KR20200079170A

KR20200079170A - 시선 추정 방법 및 시선 추정 장치

Info

Publication number: KR20200079170A
Application number: KR1020190116694A
Authority: KR
Inventors: 리우 시아빙; 장 후이; 한재준; 최창규; 구오 텐추
Original assignee: 삼성전자주식회사
Priority date: 2018-12-24
Filing date: 2019-09-23
Publication date: 2020-07-02
Also published as: CN111353506A

Abstract

시선 추정 방법 및 시선 추정 장치가 개시된다. 시선 추정 방법은 사용자의 눈 영역을 포함하는 영상을 획득하는 단계, 획득된 영상으로부터 시선 추정을 위해 이용되는 데이터의 제1 특징을 추출하는 단계와 추출한 제1 특징과 뉴럴 네트워크 모델의 캘리브레이션을 위해 이용된 데이터의 제2 특징을 이용하여 사용자의 시선을 추정하는 단계를 포함할 수 있다.

Description

시선 추정 방법 및 시선 추정 장치{GAZE ESTIMATION METHOD AND GAZE ESTIMATION APPARATUS}

아래의 실시예들은 시선 추정 기술에 관한 것이다.

시선 추정 기술은 통상적으로 한 개의 기본 모델을 사용하여 모든 사람의 시선을 추정한다. 일반적으로, 학습 데이터로서 많은 수의 사람 눈 영상을 기본 모델에 피팅(fitting)하는 것에 의해 기본 모델을 구축하기 위한 일반 파라미터들(general parameters)이 획득될 수 있다. 일반 파라미터에 대응하는 눈의 형상과 비슷한 눈의 형상을 가진 사람에 대해서는 해당 기본 모델의 예측 효과가 좋다. 즉, 기본 모델을 이용한 시선 추정의 예측 정확도가 높다. 하지만, 사람마다 눈의 형상이 다르기 때문에, 일반 파라미터에 대응하는 눈의 형상과 차이가 큰 눈의 형상을 가진 사람에 대해서는 해당 기본 모델의 예측 효과가 떨어질 수 있다.

일 실시예에 따른 시선 추정 방법은, 사용자의 눈 영역을 포함하는 영상을 획득하는 단계; 상기 영상으로부터 시선 추정을 위해 이용되는 데이터의 제1 특징을 추출하는 단계; 및 상기 추출한 제1 특징과 뉴럴 네트워크 모델의 캘리브레이션을 위해 이용된 데이터의 제2 특징을 이용하여 상기 사용자의 시선을 추정하는 단계를 포함할 수 있다.

상기 제1 특징을 추출하는 단계는, 상기 뉴럴 네트워크 모델을 이용하여 상기 제1 특징을 추출하는 단계를 포함하고, 상기 캘리브레이션을 위해 이용된 데이터의 제2 특징은, 상기 뉴럴 네트워크 모델을 이용하여 추출된 것일 수 있다.

상기 사용자의 시선을 추정하는 단계는, 상기 뉴럴 네트워크 모델을 이용하여, 상기 제1 특징과 상기 제2 특징으로부터 상기 사용자의 주시 영역에서의 주시점의 위치를 추정하는 단계를 포함할 수 있다.

상기 사용자의 시선을 추정하는 단계는, 상기 제1 특징과 상기 제2 특징 간의 특징 차이를 계산하는 단계; 상기 뉴럴 네트워크 모델을 이용하여 상기 특징 차이에 대응하는 상기 뉴럴 네트워크 모델의 출력 결과를 추정하는 단계; 상기 추정 결과에 따라, 상기 주시 영역이 분할된 복수의 서브 영역들 각각에 상기 주시점이 속할 확률을 계산하는 단계; 및 상기 서브 영역들 각각에 대해 계산된 확률 중 가장 높은 확률의 서브 영역의 중심 위치를 상기 주시점의 위치로 결정하는 단계를 포함할 수 있다.

상기 주시 영역이 2차원 평면 상의 영역인 경우, 각 캘리브레이션 포인트를 기준으로 서로 수직 교차하는 두 개의 직선들이 설정되고, 상기 설정된 직선들을 기초로 상기 주시 영역을 복수 개의 서브 영역들로 분할하는 것에 의해 상기 주시 영역의 서브 영역들이 획득될 수 있다.

상기 주시 영역이 3차원 공간 내의 영역인 경우, 상기 각 캘리브레이션 포인트를 기준으로 서로 직교하는 세 개의 직선들이 설정되고, 상기 설정된 직선들을 기초로 상기 주시 영역을 복수 개의 서브 영역들로 분할하는 것에 의해 상기 주시 영역의 서브 영역들이 획득될 수 있다.

상기 확률을 계산하는 단계는, 각각의 캘리브레이션 포인트에 대응하는 상기 뉴럴 네트워크 모델의 추정 결과에 대해, 상기 주시점의 각 차원에서의 좌표가 각 캘리브레이션 포인트의 각 차원에서의 좌표보다 작거나 또는 클 확률을 결정하는 단계; 및 상기 결정된 확률에 기초하여 상기 주시점이 각 서브 영역들에 속할 확률을 계산하는 단계를 포함할 수 있다.

상기 주시점이 각 서브 영역들에 속할 확률을 계산하는 단계는, 상기 복수의 서브 영역들 각각의 비교 관계 확률에 기초하여 상기 주시점이 상기 서브 영역들 각각에 속할 확률을 계산하는 단계를 포함할 수 있다.

상기 사용자의 시선 추정을 수행하기 전, 상기 시선 추정 방법은, 특정 포인트를 캘리브레이션 포인트들 중 어느 하나로 할 때, 상기 특정 포인트에 대한 사용자 동작에 기초하여 상기 뉴럴 네트워크 모델의 캘리브레이션에 이용될 데이터를 획득하는 단계를 더 포함할 수 있다.

상기 특정 포인트는, 전자 장치의 스크린 상의 특정 포인트, 상기 전자 장치 상의 버튼의 위치에 대한 특정 포인트 및 상기 전자 장치와 기결정된 상대적인 위치 관계를 가지는 특정 포인트 중 적어도 하나를 포함할 수 있다.

일 실시예에 따른 시선 추정 방법은, 캘리브레이션 포인트를 디스플레이하는 단계; 상기 사용자가 상기 디스플레이된 캘리브레이션 포인트를 주시할 때의 상기 사용자를 촬영한 영상인 캘리브레이션 영상을 획득하는 단계; 및 상기 획득된 캘리브레이션 영상을 이용하여 상기 뉴럴 네트워크 모델의 캘리브레이션을 수행하는 단계를 더 포함할 수 있다.

상기 캘리브레이션 영상을 획득하는 단계는, 상기 캘리브레이션 포인트에 대한 상기 사용자의 제스쳐의 수신에 응답하여, 상기 제스쳐에 대응하는 동작 포인트와 상기 캘리브레이션 포인트 간의 거리를 결정하는 단계; 및 상기 결정된 거리가 임계 값보다 작은 경우, 상기 획득된 캘리브레이션 영상을 캘리브레이션을 수행하는데 이용될 캘리브레이션 영상으로 결정하는 단계를 포함하고, 상기 뉴럴 네트워크 모델의 캘리브레이션을 수행하는 단계는, 상기 캘리브레이션을 영상을 이용하여 상기 뉴럴 네트워크 모델의 캘리브레이션을 수행하는 단계를 포함할 수 있다.

일 실시예에 따른 시선 추정 방법은, 뉴럴 네트워크 모델을 획득하는 단계를 더 포함할 수 있고, 상기 뉴럴 네트워크 모델을 획득하는 단계는, 상기 뉴럴 네트워크 모델의 트레이닝을 위해 이용되는 트레이닝 데이터를 이용하여 상기 뉴럴 네트워크 모델을 트레이닝하는 단계를 포함할 수 있다.

상기 트레이닝 데이터는, 제1 사용자 영상과 제2 사용자 영상을 포함하고, 상기 제1 사용자 영상과 상기 제2 사용자 영상은, 각각 동일한 사용자가 제1 대상을 주시할 때에 획득된 사용자 영상과 제2 대상을 주시할 때에 획득된 사용자 영상이고, 상기 뉴럴 네트워크 모델을 트레이닝하는 단계는, 상기 제1 사용자 영상과 제2 사용자 영상을 입력으로 하고, 상기 제1 대상과 상기 제2 대상의 상대적인 위치 관계에 대한 데이터를 출력하는 상기 뉴럴 네트워크 모델을 트레이닝하는 단계를 포함할 수 있다.

상기 트레이닝 데이터는, 상기 뉴럴 네트워크 모델의 트레이닝을 위해 이용되는 영상 관련 데이터와 상기 트레이닝을 위한 시선 태그를 포함하고, 상기 뉴럴 네트워크 모델을 트레이닝하는 단계는, 상기 시선 태그의 라벨을 두 개의 카테고리로 분류하는 단계; 상기 두 개의 카테고리로 분류된 시선 태그에 대응하는 손실 함수를 결정하는 단계; 및 상기 트레이닝을 위한 영상과 상기 두 개의 카테고리로 분류된 시선 태그 및 상기 손실 함수를 이용하여 상기 뉴럴 네트워크 모델을 트레이닝하는 단계를 포함할 수 있다.

상기 시선 태그의 라벨을 두 개의 카테고리로 분류하는 단계는, 상기 트레이닝을 위해 이용되는 시선 태그의 특정 좌표축 상의 좌표를 결정하는 단계; 상기 특정 좌표축 상을 기준으로 미리 결정된 간격으로 복수 개의 노드들을 설정하는 단계; 및 상기 복수 개의 노드들의 개수를 차원으로 하는 벡터를 포함할 수 있다. 상기 두 개의 카테고리로 분류된 시선 태그를 생성하는 단계를 포함하고, 상기 벡터의 각 차원의 값은, 상기 미리 결정된 간격의 크기와 상기 특정 좌표축 상의 좌표에 의해 결정되고, 상기 손실 함수는, 상기 벡터의 각 차원의 값과 각 노드에 대응하는 트레이닝 데이터에 의해 계산되는 활성화 확률을 기초로 계산될 수 있다.

상기 제1 뉴럴 네트워크 모델과 상기 제2 뉴럴 네트워크 모델은, 특징 추출을 위한 동일한 네트워크 레이어를 가지고, 상기 두 쌍의 샘플들을 이용하여 분류기를 트레이닝하는 단계는, 상기 두 쌍의 샘플들에 포함된 두 개의 영상 관련 데이터와 상기 두 개의 영상 관련 데이터에 대응하는 두 개의 카테고리 태그를 이용하여 상기 제2 뉴럴 네트워크 모델 기반의 분류기를 트레이닝하는 단계를 포함할 수 있다.

일 실시예에 따른 시선 추정 장치는, 하나 이상의 프로세서를 포함하고, 상기 하나 이상의 프로세서는, 사용자의 눈 영역을 포함하는 영상으로부터 시선 추정을 위해 이용되는 데이터의 제1 특징을 추출하고, 상기 추출한 제1 특징과 뉴럴 네트워크 모델의 캘리브레이션을 위해 이용된 데이터의 제2 특징을 이용하여 상기 사용자의 시선을 추정하도록 상기 시선 추정 장치를 제어할 수 있다.

도 1 내지 도 3은 일 실시예에 따른 캘리브레이션 포인트들의 일례들을 도시하는 도면들이다.
도 4는 일 실시예에 따른 시선 추정 방법의 동작을 설명하기 위한 흐름도이다.
도 5는 일 실시예에 따른 뉴럴 네트워크 모델을 트레이닝하는 일례를 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 제2 뉴럴 네트워크 모델을 트레이닝하는 일례를 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 슬라이스(slice)에 기초하여 뉴럴 네트워크 모델을 제어하는 과정을 설명하기 위한 도면이다.
도 8 내지 도 11은 일 실시예에 따른 캘리브레이션 포인트의 일례들을 도시하는 도면들이다.
도 12는 일 실시예에 따른 캘리브레이션 과정에서 캘리브레이션 특징을 추출하는 동작을 설명하기 위한 도면이다.
도 13은 일 실시예에 따른 추출된 캘리브레이션 특징을 통해 시선 추정을 수행하는 일례를 설명하기 위한 도면이다.
도 14는 일 실시예에 따른 캘리브레이션 포인트에 기초하여 주시 영역을 분할하는 일례를 설명하기 위한 도면이다.
도 15는 일 실시예에 따른 영역 확률 분포를 나타낸 히스토그램의 일례를 도시한 도면이다.
도 16은 일 실시예에 따른 주시 영역을 새롭게 분할한 일례를 도시한 도면이다.
도 17은 일 실시예에 따른 시선 추정 장치의 구성을 도시하는 블록도이다.
도 18은 다른 실시예에 따른 시선 추정 장치의 구성을 도시하는 블록도이다.
도 19는 일 실시예에 따른 전자 장치의 구성을 도시하는 블록도이다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 또한, 어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

단수의 표현은 달리 명시되지 않는 한 일반적으로 "하나 이상의"를 의미하는 것으로 해석되어야 한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

본 명세서에서 설명되는 실시예들은 시선 추정 기술에 관한 것으로, 사용자에 적응적인(adaptive) 시선 추정 기술을 제공한다. 이와 같은 적응적인 시선 추정 기술을 통해 특정 사용자에 대한 시선 추정의 정확도가 낮다는 문제가 해결될 수 있고, 다양한 사용자들에 대해 높은 정확도의 시선 추정 결과를 제공할 수 있다.

실제 응용 중, 시선 추정 기술을 이용한 시선 추정 제품은 특정한 사용자의 사용을 위해 디자인된 것이다. 이 경우 시선 추정 제품은, 예를 들어 모바일 장치일 수 있다. 또는, 해당 시선 추정 제품은 일정 시간 내에, 특정한 사용자만이 사용하도록 제공될 수 있다. 이 경우, 시선 추정 제품은, 예를 들어 증강 현실（Augmented Reality）이나 가상 현실（Virtual Reality） 체험을 위해 사용되는 안경(약칭: AVR 안경)일 수 있다. 이러한 상황에서, 사용자의 체험감을 개선시키기 위해서는, 시선 추정을 위한 기본 모델을 수정할 필요가 있다. 이와 같이, 시선 추정을 위한 기본 모델을 수정하는 것을 캘리브레이션으로 지칭할 수 있다.

캘리브레이션 과정은 특정인의 눈 부위 형상과 기본 모델에 대응하는 눈 부위 형상 사이에 차이가 존재한다는 문제점으로 인하여, 두 단계로 진행된다. 제1 단계는 특정인이 기본 모델의 캘리브레이션을 진행할 때의 데이터를 획득하는 단계이고, 제2 단계는 획득된 데이터를 이용하여 기본 모델에서 사용되는 파라미터를 갱신(update)하여, 해당 기본 모델을 해당 특정인에게 적용되는 특정한 모델로 조정하는 단계이다. 특정한 모델을 이용하여 해당 특정인의 시선을 추정하면, 해당 특정인에 대한 시선 추정의 예측 효과를 현저히 개선시킬 수 있다. 그러나, 이는 해당 모델의 다른 사람들에 대한 예측 효과를 떨어지게 할 수 있다.

일반적으로, 기하학 모델을 기초로 한 해결 방안과 외관을 기초로 한 해결 방안에서, 위와 같이 기본 모델을 구성한다.

기하학 모델을 기초로 한 해결 방안은 동공 중심과 각막 반사의 일반적인 원리에 기초하여 원거리 시선을 추정하는 방안이다. 구체적으로, 해결 방안은 측량용 특징(예, 동공 중심 위치, 각막 반사 위치 등)으로부터 시선 방향을 계산해내는 알고리즘 공식을 확정하는 단계, 적외선 카메라 및/또는 RGB 카메라를 이용해 획득한 사용자의 눈 데이터(예, 영상)를 이용하여 필요한 측량용 특징을 계산하는 단계 및 계산한 측량용 특징을 해당 알고리즘 공식에 대입하여 시선 방향을 계산해내는 단계를 포함한다.

기하학 모델을 기초로 한 해결 방안은, 일반적으로 사용자와 관련된 파라미터를 사용한다. 예를 들어, 사람 눈의 시각 광축과 광학 광축 사이의 협각 및 동공 중심과 각막 곡면 중심 사이의 거리 등이 사용된다. 특정인에 대한 시선 추정 결과의 정확도를 개선하기 위해, 캘리브레이션을 통해 시선 추정을 위한 모델의 파라미터를 계산할 필요성이 있다. 이러한 파라미터는 직접적으로 측정될 수 없고, 전문적인 캘리브레이션 장치와 캘리브레이션 알고리즘으로 계산되어야 하기 때문이다. 또한, 기하학 모델을 기초로 한 해결 방안은, 계산한 측량용 특징이 높은 정확도를 가질 것을 요구하고, 높은 정확도는 특정 장비(예, 적외선 광원 및 적외선 카메라)의 성능에 의해 영향을 받는다.

외관을 기초로 한 해결 방안은, 일반적으로 RGB 카메라를 이용하여 사용자의 영상을 획득한다. 또한, 해당 해결 방안은 사용자를 촬영한 영상으로부터 사용자의 외관에 대응하는 특징을 추출한다. 특징을 추출하는 방법은 인공적인 모델을 이용한 특징 선별 방법과 깊은 학습을 기초로 한 특징 추출 방법이 있다. 예를 들어, 입력 x와 사람 눈의 시선 위치(예, 시선 태그 Y) 사이의 투영(projection) 관계를 설정할 수 있고, 이러한 투영 관계의 설정을 위해 뉴럴 네트워크 모델 기반의 분류기 또는 회귀기(Regressor)가 이용될 수 있다. 예를 들어, 해당 투영 관계는 공식 Y = F(x ; w)로 표시될 수 있다. 인공적인 모델을 이용한 특징 선별 방법의 경우, x는 사용자의 영상으로부터 추출한 특징으로, SIFT(Scale Invariant Feature Transform）등의 알고리즘으로 추출한 특징일 수 있다. 깊은 학습을 기초로 한 특징 추출 방법의 경우, x는 입력 영상이고, F는 투영 함수이며, w는 해당 투영 함수의 파라미터들을 나타낸다. 깊은 학습을 기초로 한 특징 추출 방법은 일반적으로 트레이닝과 테스트(또는 추정)의 두 단계를 포함할 수 있다. 트레이닝 단계에서는, 트레이닝 데이터（x, Y）및 투영 함수 F를 이용하여 투영 함수 F의 파라미터w를 학습한다. 테스트 단계에서는, 테스트 데이터 x'과 트레이닝 과정을 통해 획득한 파라미터w를 이용하여 시선 추정 결과 Y'를 획득한다. 깊은 학습(deep learning) 기술의 발전에 따라, 외관을 기초로 한 해결 방안들 중, 깊은 학습을 기초로 한 특징 추출 방법이 날이 갈수록 더 많이 사용된다.

캘리브레이션 과정은 일반적으로 두 단계를 포함한다. 제1 단계는 상호작용 방식(interactive manner)을 통해 사용자가 고정 포인트(예, 캘리브레이션 포인트 내지 기준 포인트)을 주시할 때의 데이터를 획득하는 단계이고, 제2 단계는 획득한 사용자의 데이터 및 이에 대응하는 시선 태그 Y에 따라, 기본 모델의 파라미터(예, 파라미터 w)를 조정하여 기본 모델을 특정 모델로 갱신하는 단계이다.

기하학 모델을 기초로 한 해결 방안으로 형성된 기본 모델의 경우, 캘리브레이션 과정을 진행하는 것에 의해 사용자와 관련된 파라미터(예, 사람 눈의 시선 광축과 광학 광축 사이의 협각, 동공 중심 및 각막 곡면 중심 사이의 거리 등)를 확정해야 한다.

외관을 기초로 한 해결 방안으로 형성된 기본 모델의 경우, 일반적으로 캘리브레이션 과정을 통해 새롭게 투영 함수를 확정하고, 투영 함수의 파라미터w를 트레이닝한다. 파라미터 w의 트레이닝을 위해, 예를 들어 서포트 벡터 회귀（Support Vector Regression; SVR） 기법, 랜덤 포레스트(Random Forest) 기법 등을 이용한 깊은 학습이 진행될 수 있다.

그러나, 기하학 모델을 기초로 한 해결 방안의 경우, 특정한 데이터 수집 장치(예, 적외선 광원 및 적외선 카메라)를 필요로 한다. 통상적으로 사용되는 장치(예, RGB 카메라가 설치된 장치)를 이용하여서는 기하학 모델을 기초로 한 해결 방안에 따른 시선 추정을 실현할 수 없다.

외관을 기초로 한 해결 방안의 단점은 아래 몇 가지 측면으로 나타난다.

제1 측면은 다음과 같다. 캘리브레이션을 통해 투영 함수를 다시 확정하고, 해당 투영 함수의 파라미터를 학습 과정을 통해 결정해야 한다. 또한, 사용자의 모바일 장치에서 이러한 과정을 실행해야 하고, 캘리브레이션을 진행할 때마다 해당 과정이 진행되어야 해서, 하드웨어 자원의 소모의 증가를 초래한다. 여기서, 강조해야 할 점은 위 과정은 사용자의 데이터를 수집해야 하고, 사용자의 데이터는 개인의 프라이버시(privacy)와 연관된다는 점이다. 개인의 프라이버시를 보호하기 위해서는, 사용자의 데이터를 서버에 전송하여 서버를 이용하여 계산을 진행해야 하나, 이를 통해서는 위 과정을 실행할 수가 없다.

제2 측면은 다음과 같다. 깊은 학습을 진행할 때의 방법(예, SVR 기법 및/또는 랜덤 포레스트 기법 등)의 제한을 받아, 추정을 통해 새롭게 확정된 맵핑(mapping) 함수의 종류는 유한하기 때문에, 이에 의해 추정 방식이 제한되게 되는 결과가 초래된다. 이러한 경우, 추정을 통해 새롭게 확정된 투영 함수의 종류는 유한하기 때문에, 추정 방식도 제한되게 된다. 이 경우, 추정 시 획득한 부분 함수는 트레이닝을 위해 사용될 수가 없기 때문에, 특정인에 대한 예측 효과가 떨어지게 되는 결과가 초래된다. 바꿔 말하면, 추정을 통해 특정인에 대한 예측 효과를 효과적으로 개선시킬 수 없게 된다.

제 3 측면은 다음과 같다. 기존 방법을 통해 추출한 특징의 통용성이 낮아진다. 바꾸어 말하면, 기존 방법의 기본 모델의 특징 표현 능력이 떨어지기 때문에, 모든 사람에게 적합한 투영 함수가 형성될 수가 없다. 즉, 모든 사람에 대한 특징을 효과적으로 표현할 수가 없다.

위의 문제가 발생한 원인은 다음과 같다.

위에서 기술한 바와 같이, 기본 모델을 트레이닝하는 과정 중, 서로 다른 사람의 얼굴 형상의 차이의 시선 추정 결과에 대한 영향을 줄이기 위해서는, 트레이닝 과정을 진행하여 기본 모델의 투영 함수를 새롭게 확정해야 한다. 개인의 프라이버시를 보호하기 위해서는, 사용자의 모바일 장치에서 추정 및 기본 모델의 트레이닝을 진행할 필요가 있다. 이러한 경우, 모바일 장치의 하드웨어 자원의 소모가 증가하게 된다.

깊은 학습을 진행할 때 사용하는 방법(예, SVR 기법 및 랜덤 포레스트 기법 등)의 제한을 받아, 추정 시에 획득되는 데이터가 특정한 분포를 만족해야만 분류기가 효과적으로 동작할 수 있고, 따라서 특정한 분포를 만족하는 데이터만이 SVR 기법 및 랜덤 포레스트 기법 등의 방법에 응용될 수 있다. 도 1 내지 도 3은 캘리브레이션을 진행 과정에서 스크린에 표시된 캘리브레이션 포인트들의 일례들을 도시한다. 여기서, 도 1 내지 도 3은 각각 5개의 캘리브레이션 포인트들, 9개의 캘리브레이션 포인트들 및 13개의 캘리브레이션 포인트들을 나타낸다. 캘리브레이션이 진행될 때, 미리 설정된 캘리브레이션 포인트들이 이용된다.

그러나, 사용자가 사용하는 과정 중(예, 테스트 단계) 획득한 사용자의 데이터와 해당 데이터에 대응하는 시선 샘플이 추정을 위해 사용될 수 없게 되는 상황이 존재할 수 있다. 예를 들어, 사용자가 처음 개인의 모바일 장치를 사용하는 과정 중, 개인 설정을 진행할 수 있다. 개인 설정을 진행하는 과정 중, 통상적인 사용자는 특정 버튼을 클릭할 수 있다. 이러한 경우, 만약 사용자가 상기 특정 버튼을 누를 때의 데이터와 상기 특정 버튼에 대응하는 시선 태그를 사용하여 추정을 진행할 때, 시선 추정 결과의 정확도를 제고할 수 있다. 그러나, 개인 설정을 진행하는 과정에서 획득한 일부 데이터와 시선 태그들은 SVR 및 랜덤 포레스트 등과 같은 방법들에 의한 제한을 받는다. 개인 설정을 진행하는 과정에서 획득한 데이터 및 시선 태그의 나머지는 기존의 기본 모델의 파라미터를 조정하기 위해 사용될 수 없으며, 위의 특정 모델의 트레이닝을 위해서도 사용될 수 없다.

기본 모델의 트레이닝 과정 중, 트레이닝을 위한 데이터 사이에, 적어도 얼굴부위 형상에 비교적 큰 차이가 존재함으로, 기본 모델의 파라미터의 전역의 최적치를 쉽게 획득할 수 없게 된다.

기본 모델의 트레이닝 과정 중, 트레이닝을 위한 데이터 사이의 적어도 눈 부위 형상 상 비교적 큰 차이가 존재하고, 기본 모델의 파라미터의 전체 최적치를 쉽게 획득할 수 없게 된다.

모델 트레이닝 부분은 모델의 영사 관계(예, 투영 함수 Y=F(x))를 구축하는 데 이용할 수 있다. 즉, 트레이닝을 위한 데이터에 따라 영사 관계를 나타내는 모델의 파라미터w를 트레이닝 한다. 트레이닝을 통해 획득한 파라미터 w가 고정되게 할 수 있고, 이를 기초로 하여 추정과 추측(테스트 또는 예측으로 칭해질 수도 있음)을 진행한다. 모델 트레이닝 부분의 조작은 오프라인 동작 또는 온라인 동작일 수 있고, 바람직하게, 오프라인 동작이다. 서버 또는 휴대폰 등 전자 장치 실행으로 실행할 수 있다. 추정 부분과 사용 부분은 트레이닝을 거친 모델을 사용할 수 있고, 사용하는 트레이닝을 거친 모델의 파라미터 w는 추정 부분 및 실제 사용 부분의 조작에서 변하지 않는다. 추정 부분의 조작 및 실제 사용 부분의 조작 중 각각의 조작은 온라인 조작일 수 있고, 오프라인 조작일 수 있다. 바람직하게, 추정 부분의 조작 및 실제 사용 부분의 조작 중의 각각의 조작은 온라인 조작일 수 있고, 오프라인 조작일 수 있다. 바람직하게, 추정 부분의 조작과 실제 사용 부분의 조작 중 각각의 조작은 온라인 조작이고, 휴대폰 등 전자 장치로 실행될 수 있다.

공개된 본 발명의 예시적 실시예의 시선 추정 방법은 예를 들어 휴대폰, 태블릿 PC, 스마트워치 등과 같은 각종 전자 장치에 응용될 수 있다. 공개된 본 발명의 부분 예시적 실시예에서, 휴대폰을 예로 설명을 진행했다. 그러나, 이는 공개된 본 발명에 대한 제한하여서는 안된다.

본 명세서에서 설명된 실시예들은 기존의 시선 추정 기술을 개선하여, 특정 사용자에 대해 적응적인 시선 추정을 구현할 수 있다. 또한, 실시예들은 시선 추정에 이용되는 뉴럴 네트워크 모델의 캘리브레이션(calibration) 과정 중 뉴럴 네트워크 모델의 파라미터들을 계산하는 동작이나 뉴럴 네트워크 모델을 다시 트레이닝하는 동작을 줄이거나 면할 수 있다. 이로써, 하드웨어 자원의 소모를 줄일 수 있다. 해당 뉴럴 네트워크 모델의 캘리브레이션 과정을 통해, 시선 추정의 성능 또는 효과(예, 시선 추정 결과의 정확도)를 효과적으로 개선할 수 있다. 특히, 특정 사용자(또는, 특정인)에 대한 시선 추정의 성능 내지 효과를 제고할 수 있다. 캘리브레이션 과정을 통해 획득한 뉴럴 네트워크 모델은 더 강한 특징 추출 능력을 가진다. 공개된 실시예들의 유익한 효과는 다음의 몇 가지 측면들 중 어느 하나로 나타날 수 있다.

제1 측면은 다음과 같다. 기존의 깊은 학습(deep learning)을 기초로 하여 특징을 추출하는 해결 방안(즉, 영상에 나타난 눈동자의 외관을 기초로 한 해결 방안)에서 정의된 손실 함수(loss function)는 시선 추정에 이용되는 모델의 특징 추출 능력을 떨어지게 할 수 있다. 본 명세서에서 제시되는 실시예는 기존의 해결 방안과 다른 새로운 손실 함수를 사용함으로써, 시선 추정에 이용되는 뉴럴 네트워크 모델의 특징 추출 능력을 향상시킬 수 있다.

제2 측면은 다음과 같다. 기존의 시선 추정 방안의 경우, 일반적으로 사용되는 기본 모델과 특정한 사용자를 겨냥한 특정한 모델을 트레이닝(training)해야 한다. 또한, 적어도 사용자의 모바일 장치에서 해당 특정한 모델을 트레이닝을 수행 할 필요성이 있어, 복잡한 동작을 요구하고, 자원 소모의 증가를 초래하였다. 본 명세서에서 제시된 실시예의 경우, 제안된 뉴럴 네트워크 모델의 구조가 특정한 순서에 따라 특징 차이를 계산할 수 있고, 계산한 특징 차이를 통해 서로 다른 사용자들 간의 외관 상의 차이를 제거할 수 있고, 트레이닝 과정을 거쳐 획득한 분류기를 통해 캘리브레이션 및 테스트(또는 추정)를 진행함으로써, 캘리브레이션 과정 중 뉴럴 네트워크 모델을 트레이닝하기 위한 동작을 줄이거나 면할 수 있다.

제3 측면은 다음과 같다. 본 명세서에서 제시된 실시예의 경우, 특정한 환경에서 획득한 데이터와 시선 정보는 캘리브레이션을 위해 이용될 수 있고, 이를 통해 캘리브레이션 효율이 개선될 수 있다.

이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.

도 4는 일 실시예에 따른 시선 추정 방법의 동작을 설명하기 위한 흐름도이다. 시선 추정 방법은 본 명세서에서 설명되는 시선 추정 장치에 의해 수행될 수 있다.

도 4를 참조하면, 단계(410)에서 시선 추정 장치는 사용자의 눈 영역을 포함하는 영상을 획득한다. 해당 영상을 이용하여 시선 추정 과정이 수행된다.

일 실시예에서, 위 시선 추정 과정 이전에, 시선 추정에 이용될 뉴럴 네트워크 모델을 획득하는 과정과 해당 뉴럴 네트워크 모델에 대한 캘리브레이션 과정이 먼저 수행될 수 있다.

뉴럴 네트워크 모델을 획득하는 과정은, 뉴럴 네트워크 모델의 트레이닝을 위해 이용되는 트레이닝 데이터를 이용하여 뉴럴 네트워크 모델을 트레이닝하는 단계를 포함한다. 뉴럴 네트워크 모델을 획득하는 과정은 뉴럴 네트워크 모델을 트레이닝하는 과정에 대응할 수 있다. 트레이닝 데이터는 뉴럴 네트워크 모델의 트레이닝을 위해 이용되는 영상 관련 데이터와 트레이닝을 위한 시선 태그(sight tag)를 포함한다.

예시적 실시예에서, 데이터는 특정 포인트(주시점이라고도 칭함)를 주시하는 사용자와 관련된 데이터를 포함할 수 있다. 예를 들어, 데이터는 사용자 영상, 사용자의 깊이 데이터(예, 사용자의 얼굴 부위에 위치한 포인트의 깊이 데이터)등을 포함할 수 있다. 데이터는 영상 관련 데이터(예, RGB 영상 또는 깊이 영상)를 포함할 수 있고, 시선 태그는 2차원 시선 태그(예, 2차원 좌표 값), 3차원 시선 태그(3차원 좌표 값)등 일 수 있다. 뉴럴 네트워크 모델은 특징 추출을 위해 이용되는 네트워크 레이어와 분류기를 포함할 수 있고, 특징 추출을 위해 이용되는 네트워크 레이어와 분류기는 모델 트레이닝 과정을 통해 결정될 수 있고, 특징 추출을 위해 이용되는 네트워크 레이어는 단계(420)의 특징 획득을 위해 이용될 수 있고, 분류기는 단계(430)의 시선 추정을 위해 이용될 수 있다.

트레이닝 데이터는, 예를 들어 제1 사용자 영상과 제2 사용자 영상을 포함할 수 있고, 제1 사용자 영상과 제2 사용자 영상은 각각 동일한 사용자가 제1 대상을 주시할 때에 획득된 사용자 영상과 제2 대상을 주시할 때에 획득된 사용자 영상일 수 있다.

뉴럴 네트워크 모델을 트레이닝하는 단계는, 해당 제1 사용자 영상과 제2 사용자 영상을 입력으로 하고, 제1 대상과 제2 대상의 상대적인 위치 관계에 대한 데이터를 출력하는 뉴럴 네트워크 모델을 트레이닝하는 단계를 포함한다. 구체적으로, 뉴럴 네트워크 모델을 트레이닝하는 단계는, 시선 태그의 라벨을 두 개의 카테고리로 분류하는 단계, 두 개의 카테고리로 분류된 시선 태그에 대응하는 손실 함수를 결정하는 단계, 및 해당 트레이닝을 위한 영상과 두 개의 카테고리로 분류된 시선 태그 및 손실 함수를 이용하여 뉴럴 네트워크 모델을 트레이닝하는 단계를 포함할 수 있다. 여기서, 시선 태그의 라벨을 두 개의 카테고리로 분류하는 단계는 트레이닝을 위해 이용되는 시선 태그의 특정 좌표축 상의 좌표를 결정하는 단계, 해당 특정 좌표축 상을 기준으로 미리 결정된 간격으로 복수 개의 노드(node)들을 설정하는 단계 및 복수 개의 노드들의 개수를 차원(dimension)으로 하는 벡터를 포함하는, 상기 두 개의 카테고리로 분류된 시선 태그를 생성하는 단계를 포함할 수 있다. 벡터의 각 차원의 값은, 미리 결정된 간격의 크기와 특정 좌표축 상의 좌표에 의해 결정될 수 있다. 손실 함수는 벡터의 각 차원의 값과 각 노드에 대응하는 트레이닝 데이터에 의해 계산되는 활성화 확률(activation probability)을 기초로 계산될 수 있다.

다른 실시예에 따르면, 뉴럴 네트워크 모델은 복수 개가 존재할 수 있고, 이 경우 뉴럴 네트워크 모델을 트레이닝하는 단계는, 제1 뉴럴 네트워크 모델을 이용하여 영상 관련 데이터와 시선 태그로부터 두 쌍의 샘플들을 추출하는 단계와 추출된 두 쌍의 샘플들을 이용하여 제2 뉴럴 네트워크 모델 기반의 분류기를 트레이닝하는 단계를 포함할 수 있다. 해당 두 쌍의 샘플들을 추출하는 단계는 적어도 두 차례 실행되어, 현재 차례에서 추출된 두 쌍의 샘플들에 포함된 두 개의 시선 태그들 사이의 차이가 이전 차례에서 추출된 두 쌍의 샘플들에 포함된 두 개의 시선 태그들 사이의 차이보다 작아지게 할 수 있다.

일 실시예에서, 제2 뉴럴 네트워크 모델 기반의 분류기를 트레이닝하는 단계는, 트레이닝된 제1 뉴럴 네트워크 모델을 통해 트레이닝을 위한 두 개의 영상 관련 데이터의 특징들을 추출하는 단계, 두 개의 영상 관련 데이터의 특징들 간의 특징 차이를 계산하는 단계 및 해당 특징 차이를 입력으로 하고, 상기 두 개의 영상 관련 데이터에 대응하는 두 개의 카테고리 태그를 출력으로 하는 제2 뉴럴 네트워크 모델 기반의 분류기를 트레이닝하는 단계를 포함할 수 있다.

일 실시예에서, 위 제2 뉴럴 네트워크 모델 기반의 분류기를 트레이닝하기 전에, 제1 뉴럴 네트워크 모델을 기초로 제2 뉴럴 네트워크 모델의 파라미터들을 설정하는 단계가 수행될 수 있고, 제1 뉴럴 네트워크 모델과 상기 제2 뉴럴 네트워크 모델은 특징 추출을 위한 동일한 네트워크 레이어(network layer)를 가질 수 있다.

위 두 쌍의 샘플들을 이용하여 분류기를 트레이닝하는 단계는, 두 쌍의 샘플들에 포함된 두 개의 영상 관련 데이터와 두 개의 영상 관련 데이터에 대응하는 두 개의 카테고리 태그를 이용하여 제2 뉴럴 네트워크 모델 기반의 분류기를 트레이닝하는 단계를 포함할 수 있다. 여기서, 두 쌍의 샘플들은 동일 사용자에 대응되고, 각각의 샘플은 하나의 영상 관련 데이터와 하나의 영상 관련 데이터에 대응되는 하나의 시선 태그를 포함할 수 있다. 일 실시예에서, 두 쌍의 샘플에 포함된 두 개의 시선 태그들 사이의 차이는, 제1 임계 값보다 크고 제2 임계 값보다는 작을 수 있다.

일 실시예에서, 제2 뉴럴 네트워크 모델 기반의 분류기를 트레이닝하는 단계는, 다른 두 쌍의 샘플들을 더 추출하는 단계와 해당 추출된 다른 두 쌍의 샘플들을 이용하여 분류기를 트레이닝하는 단계를 더 포함할 수 있다. 이 때, 해당 다른 두 쌍의 샘플에 포함된 두 개의 시선 태그들 사이의 차이는, 제3 임계 값보다 크고 제4 임계 값보다는 작을 수 있다. 여기서, 제2 임계 값은 제1 임계 값 이상이고, 제3 임계 값은 제2 임계 값 이하일 수 있다.

뉴럴 네트워크 모델을 트레이닝 하는 과정 중, 트레이닝을 위해 이용된 데이터 및/또는 트레이닝을 위해 이용되는 시선 태그에 대해 처리를 진행하여 뉴럴 네트워크 모델을 보다 효과적으로 트레이닝 할 수 있다. 해당 처리는 트레이닝을 위한 시선 태그를 두 개의 카테고리로 분류된 태그로 변환하는 처리 및 트레이닝을 위해 이용되는 영상 관련 데이터(예, RGB 영상)을 슬라이스로 생성하는 처리 중 적어도 하나의 처리를 포함할 수 있다.

일 실시예에서, 트레이닝을 위해 이용되는 데이터는 제3 사용자 영상을 포함할 수 있고, 뉴럴 네트워크 모델을 트레이닝 하는 단계는 제3 사용자 영상으로부터 적어도 하나의 슬라이스를 추출하는 단계, 적어도 한 개의 슬라이스 및 트레이닝을 위해 이용하는 시선 태그를 이용하여 뉴럴 네트워크 모델을 트레이닝 하는 단계를 포함할 수 있다.

일 실시예에서, 추정을 위한 데이터는 제4 사용자 영상을 포함하고, 추측을 위한 데이터는 제5 사용자 영상을 포함할 수 있고, 단계(420)의 제1 특징을 추출하는 단계는 트레이닝된 뉴럴 네트워크 모델을 통해 제4 사용자 영상의 특징 및/또는 트레이닝된 뉴럴 네트워크 모델을 통해 제5 사용자 영상의 특징을 추출하는 단계를 포함할 수 있다.

일 실시예에서, 트레이닝을 위해 이용되는 시선 태그를 두 개의 카테고리로 분류된 태그로 변환하는 단계는, 트레이닝을 위해 이용되는 시선 태그의 특정 좌표 상의 좌표

를 확정하는 단계를 포함하고, 여기서,

이고,

및

는 각각 좌표

의 최소값과 최대 값일 수 있다. 특정 좌표 축 상에 bin_size의 크기를 가지는 미리 결정된 간격으로 복수 개의 교점들이 설정되고, 복수 개 교점들의 수량을 차원(dimension)으로 하는 벡터 형태의 두 개의 카테고리로 분류된 태그가 생성될 수 있다. 손실 함수는 해당 벡터의 각 차원의 값 및 활성화 확률에 기초하여 계산되고, 해당 활성화 확률은 각각의 교점에 대응하는 트레이닝 데이터에 기초하여 계산될 수 있다.

일례로, 트레이닝 데이터는 제6 사용자 영상 및 트레이닝을 위해 이용되는 시선 태그를 포함할 수 있고, 이 경우 뉴럴 네트워크 모델을 트레이닝하는 단계는, 해당 제6 사용자 영상으로부터 적어도 하나의 슬라이스를 추출하는 단계, 트레이닝을 위해 이용되는 시선 태그를 두 개의 카테고리로 분류된 태그로 변환하는 단계, 두 개의 카테고리로 분류된 태그에 대응하는 손실 함수를 결정하는 단계, 및 적어도 하나의 슬라이스, 두 개의 카테고리로 분류된 태그 및 해당 손실 함수를 이용하여 뉴럴 네트워크 모델을 트레이닝하는 단계를 포함한다.

뉴럴 네트워크 모델의 캘리브레이션 과정은, 캘리브레이션 포인트를 디스플레이하는 단계, 사용자가 해당 디스플레이된 캘리브레이션 포인트를 주시할 때의 사용자를 촬영한 영상인 캘리브레이션 영상을 획득하는 단계와 획득된 캘리브레이션 영상을 이용하여 뉴럴 네트워크 모델의 캘리브레이션을 수행하는 단계를 포함할 수 있다.

위 캘리브레이션 과정에서, 캘리브레이션 영상을 획득하는 단계는 캘리브레이션 포인트에 대한 사용자의 제스쳐의 수신에 응답하여, 제스쳐에 대응하는 동작 포인트(operation point)와 캘리브레이션 포인트 간의 거리를 결정하는 단계, 및 해당 결정된 거리가 임계 값보다 작은 경우 위 획득된 캘리브레이션 영상을 캘리브레이션을 수행하는데 이용될 캘리브레이션 영상으로 결정하는 단계를 포함할 수 있다. 이렇게 결정된 캘리브레이션 영상을 기초로 뉴럴 네트워크 모델에 대한 캘리브레이션이 수행될 수 있다.

단계(420)에서, 시선 추정 장치는 단계(410)에서 획득된 영상으로부터 시선 추정을 위해 이용되는 데이터의 제1 특징을 추출할 수 있다. 시선 추정 장치는 캘리브레이션이 수행된 뉴럴 네트워크 모델을 이용하여 제1 특징을 추출할 수 있다. 뉴럴 네트워크 모델에는 시선 추정을 위한 영상이 입력되고, 뉴럴 네트워크 모델로부터 제1 특징이 출력될 수 있다. 시선 추정 장치는 추정을 위해 이용되는 데이터의 특징과 추측을 위해 이용되는 데이터의 특징을 획득할 수 있다.

단계(430)에서, 단계(420)에서 추출한 특징을 이용하여 시선 추정을 수행한다. 시선 추정 장치는 제1 특징과 뉴럴 네트워크 모델의 캘리브레이션을 위해 이용된 데이터의 제2 특징을 이용하여 사용자의 시선을 추정할 수 있다. 여기서, 캘리브레이션을 위해 이용된 데이터의 제2 특징은, 해당 뉴럴 네트워크 모델을 이용하여 추출된 것일 수 있다. 사용자의 시선 추정을 수행하기 전, 시선 추정 장치는 캘리브레이션에 이용될 데이터를 획득하는 과정을 수행할 수 있다. 예를 들어, 특정 포인트를 캘리브레이션 포인트들 중 어느 하나로 할 때, 시선 추정 장치는 특정 포인트에 대한 사용자 동작에 기초하여 뉴럴 네트워크 모델의 캘리브레이션에 이용될 데이터를 획득할 수 있다. 여기서, 특정 포인트는, 예를 들어 전자 장치의 스크린 상의 특정 포인트, 상기 전자 장치 상의 버튼의 위치에 대한 특정 포인트 및 상기 전자 장치와 기결정된 상대적인 위치 관계를 가지는 특정 포인트 중 적어도 하나를 포함할 수 있다.

일 실시예에서, 시선 추정 장치는 사용자의 시선을 추정하는데 있어, 뉴럴 네트워크 모델을 이용하여, 제1 특징과 제2 특징으로부터 사용자의 주시 영역(gaze area)에서의 주시점(gaze point)의 위치를 추정할 수 있다. 시선 추정 장치는 제1 특징과 상기 제2 특징 간의 특징 차이를 계산하고, 해당 뉴럴 네트워크 모델을 이용하여 위 특징 차이에 대응하는 뉴럴 네트워크 모델의 출력 결과를 추정할 수 있다. 시선 추정 장치는 해당 추정 결과에 따라, 주시 영역이 분할된 복수의 서브 영역들(sub-regions) 각각에 상기 주시점이 속할 확률을 계산하고, 서브 영역들 각각에 대해 계산된 확률 중 가장 높은 확률의 서브 영역의 중심 위치를 주시점의 위치로 결정할 수 있다.

주시 영역이 2차원 평면(two-dimensional plane) 상의 영역인 경우, 각 캘리브레이션 포인트를 기준으로 서로 수직 교차하는 두 개의 직선들이 설정되고, 설정된 직선들을 기초로 주시 영역을 복수 개의 서브 영역들로 분할하는 것에 의해 주시 영역의 서브 영역들이 획득될 수 있다. 주시 영역이 3차원 공간(three-dimensional space) 내의 영역인 경우, 각 캘리브레이션 포인트를 기준으로 서로 직교하는 세 개의 직선들이 설정되고, 설정된 직선들을 기초로 주시 영역을 복수 개의 서브 영역들로 분할하는 것에 의해 주시 영역의 서브 영역들이 획득될 수 있다.

주시점이 속할 확률을 계산하는 것과 관련하여, 시선 추정 장치는 각각의 캘리브레이션 포인트에 대응하는 뉴럴 네트워크 모델의 추정 결과에 대해, 주시점의 각 차원에서의 좌표가 각 캘리브레이션 포인트의 각 차원에서의 좌표보다 작거나 또는 클 확률을 결정하고, 해당 결정된 확률에 기초하여 주시점이 각 서브 영역들에 속할 확률을 계산할 수 있다. 시선 추정 장치는 복수의 서브 영역들 각각의 비교 관계 확률(comparison relationship probability)에 기초하여 주시점이 서브 영역들 각각에 속할 확률을 계산할 수 있다.

위 실시예들에서의 설정은 실시예들을 보다 편리하게 설명하기 위한 것일 뿐, 실시예들의 범위를 제한하기 위한 것이 아니다.

일 실시예에서, 먼저 오프라인 방식으로 뉴럴 네트워크 모델이 트레이닝되거나 또는 캘리브레이션을 위한 데이터의 특징들이 획득될 수 있다. 트레이닝된 뉴럴 네트워크 모델 및 획득된 캘리브레이션을 위한 데이터의 특징들은 스토리지 장치에 저장될 수 있다. 특히, 일 실시예에 따른 시선 추정을 수행하는 전자 장치(예를 들어, 모바일 폰)에 저장될 수 있다. 따라서, 추정된 데이터의 특징들은 실시간으로 획득될 수 있고, 시선 추정도 실시간으로 수행될 수 있다.

도 5는 일 실시예에 따른 뉴럴 네트워크 모델을 트레이닝하는 일례를 설명하기 위한 도면이다.

도 5에 도시된 바와 같이, 트레이닝을 위해 이용되는 트레이닝 데이터는 영상(사진이라고도 칭함)을 포함한다. 트레이닝을 위해 이용되는 영상으로부터 적어도 한 개의 슬라이스가 추출될 수 있고, 추출된 적어도 한 개의 슬라이스는 제1 뉴럴 네트워크 모델의 트레이닝을 위해 이용될 수 있다. 또한, 트레이닝을 위해 이용되는 시선 태그는 두 개의 카테고리(또는 두 부류)로 분류된 태그로 변환될 수 있고, 변환된 두 부류의 태그도 제1 뉴럴 네트워크 모델을 트레이닝하기 위해 이용될 수 있다.

변환된 두 개의 카테고리로 분류된 태그를 제1 뉴럴 네트워크 모델을 트레이닝하기 위해 이용할 때, 트레이닝된 제1 뉴럴 네트워크 모델은 두 개의 카테고리로 분류하는 분류기와 특징 추출을 위해 이용되는 네트워크 레이어를 포함할 수 있다. 특징 추출을 위해 이용되는 네트워크 레이어의 입력은 트레이닝을 위해 이용되는 영상이고, 해당 네트워크 레이어의 출력은 트레이닝을 위해 이용되는 영상의 특징일 수 있다. 두 개의 카테고리로 분류하는 분류기의 입력은 트레이닝을 위해 이용되는 영상의 특징이고, 해당 분류기의 출력은 두 개의 카테고리로 분류된 태그일 수 있다. 제1 뉴럴 네트워크를 트레이닝하는 과정은 구체적으로 아래의 트레이닝 과정 A를 포함할 수 있다.

트레이닝 과정 A는, 트레이닝을 위해 이용하는 시선 태그가 두 개의 카테고리로 분류된 태그로 변환되고, 해당 두 개의 카테고리로 분류된 태그에 대응하는 제1 손실 함수가 결정되고, 트레이닝을 위해 이용되는 영상, 두 개의 카테고리로 분류된 태그 및 제1 손실 함수를 이용하여 제1 뉴럴 네트워크 모델이 트레이닝되는 과정을 포함할 수 있다. 트레이닝의 목표는 트레이닝을 통해 획득할 수 있는 제1 손실 함수의 결과 값을 최소화할 수 있는 제1 뉴럴 네트워크 모델의 파라미터들을 획득하는 것이다. 해당 파라미터들은 제1 뉴럴 네트워크 모델의 각 레이어들의 가중치 파라미터를 포함할 수 있다.

구체적으로, 트레이닝을 위한 시선 태그 Y를 일련의 두 개의 카테고리로 분류된 태그 Y' 로 변환할 수 있고, 트레이닝을 위한 영상 및 두 개의 카테고리로 분류된 태그 Y' 를 통해 제1 뉴럴 네트워크 모델이 트레이닝될 수 있다. 트레이닝을 위한 영상으로부터 추출된(또는 분류된) 적어도 한 개의 슬라이스 및 두 개의 카테고리로 분류된 태그 Y' 를 통해 제1 뉴럴 네트워크 모델이 트레이닝될 수 있다. 여기서, 트레이닝을 위해 이용되는 영상으로부터 적어도 한 개의 슬라이스를 추출(또는 분류)하는 동작은 아래에서 상세히 설명한다. 트레이닝을 위해 이용되는 영상(또는, 추출 또는 분류를 통해 획득한 적어도 한 개의 슬라이스) 및 두 개의 카테고리로 분류된 태그 Y' 에 기초하여 제1 손실 함수가 결정되며, 제1 손실 함수에 기초하여 제1 뉴럴 네트워크 모델이 편리하게 트레이닝될 수 있다. 두 개의 카테고리로 분류된 태그 Y' 를 이용하여 제1 뉴럴 네트워크 모델을 트레이닝하는 것을 통해 제1 뉴럴 네트워크 모델의 출력이 더 쉽게 수렴할 수 있거나 또는 수렴 속도가 더 빨라질 수 있다. 트레이닝한 제1 뉴럴 네트워크 모델을 이용하여 데이터(예, 영상)의 제1 특징을 추출할 수 있다.

일 실시예에서, 트레이닝을 위해 이용되는 시선 샘플을 두 개의 카테고리로 분류되는 샘플로 변환하는 단계는, 트레이닝을 위해 이용되는 시선 샘플의 특정 좌표축 상의 좌표 Y_a를 확정하는 단계 및 특정 좌표축 상에 미리 결정된 간격으로 복수 개의 교점들을 설정하는 단계를 포함한다. 여기서, Y_amin<Y_a<Y_amax이고, Y_amin과 Y_amax는 각각 좌표 Y_a의 최소값과 최대값을 나타낸다. 미리 결정된 간격의 크기는

이고, 복수 개의 교점들의 수량

는

+1로 획득한 결과의 정수 부분에 해당한다. 차원이

인 벡터를 포함하는 두 개의 카테고리로 분류된 태그가 생성되고, 해당 벡터의 각각의 차원의 값은 아래의 수학식 1을 통해 계산될 수 있다.

여기서,

이다.

예를 들어, 특정 좌표축은 2차원, 3차원 또는 더 높은 차원의 좌표계 상의 한 개의 축이고,

및

는 해당 한 개의 좌표축 상의 한 개의 좌표의 범위를 제한한다. 이러한 경우, 한 개의 좌표축 상에

개의 교점들(예를 들어, 20개의 픽셀 간격을 둔 같은 간격의

개의 교점들)이 설정될 수 있다. 원소의 값이

이고 차원이

인 열 벡터 또는 행 벡터가 설정될 수 있고, 한 개의 좌표축 상에 한 개의 좌표에 대응하는 두 개의 카테고리로 분류된 태그는 열 벡터 또는 행 벡터를 포함할 수 있다. 2차원 좌표로 표시되는 시선 태그에 대응하는 두 개의 카테고리로 분류된 태그는 두 개의 벡터(즉, 각각 x 축과 y축에 대응하는 벡터)를 포함하고,

개의 분류기에 대응할 수 있다. 여기서,

는 x축에 대응하는 벡터의 차원을 나타내고,

는 y축에 대응하는 벡터의 차원을 나타내고,

는z축에 대응하는 벡터의 차원을 나타낸다.

일 실시예에서, 2차원 좌표（

）를 이용해 시선 태그를 나타내고, 휴대폰 스크린 상의 좌표축을 기초로 하여 교점들이 설정될 수 있다. 예를 들어, 휴대폰 스크린에서 좌상각을 좌표 원점（0, 0）으로 정의하면, 휴대폰 스크린의 좌상각의 위치에서 좌하각 방향은 y 축(예, 세로축)의 정방향에 해당한다. 횡축의 가장 큰 값은

이고, 가장 작은 값은

로 정의한다.

이러한 좌표계에서, x 축 상에 20개의 픽셀들을 간격

로 교점을 설정한다. x 축 상의 교점의 수량

는

+1 로 획득한 결과의 정수 부분에 해당한다. y 축 상에 20개 픽셀들을 간격

으로 하여 교점을 설정한다. y 축 상의 교점의 수량

는

+1로 획득한 결과의 정수 부분에 해당한다. 이렇게 획득된, 좌표가 （

）인 시선 태그로부터 차원이

인 벡터와 차원이

인 벡터가 생성될 수 있다. 차원이

인 벡터를 구성하는 각각의 원소

는 다음과 같다.

차원이

인 벡터를 구성하는 각각의 원소

는 다음과 같다.

위와 같은 경우, 좌표가 (Y_x, Y_y)인 시선 태그에 대응하는 두 개의 카테고리로 분류된 태그는, 차원이 bin_num_x인 벡터와 차원이 bin_num_y인 벡터를 포함할 수 있다. 좌표가 (Y_x, Y_y)인 시선 샘플에 대응하는 두 개의 카테고리로 분류하는 분류기의 개수는 bin_num_x+bin_num_y 개이다.

일 실시예에서, 손실 함수는 두 개의 카테고리로 분류하는 분류기에 기초하여 계산한 크로스 엔트로피 손실일 수 있다. 예를 들어, 아래 수학식 4에 따라 손실 함수가 계산될 수 있다.

여기서, 손실 함수는 Loss이고, 제i 개 교점의 활성화 확률

는 다음과 같이 정의될 수 있다.

