensor and method for biometric mapping of facial skin
KR102328089B1 (ko) 가상현실 내 시선추적을 기반으로 하는 의식장애평가장치 및 방법
KR102625583B1 (ko) Vr 공간에 대한 시지각 분석 시스템, 시지각 분석 방법 및 시지각 분석 방법을 실행시키도록 기록매체에 저장된 컴퓨터 프로그램
CN108712879A (zh) 疲劳状态判定装置及疲劳状态判定方法
CN111134693B (zh) 基于虚拟现实技术的自闭症儿童辅助检测方法、系统及终端
Lee et al. A study on virtual reality sickness and visual attention
CN108495584B (zh) 用于通过触觉界面确定眼球运动的装置和方法
Baumann et al. Neon Accuracy Test Report
Platonov et al. Not all observed actions are perceived equally
Martín et al. Design and development of a low-cost mask-type eye tracker to collect quality fixation measurements in the sport domain
JP2021079041A (ja) 共感度評価システム、共感度評価方法及びプログラム
KR20210028200A (ko) 아동의 신경발달 장애 위험을 평가하는 방법
Arslan et al. The Identification of Individualized Eye Tracking Metrics in VR Using Data Driven Iterative-Adaptive Algorithm
WO2019018577A1 (en) SYSTEMS AND METHODS FOR ANALYZING A BEHAVIOR OF A HUMAN SUBJECT

Legal Events

Date Code Title Description
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant