KR200473405Y1 - 표정 인식 기술이 적용된 인텔리전트 완구 시스템 - Google Patents
표정 인식 기술이 적용된 인텔리전트 완구 시스템 Download PDFInfo
- Publication number
- KR200473405Y1 KR200473405Y1 KR2020130009098U KR20130009098U KR200473405Y1 KR 200473405 Y1 KR200473405 Y1 KR 200473405Y1 KR 2020130009098 U KR2020130009098 U KR 2020130009098U KR 20130009098 U KR20130009098 U KR 20130009098U KR 200473405 Y1 KR200473405 Y1 KR 200473405Y1
- Authority
- KR
- South Korea
- Prior art keywords
- face
- facial expression
- image
- recognition
- recognizing
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63H—TOYS, e.g. TOPS, DOLLS, HOOPS OR BUILDING BLOCKS
- A63H2200/00—Computerized interactive toys, e.g. dolls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Image Analysis (AREA)
Abstract
표정 인식 기술이 적용된 인텔리전트 완구 시스템이 개시된다.
개시되는 표정 인식 기술이 적용된 인텔리전트 완구 시스템은 사용자의 영상을 촬영하여 입력하는 영상 촬영부; 상기 영상 촬영부에서 입력되는 영상에서 얼굴과 눈을 검출하여 얼굴을 인증하는 얼굴 인식부; 및 상기 영상 촬영부에서 입력되는 영상에서 상기 얼굴과 상기 눈을 검출하고, 검출된 상기 눈을 기준으로 상기 얼굴의 크기와 회전에 대한 정규화 과정을 수행하여 얼굴 영상을 정규화하며, 정규화된 상기 얼굴 영상에 대해 히스토그램 평활화 과정을 통해 조명 분포를 고르게 하는 조명 정규화 과정을 거치고, 상기 조명 정규화 과정이 완료된 상기 얼굴 영상에 대해 M×N의 영역으로 세부 분할 후 각 영역에 대해 균일국부이진패턴 형식에 대한 히스토그램 특징으로 히스토그램 특징값을 추출하며, 상기 히스토그램 특징값에 대하여 인공 신경망 분석 과정을 통해 상기 얼굴에 대한 표정을 인식하는 표정 인식부;를 포함한다.
개시되는 표정 인식 기술이 적용된 인텔리전트 완구 시스템에 의하면, 얼굴 영상 전체 영역에 대해 특징을 추출하고 표정 인식을 하는 것이 아니라, 표정 변화에 민감한 특정 영역들에 대해서만 인식 처리를 수행함으로써, 표정 인식을 위하여 처리되어야 하는 데이터량이 현저하게 감소될 수 있고, 그에 따라 보다 신속한 표정 인식이 가능해질 수 있고, 나아가 실시간의 표정 인식이 가능해질 수 있으며, 사용자에 대하여 스스로 반응하는 지능을 갖추어 사용자의 흥미를 지속적이고 능동적으로 유발할 수 있는 장점이 있다.
개시되는 표정 인식 기술이 적용된 인텔리전트 완구 시스템은 사용자의 영상을 촬영하여 입력하는 영상 촬영부; 상기 영상 촬영부에서 입력되는 영상에서 얼굴과 눈을 검출하여 얼굴을 인증하는 얼굴 인식부; 및 상기 영상 촬영부에서 입력되는 영상에서 상기 얼굴과 상기 눈을 검출하고, 검출된 상기 눈을 기준으로 상기 얼굴의 크기와 회전에 대한 정규화 과정을 수행하여 얼굴 영상을 정규화하며, 정규화된 상기 얼굴 영상에 대해 히스토그램 평활화 과정을 통해 조명 분포를 고르게 하는 조명 정규화 과정을 거치고, 상기 조명 정규화 과정이 완료된 상기 얼굴 영상에 대해 M×N의 영역으로 세부 분할 후 각 영역에 대해 균일국부이진패턴 형식에 대한 히스토그램 특징으로 히스토그램 특징값을 추출하며, 상기 히스토그램 특징값에 대하여 인공 신경망 분석 과정을 통해 상기 얼굴에 대한 표정을 인식하는 표정 인식부;를 포함한다.
개시되는 표정 인식 기술이 적용된 인텔리전트 완구 시스템에 의하면, 얼굴 영상 전체 영역에 대해 특징을 추출하고 표정 인식을 하는 것이 아니라, 표정 변화에 민감한 특정 영역들에 대해서만 인식 처리를 수행함으로써, 표정 인식을 위하여 처리되어야 하는 데이터량이 현저하게 감소될 수 있고, 그에 따라 보다 신속한 표정 인식이 가능해질 수 있고, 나아가 실시간의 표정 인식이 가능해질 수 있으며, 사용자에 대하여 스스로 반응하는 지능을 갖추어 사용자의 흥미를 지속적이고 능동적으로 유발할 수 있는 장점이 있다.
Description
본 고안은 표정 인식 기술이 적용된 인텔리전트 완구 시스템에 관한 것이다.
완구는 아이들이 가지고 노는 장난감으로, 종래의 완구는 만화 캐릭터 등 특정 캐릭터를 흉내내는 수준으로, 단지 소유를 하거나 단순히 가지고 노는 놀이 수준에 한정되고, 완구가 사용자에 대하여 스스로 반응하는 지능을 갖추지 못하여 쉽게 실증이 나는 단점이 있다.
이러한 단점을 개선하기 위하여, 완구에 사용자의 얼굴 또는 음성을 인식하여 그에 반응하도록 하는 기술이 개발되고 있으나, 그러한 반응을 위한 데이터 처리 속도 향상에 한계가 있어서, 완구가 제대로 사용자에게 반응하지 못하는 문제가 있었다. 이러한 문제를 해결하기 위한 노력의 일환으로, Yubo WANG, Haizhou AI, Bo WU, Chang HUANG가 공동 기술한 "Real Time Facial Expression Recognition with Adaboost" 등의 논고에서와 같은 방법이 제시되고 있으나, 여전히 데이터 처리 속도 향상에 한계가 있다.
1. Yubo WANG, Haizhou AI, Bo WU, Chang HUANG가 공동 기술한 "Real Time Facial Expression Recognition with Adaboost"
본 고안은 사용자에 대하여 능동적이면서도 신속하게 반응할 수 있는 지능을 갖춘 표정 인식 기술이 적용된 인텔리전트 완구 시스템을 제공하는 것을 일 목적으로 한다.
본 고안의 일 측면에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템은 사용자의 영상을 촬영하여 입력하는 영상 촬영부; 상기 영상 촬영부에서 입력되는 영상에서 얼굴과 눈을 검출하여 얼굴을 인증하는 얼굴 인식부; 및 상기 영상 촬영부에서 입력되는 영상에서 상기 얼굴과 상기 눈을 검출하고, 검출된 상기 눈을 기준으로 상기 얼굴의 크기와 회전에 대한 정규화 과정을 수행하여 얼굴 영상을 정규화하며, 정규화된 상기 얼굴 영상에 대해 히스토그램 평활화 과정을 통해 조명 분포를 고르게 하는 조명 정규화 과정을 거치고, 상기 조명 정규화 과정이 완료된 상기 얼굴 영상에 대해 M×N의 영역으로 세부 분할 후 각 영역에 대해 균일국부이진패턴 형식에 대한 히스토그램 특징으로 히스토그램 특징값을 추출하며, 상기 히스토그램 특징값에 대하여 인공 신경망 분석 과정을 통해 상기 얼굴에 대한 표정을 인식하는 표정 인식부;를 포함한다.
본 고안의 일 측면에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에 의하면, 얼굴 영상 전체 영역에 대해 특징을 추출하고 표정 인식을 하는 것이 아니라, 표정 변화에 민감한 특정 영역들에 대해서만 인식 처리를 수행함으로써, 표정 인식을 위하여 처리되어야 하는 데이터량이 현저하게 감소될 수 있고, 그에 따라 보다 신속한 표정 인식이 가능해질 수 있고, 나아가 실시간의 표정 인식이 가능해질 수 있으며, 사용자에 대하여 스스로 반응하는 지능을 갖추어 사용자의 흥미를 지속적이고 능동적으로 유발할 수 있는 효과가 있다.
도 1은 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템의 구성을 보이는 블럭도.
도 2는 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 얼굴 인증이 수행되는 과정을 보이는 순서도.
도 3은 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 표정 인식이 수행되는 과정을 보이는 순서도.
도 4는 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 음성 인식이 수행되는 과정을 보이는 순서도.
도 5는 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 특정 화소를 중심으로 국부이진패턴값을 계산하는 방법을 나타내는 도면.
도 6은 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 국부이진패턴 기법이 적용되는 특정 예시도로 얼굴 영상에서의 소정의 중심 화소를 중심으로 인접 화소들의 화소값을 기준으로 국부이진패턴 패턴을 획득하는 과정을 보여주는 도면.
도 7은 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 학습단계에서 사용된 인공 신경망의 구조를 보이는 도면.
도 2는 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 얼굴 인증이 수행되는 과정을 보이는 순서도.
도 3은 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 표정 인식이 수행되는 과정을 보이는 순서도.
도 4는 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 음성 인식이 수행되는 과정을 보이는 순서도.
도 5는 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 특정 화소를 중심으로 국부이진패턴값을 계산하는 방법을 나타내는 도면.
도 6은 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 국부이진패턴 기법이 적용되는 특정 예시도로 얼굴 영상에서의 소정의 중심 화소를 중심으로 인접 화소들의 화소값을 기준으로 국부이진패턴 패턴을 획득하는 과정을 보여주는 도면.
도 7은 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 학습단계에서 사용된 인공 신경망의 구조를 보이는 도면.
이하에서는 도면을 참조하여 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에 대하여 설명한다.
도 1은 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템의 구성을 보이는 블럭도이고, 도 2는 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 얼굴 인증이 수행되는 과정을 보이는 순서도이고, 도 3은 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 표정 인식이 수행되는 과정을 보이는 순서도이고, 도 4는 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 음성 인식이 수행되는 과정을 보이는 순서도이고, 도 5는 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 특정 화소를 중심으로 국부이진패턴값을 계산하는 방법을 나타내는 도면이고, 도 6은 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 국부이진패턴 기법이 적용되는 특정 예시도로 얼굴 영상에서의 소정의 중심 화소를 중심으로 인접 화소들의 화소값을 기준으로 국부이진패턴 패턴을 획득하는 과정을 보여주는 도면이고, 도 7은 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에서 학습단계에서 사용된 인공 신경망의 구조를 보이는 도면이다.
도 1 내지 도 7을 함께 참조하면, 본 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템(100)은 동작 센서부(115)와, 영상 촬영부(110)와, 얼굴 인식부(120)와, 표정 인식부(130)와, 음성 인식부(140)와, 출력부(150)를 포함한다.
상기 영상 촬영부(110)는 카메라 등으로서, 사용자의 영상을 촬영하여 입력하는 것이다.
상기 영상 촬영부(110)에서 입력되는 영상에 대해 히스토그램 평활화 과정을 통해 조명 분포를 고르게 하는 조명 정규화 과정을 거치게 된다.
상기 동작 센서부(115)는 사용자의 동작을 감지하여 상기 인텔리전트 완구 시스템(100)을 슬립 모드(sleep mode)에서 깨우는 기능을 수행할 수 있는 것이다.
상기 얼굴 인식부(120)는 상기 영상 촬영부(110)에서 입력되는 영상에서 얼굴과 눈을 검출하여 얼굴을 인증하는 것이다. 상기 얼굴 인식부(120)는 상기 영상 촬영부(110)에서 촬영되어 입력되는 영상에서 얼굴과 눈을 검출한 다음, 미리 등록되어 있는 얼굴 데이터와 비교하여, 사용자의 얼굴을 인증한다.
상기 표정 인식부(130)는 상기 얼굴 인식부(120)에서 인식된 얼굴 영상을 세부 분할 후 각 영역에 대해 균일국부이진패턴(uniform local binary pattern, ULBP) 형식에 대한 히스토그램 특징값을 추출하고, 상기 추출된 히스토그램 특징값을 인공 신경망(artificial neural network) 분석 과정을 통해 표정을 인식하는 것이다.
상기 표정 인식부(130)는 상기 영상 촬영부(110)에서 입력되어 상기 얼굴 인식부(120)에서 인증된 사용자의 얼굴 영상에서 얼굴의 표정 변화를 인식하여, 상기 출력부(150)가 미리 설정된 특정한 곡, 멘트 등을 재생하거나, 상기 인텔리전트 완구 시스템(100)이 손을 흔드는 동작 등의 특정 반응이 출력되도록 한다.
상기 음성 인식부(140)는 입력되는 사용자의 음성을 미리 설정된 음성과 비교하여, 사용자의 입력 음성이 미리 입력된 명령들 중 부합되는 특정 명령, 예를 들어 특정한 곡 재생 등의 명령을 검출하여, 그 검출된 특정 명령을 수행하도록 하는 것이다.
상기 출력부(150)는 상기 표정 인식부(130)에서 인식된 사용자의 표정에 따라, 미리 설정된 음악, 멘트 등의 음향을 출력하거나, 상기 인텔리전트 완구 시스템(100)이 미리 설정된 특정 반응을 수행하도록 한다.
본 실시예에 따른 인텔리전트 완구 시스템(100)의 제어 방법은 영상 촬영부(110)에서 사용자의 영상을 촬영하여 입력하는 단계; 상기 영상 촬영부(110)에서 입력되는 영상에서 얼굴 인식부(120)가 얼굴과 눈을 검출하여 얼굴을 인증하는 단계; 및 표정 인식부(130)가 상기 얼굴 인식부(120)에서 인식된 얼굴 영상을 세부 분할 후 각 영역에 대해 균일국부이진패턴(uniform local binary pattern, ULBP) 형식에 대한 히스토그램 특징값을 추출하고, 상기 추출된 히스토그램 특징값을 인공 신경망(artificial neural network) 분석 과정을 통해 표정을 인식하는 단계;를 포함한다.
상기 인텔리전트 완구 시스템(100)의 제어 방법은 상기 영상 촬영부(110)에서 입력되는 영상에 대해 히스토그램 평활화 과정을 통해 조명 분포를 고르게 하는 조명 정규화 과정을 거치는 단계;를 더 포함할 수 있다.
또한, 상기 인텔리전트 완구 시스템(100)의 제어 방법은 상기 출력부(150)가 상기 표정 인식부(130)에서 인식된 사용자의 표정에 따라 미리 설정된 음악을 출력하는 단계를 포함하거나, 상기 출력부(150)가 상기 표정 인식부(130)에서 인식된 사용자의 표정에 따라 상기 인텔리전트 완구 시스템이 미리 설정된 특정 반응을 수행하도록 하는 단계를 포함한다.
이하에서는 도 2를 참조하여 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템(100)에서 얼굴 인증이 수행되는 과정을 설명한다.
먼저, 상기 영상 촬영부(110)에서 사용자의 영상을 촬영하여 입력되면(S110), 상기 얼굴 인식부(120)에서 상기 입력된 영상에서 사용자의 얼굴 영상을 검출한다(S111).
그런 다음, 상기 단계(S111)에서 검출된 사용자의 얼굴 영상에 얼굴 좌표를 맵핑하고, 눈 영역 및 동공의 중심을 검출하는 방식으로 사용자의 눈을 검출한다(S112).
그 후, 검출된 얼굴 및 눈 영상에서 특징을 분석하여(S113), 데이터베이스에 입력된 얼굴 데이터들과 상기 분석된 특징을 비교하여 사용자의 얼굴을 인식 및 인증한다(S114).
이하에서는 도 3을 참조하여 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템(100)에서 표정 인식이 수행되는 과정을 설명한다.
먼저, 상기된 얼굴 인증 단계에서와 같이, 상기 영상 입력부에서 얼굴 영상을 입력받아(S120), 상기 입력되는 영상에서 얼굴과 눈을 검출한다(S121).
상기와 같이 검출된 눈을 기준으로 얼굴의 크기와 회전에 대한 정규화 과정을 수행하여 얼굴 영상을 정규화한다(S122).
그런 다음, 상기와 같이 정규화된 얼굴 영상에 대해 히스토그램 평활화 과정을 통해 조명 분포를 고르게 하는 조명 정규화 과정을 거치고, 상기 조명 정규화 과정이 완료된 얼굴 영상에 대해 M×N의 영역으로 세부 분할 후, 각 영역에 대해 균일국부이진패턴 형식에 대한 히스토그램 특징으로 특징값 추출을 수행한다(S123).
그 후, 상기와 같이 추출된 특징값을 인공 신경망 분석 과정을 통해 최종적으로 얼굴에 대한 표정을 판단하게 된다(S124).
상기와 같이, 본 실시예에서는 얼굴 영상 전체 영역에 대해 특징을 추출하고 표정 인식을 하는 것이 아니라, 표정 변화에 민감한 특정 영역들에 대해서만 인식 처리를 수행함으로써, 표정 인식을 위하여 처리되어야 하는 데이터량이 현저하게 감소될 수 있고, 그에 따라 보다 신속한 표정 인식이 가능해질 수 있고, 나아가 실시간의 표정 인식이 가능해질 수 있으며, 사용자에 대하여 스스로 반응하는 지능을 갖추어 사용자의 흥미를 지속적이고 능동적으로 유발할 수 있다.
본 실시예에서는 예시적으로, 10×10 화소의 크기로 얼굴 영상 영역을 분할 후, 표정의 변화에 민감한 영역에 대해 특징 추출 과정을 적용하고, 표정 변화에 영향이 적은 일부 영역에 대한 분석은 배제되었다.
상세히, 정규화된 얼굴로부터 특징을 추출하는 과정에서는 먼저 국부이진패턴(LBP) 특징을 추출하고, 상기와 같이 추출된 국부이진패턴으로부터 균일국부이진패턴 특징을 추출한다.
국부이진패턴 기법을 위한 수학식은 다음과 같다.
여기서, 국부이진패턴(xc,yc)는 (xc,yc)중심 화소(210)에서의 국부이진패턴 변환된 값을 나타내며, gc는 (xc,yc)중심 화소(210)에서의 얼굴 영상의 화소값이며, gp는 (xc,yc)의 주변 화소(220)에서의 화소값을 나타낸다. 여기서, 화소값은 그레이 스케일 영상 또는 단일 채널 영상으로 변환될 때의 인텐서티(intensity) 값을 나타낼 수 있다. 이와 함께, p는 (xc,yc)화소에서의 한 지점을 기준으로 시계방향 또는 반시계방향으로 돌아가며 1씩 증가한다.
예를 들어, 국부이진패턴 기법이 3×3 크기의 픽셀 영역에 대하여 적용된다면, 얼굴 영상의 해당 화소값을 기준으로 8개의 주변 화소값을 비교하여 1 또는 0의 이진값을 가지는 이진패턴(200)을 얻을 수 있다. 따라서, 3×3 크기의 화소 영역에 국부이진패턴 기법이 적용되는 경우에는 8개의 이진수로 구성되는 이진패턴(200)이 구해질 수 있고, 이러한 이진패턴(200)은 해당 화소의 국부이진패턴 패턴값(230)이 될 수 있다. 따라서, 얼굴 영상의 각 화소마다 이러한 이진패턴(200)을 구하여, 각 화소마다의 국부이진패턴 패턴값(230)을 대입함으로써 변환 영상을 산출할 수 있다.
3×3 크기의 화소 영역에서 중심 화소(210)의 화소값은 28이며, 주변 화소(220)들이 28보다 크면 1 값을 가지며, 28보다 같거나 작으면 0 값을 가진다. 따라서, 250의 화소값을 가지는 제 1 주변 화소(221)를 중심으로 시계 방향으로 회전하면서 제8 주변 화소에까지 화소값의 비교를 통하여 8비트의 이진패턴인 (1, 1, 0, 1, 0, 0, 0, 1)을 얻을 수 있다. 상기 이진패턴 (1, 1, 0, 1, 0, 0, 0, 1)을 하나의 이진수로 파악하여 십진수로 변환하면 209의 패턴값(230)을 중심 화소(210)에 대하여 얻을 수 있다.
상기와 같이, 얼굴 영상의 각 화소에 대하여 국부이진패턴 기법을 적용함으로써 각 화소마다 소정의 패턴값이 도출되어, 상기 패턴값으로 구성되는 변환영상을 획득할 수 있다. 변환 영상은 해당 화소와 주변 화소들간의 화소값 또는 밝기의 관계에 의하여 결정되기 때문에, 전체적인 조명이나 간섭에 의한 영향이 감소될 수 있고, 따라서 전체적으로 밝은 영상 또는 어두운 영상에 대하여도 비교적 균일한 영상을 얻을 수 있다.
한 점을 기준으로 1화소와 인접한 화소들의 국부이진패턴 패턴들 중, 비트 패턴을 원형으로 가정했을 때 인접 비트 사이에 0에서 1로 또는 1에서 0으로의 비트 변환이 2번 이하로 발생하는 패턴들만을 균일국부이진패턴(ULBP)으로 한다. 8비트의 원형 비트패턴으로 생성 가능한 균일국부이진패턴은 00000000, 11111111을 포함하여 00011100, 11100001 등의 형식으로 나타나는 이진패턴들로 58가지의 형태로 나타난다.
얼굴 영역에 대해 국부이진패턴을 추출하고, 이 패턴들 중 국부이진패턴에 대해서 영역별로 히스토그램을 계산한다. 계산된 히스토그램 특징값들은 인공신경망 방법을 통해 표정 학습 또는 표정 인식을 위한 입력 값으로 사용된다.
도 7은 본 실시예의 학습 단계에서 사용된 인공 신경망의 구조를 나타낸다.
x는 블록별 균일국부이진패턴의 히스토그램 특징을 나타내며, 입력노드의 입력 벡터들을 나타낸다. 하나의 은닉층과 각 표정에 해당하는 5개의 출력노드로 구성되었다. w는 각 노드 사이의 연결강도를 의미하는 가중치를 나타낸다. 최종 출력은 가중치 w와 입력값 x, 그리고 수학식 3과 같은 활성함수에 의해서 결정하였다. m은 입력층에서의 노드의 수를, n은 은닉층에서의 노드의 수를 각각 나타낸다.
xi는 i번째 입력 벡터값을, wij는 i번째 입력노드와 j번째 은닉노드 사이의 가중치를, 그리고 wjk는 j번째 은닉노드와 k번째 출력노드 사이의 가중치를 나타낸다.
상기 수학식 3의 f(N)는 0과 1사이의 출력을 갖는 단극성 단조증가의 특성을 가지는 시그모이드(sigmoid) 함수를 사용하였다. 가중치 w는 역전파(back propagation) 알고리즘을 이용하여 계산할 수 있다.
입력된 영상으로부터 검출된 얼굴 영상은 상기한 일련의 과정을 거쳐 무표정한 얼굴, 웃는 얼굴, 화난 얼굴, 놀란 얼굴, 슬픈 얼굴 등의 표정을 인식하게 된다.
이하에서는 도 4를 참조하여, 본 고안의 일 실시예에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템(100)에서 음성 인식이 수행되는 과정을 설명한다.
먼저, 상기 음성 인식부(140)에서 사용자의 음성이 입력되면(S130), 상기 입력된 음성의 특징을 분석(S131), 퓨리에 변환하여 기준 패턴값을 생성한다(S132).
상기와 같이 생성된 기준 패턴값을 패턴 학습값과 매칭하여 유사도를 분석하고, 분석된 값을 어절, 어간 분석 및 단어 매칭 작업, 즉 언어 처리를 하여(S133), 단어 및 문장 처리하여 출력한다(S134).
상기에서 본 고안은 특정한 실시예에 관하여 도시되고 설명되었지만, 당업계에서 통상의 지식을 가진 자라면 이하의 특허청구범위에 기재된 본 고안의 사상 및 영역을 벗어나지 않는 범위 내에서 본 고안을 다양하게 수정 및 변경시킬 수 있음을 알 수 있을 것이다. 그렇지만 이러한 수정 및 변형 구조들은 모두 본 고안의 권리범위 내에 포함되는 것임을 분명하게 밝혀두고자 한다.
본 고안의 일 측면에 따른 표정 인식 기술이 적용된 인텔리전트 완구 시스템에 의하면, 사용자에 대하여 능동적이면서도 신속하게 반응할 수 있는 지능을 갖추어 사용자의 흥미를 지속적이고 능동적으로 유발할 수 있으므로, 그 산업상 이용가능성이 높다고 하겠다.
110 : 영상 촬영부 115 : 동작 센서부
120 : 얼굴 인식부 130 : 표정 인식부
140 : 음성 인식부 150 : 출력부
120 : 얼굴 인식부 130 : 표정 인식부
140 : 음성 인식부 150 : 출력부
Claims (3)
- 사용자의 영상을 촬영하여 입력하는 영상 촬영부;
상기 영상 촬영부에서 입력되는 영상에서 얼굴과 눈을 검출하여 얼굴을 인증하는 얼굴 인식부; 및
상기 영상 촬영부에서 입력되는 영상에서 상기 얼굴과 상기 눈을 검출하고, 검출된 상기 눈을 기준으로 상기 얼굴의 크기와 회전에 대한 정규화 과정을 수행하여 얼굴 영상을 정규화하며, 정규화된 상기 얼굴 영상에 대해 히스토그램 평활화 과정을 통해 조명 분포를 고르게 하는 조명 정규화 과정을 거치고, 상기 조명 정규화 과정이 완료된 상기 얼굴 영상에 대해 M×N의 영역으로 세부 분할 후 각 영역에 대해 균일국부이진패턴 형식에 대한 히스토그램 특징으로 히스토그램 특징값을 추출하며, 상기 히스토그램 특징값에 대하여 인공 신경망 분석 과정을 통해 상기 얼굴에 대한 표정을 인식하는 표정 인식부;를 포함하는 표정 인식 기술이 적용된 인텔리전트 완구 시스템. - 제 1 항에 있어서,
상기 표정 인식 기술이 적용된 인텔리전트 완구 시스템은 상기 표정 인식부에서 인식된 사용자의 표정에 따라 미리 설정된 음향을 출력하는 출력부;를 포함하는 것을 특징으로 하는 표정 인식 기술이 적용된 인텔리전트 완구 시스템. - 제 1 항에 있어서,
상기 표정 인식 기술이 적용된 인텔리전트 완구 시스템은 상기 표정 인식부에서 인식된 사용자의 표정에 따라 상기 인텔리전트 완구 시스템이 미리 설정된 특정 반응을 수행하도록 하는 출력부;를 포함하는 것을 특징으로 하는 표정 인식 기술이 적용된 인텔리전트 완구 시스템.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR2020130009098U KR200473405Y1 (ko) | 2013-11-05 | 2013-11-05 | 표정 인식 기술이 적용된 인텔리전트 완구 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR2020130009098U KR200473405Y1 (ko) | 2013-11-05 | 2013-11-05 | 표정 인식 기술이 적용된 인텔리전트 완구 시스템 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020120146510 Division | 2012-12-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20140003899U KR20140003899U (ko) | 2014-06-24 |
KR200473405Y1 true KR200473405Y1 (ko) | 2014-07-02 |
Family
ID=51999835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR2020130009098U KR200473405Y1 (ko) | 2013-11-05 | 2013-11-05 | 표정 인식 기술이 적용된 인텔리전트 완구 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR200473405Y1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102062759B1 (ko) | 2018-08-14 | 2020-02-11 | 주식회사 크라스아이디 | 얼굴 인식을 이용한 감성 교류가 가능한 완구 장치 및 그 제어 방법 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115089975A (zh) * | 2022-02-24 | 2022-09-23 | 上海怡佳雨科技有限公司 | 一种智能玩具 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7062073B1 (en) * | 1999-01-19 | 2006-06-13 | Tumey David M | Animated toy utilizing artificial intelligence and facial image recognition |
KR20120063785A (ko) * | 2010-12-08 | 2012-06-18 | 현대자동차주식회사 | 얼굴인증 시스템 및 그 방법 |
-
2013
- 2013-11-05 KR KR2020130009098U patent/KR200473405Y1/ko active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7062073B1 (en) * | 1999-01-19 | 2006-06-13 | Tumey David M | Animated toy utilizing artificial intelligence and facial image recognition |
KR20120063785A (ko) * | 2010-12-08 | 2012-06-18 | 현대자동차주식회사 | 얼굴인증 시스템 및 그 방법 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102062759B1 (ko) | 2018-08-14 | 2020-02-11 | 주식회사 크라스아이디 | 얼굴 인식을 이용한 감성 교류가 가능한 완구 장치 및 그 제어 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR20140003899U (ko) | 2014-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102608470B1 (ko) | 데이터 인식 장치 및 방법과 트레이닝 장치 및 방법 | |
JP7046625B2 (ja) | 顔認証方法及び装置 | |
KR101901591B1 (ko) | 얼굴 인식 장치 및 그 제어방법 | |
US8837786B2 (en) | Face recognition apparatus and method | |
US7912253B2 (en) | Object recognition method and apparatus therefor | |
KR20170000748A (ko) | 얼굴 인식 방법 및 장치 | |
KR20190081243A (ko) | 정규화된 표현력에 기초한 표정 인식 방법, 표정 인식 장치 및 표정 인식을 위한 학습 방법 | |
KR102483650B1 (ko) | 사용자 인증 장치 및 방법 | |
JP2007257087A (ja) | 肌色領域検出装置及び肌色領域検出方法 | |
KR102189405B1 (ko) | 실시간 영상에서 안면을 인식하는 시스템 | |
Ibrahim et al. | Geometrical-based lip-reading using template probabilistic multi-dimension dynamic time warping | |
KR20200110064A (ko) | 변환 모델을 이용한 인증 방법 및 장치 | |
Sharma | Designing of face recognition system | |
Sarin et al. | Cnn-based multimodal touchless biometric recognition system using gait and speech | |
KR200473405Y1 (ko) | 표정 인식 기술이 적용된 인텔리전트 완구 시스템 | |
Okokpujie et al. | Development of an adaptive trait-aging invariant face recognition system using convolutional neural networks | |
Rabiha et al. | Face detection and recognition based e-learning for students authentication: study literature review | |
Travieso et al. | Using a Discrete Hidden Markov Model Kernel for lip-based biometric identification | |
CN111160173B (zh) | 一种基于机器人的手势识别方法及机器人 | |
Bukht et al. | A Robust Model of Human Activity Recognition using Independent Component Analysis and XGBoost | |
Rathee | A novel approach for lip reading based on neural network | |
Ouellet et al. | Multimodal biometric identification system for mobile robots combining human metrology to face recognition and speaker identification | |
KR101171047B1 (ko) | 음성 및 영상 인식 기능을 갖는 로봇 시스템 및 그의 인식 방법 | |
KR101087250B1 (ko) | 피부색 영역 검출을 이용한 얼굴 검출 장치 | |
KR20210157052A (ko) | 객체 인식 방법 및 객체 인식 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
REGI | Registration of establishment | ||
FPAY | Annual fee payment |
Payment date: 20170522 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20180625 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20190409 Year of fee payment: 6 |