여기서, zi는 제i 개 교점의 입력을 나타낸다. 예를 들어, zi는 제ｉ 개 교점에 대응하는 트레이닝 데이터의 일부 또는 전부를 나타낸다.

일 실시예에 따르면, 다음과 같은 단계가 더 수행될 수 있다. 트레이닝 데이터와 트레이닝을 위해 이용되는 시선 태그를 이용하여 샘플을 추출하고, 추출된 샘플에 기초하여 위에서 설명된 제1 뉴럴 네트워크 모델과 다른 제2 뉴럴 네트워크 모델을 트레이닝 하는 단계가 더 수행될 수 있다. 또는, 트레이닝 데이터와 트레이닝을 위한 시선 태그에 기초하여 제1 뉴럴 네트워크 모델을 트레이닝하고, 제1 뉴럴 네트워크 모델을 기반으로 제2 뉴럴 네트워크 모델을 설정하고, 트레이닝 데이터와 트레이닝을 위한 시선 태그를 통해 추출한 샘플에 기초하여 제2 뉴럴 네트워크 모델을 트레이닝하는 단계가 더 수행될 수 있다. 여기서, 트레이닝을 위한 시선 태그는 두 개의 카테고리로 분류된 태그로 변환되고, 두 개의 카테고리로 분류된 태그는 각각 대응하는 뉴럴 네트워크 모델에서 이용된다.

구체적으로, 제1 뉴럴 네트워크 모델을 트레이닝하지 않는 경우, 제2 뉴럴 네트워크 모델이 트레이닝될 수 있다. 바꾸어 말하면, 제2 뉴럴 네트워크를 트레이닝하는 단계는 트레이닝을 위해 이용되는 영상 관련 데이터 및 트레이닝을 위해 이용되는 시선 태그로부터 두 쌍의 샘플을 추출하는 단계 및 두 쌍의 샘플로 제2 뉴럴 네트워크 모델을 트레이닝하는 단계를 포함한다. 여기서, 두 쌍의 샘플은 동일한 사용자에 대응하고, 각각의 샘플은 트레이닝을 위해 이용되는 영상 관련 데이터와 이에 대응하는 시선 태그를 포함하고, 두 쌍의 샘플에서 두 개의 시선 태그 사이의 차이는 제1 역치보다 크고 제2 역치보다 작을 수 있다.

제1 뉴럴 네트워크 모델이 트레이닝된 이후에, 제2 뉴럴 네트워크 모델이 트레이닝될 수 있다. 바꾸어 말하면, 뉴럴 네트워크 모델을 트레이닝 하는 단계는, 트레이닝을 위해 이용되는 시선 태그를 두 개의 카테고리로 나뉘는 태그로 변환하는 단계, 두 개의 카테고리로 분류된 태그에 대응하는 손실 함수를 결정하는 단계, 트레이닝을 위해 이용되는 영상 관련 데이터, 두 개의 카테고리로 분류된 태그 및 결정된 손실 함수로 제1 뉴럴 네트워크 모델을 트레이닝하는 단계, 트레이닝한 제1 뉴럴 네트워크 모델을 기초로 하여 제2 뉴럴 네트워크 모델의 파라미터를 설정하는 단계를 포함할 수 있다. 여기서, 트레이닝한 제2 뉴럴 네트워크 모델과 트레이닝 한 제1 뉴럴 네트워크 모델은 특징 추출을 위해 이용되는 동일한 네트워크 레이어를 가질 수 있다. 이 경우, 트레이닝을 위해 이용되는 영상 관련 데이터 및 해당 영상 관련 데이터에 대응하는 두 부류의 태그에 기초하여 제2 뉴럴 네트워크 모델의 분류기가 트레이닝될 수 있다.

다른 실시예에서, 뉴럴 네트워크 모델을 트레이닝하는 단계는, 두 쌍의 샘플을 추출하는 단계를 통해 다른 두 쌍의 샘플을 추출하는 단계, 다른 두 쌍의 샘플을 이용하여 상제2 뉴럴 네트워크 모델을 계속하여 트레이닝하는 단계를 더 포함할 수 있다. 여기서, 다른 두 쌍의 샘플의 두 개의 시선 태그 사이의 차이는 제3 역치보다 크고 제4 역치보다 작고, 이 중, 제3 역치는 제1 역치보다 크거나 같고, 제4역치는 제2 역치보다 작거나 같을 수 있다. 두 쌍의 샘플을 추출하는 단계는, 적어도 두 차례 실행되어 매 회 추출된 두 쌍의 샘플의 두 개의 시선 태그 사이의 차이는 이전 차례에 추출된 두 쌍의 샘플의 두 개의 시선 태그 사이의 차이보다 작을 수 있다.

아래에서는, 제1 뉴럴 네트워크 모델을 트레이닝하고, 트레이닝된 제1 뉴럴 네트워크 모델을 기초로 하여 제2 뉴럴 네트워크 모델을 설정하고, 설정된 제2 뉴럴 네트워크 모델을 트레이닝하는 상황을 예로 들어 설명한다. 이 경우, 뉴럴 네트워크 모델의 트레이닝 과정은 트레이닝 과정 B와 트레이닝 과정 C를 포함할 수 있다.

트레이닝 과정 B에서, 트레이닝을 위해 이용되는 영상 관련 데이터와 트레이닝을 위한 시선 태그로부터 두 쌍의 샘플이 추출될 수 있다. 추출된 두 쌍의 샘플은 동일 고객에게 대응되고, 각각의 샘플은 한 개의 트레이닝을 위해 이용되는 영상 관련 데이터 한 개 및 트레이닝을 위해 이용되는 대응되는 시선 태그 한 개를 포함할 수 있다. 두 쌍의 샘플에서 두 개의 시선 태그 사이의 차이는 제1 역치보다 크고 제2 역치보다 작고, 두 쌍의 샘플을 표시하기 위해 이용되는 두 개의 트레이닝을 위한 시선 태그의 위치 관계의 함수가 제2 손실 함수로 이용될 수 있다. 해당 두 쌍의 샘플과 제2 손실 함수를 통해 제2 뉴럴 네트워크 모델이 트레이닝될 수 있다. 트레이닝의 목표는 제2 손실 함수의 결과 값을 최소화할 수 있는 제2 뉴럴 네트워크 모델의 파라미터들을 결정하는 것이다. 해당 파라미터들은 제2 뉴럴 네트워크 모델을 구성하는 각 레이어들의 가중치 파라미터들을 포함할 수 있다. 트레이닝 과정 B의 제2 뉴럴 네트워크 모델의 파라미터들은 트레이닝 과정 A 중의 트레이닝된 제1 뉴럴 네트워크 모델의 파라미터들을 기초로 하여 설정될 수 있고, 제2 뉴럴 네트워크 모델과 제1 뉴럴 네트워크 모델은 특징 추출을 위해 이용되는 동일한 네트워크 레이어를 가질 수 있다. 선택적으로, 제2 손실 함수와 제1 손실 함수는 동일할 수 있다.

일 실시예에서, 다음과 같은 단계들을 통해 제2 뉴럴 네트워크 모델의 분류기가 트레이닝될 수 있다. 예를 들어, 제2 뉴럴 네트워크 모델의 분류기는, 트레이닝된 제1 뉴럴 네트워크 모델을 통해 두 개의 트레이닝을 위해 이용되는 영상 관련 데이터의 특징을 추출하는 단계, 두 개의 트레이닝을 위해 이용되는 영상 관련 데이터들의 특징 사이의 특징 차이를 계산하는 단계, 해당 특징 차이를 입력으로 하고, 해당 두 개의 트레이닝을 위해 이용되는 영상 관련 데이터에 대응하는 두 개의 카테고리로 분류된 태그를 출력하는 제2 뉴럴 네트워크 모델의 분류기를 트레이닝하는 단계를 통해 트레이닝될 수 있다. 여기서, 영상 관련 데이터의 특징은 벡터일 수 있고, 특징 차이는 벡터들 간의 차이일 수 있다.

트레이닝 과정 C에서, 두 쌍의 샘플을 추출하는 단계를 통해 다른 두 쌍의 샘플을 더 추출하고, 이 중, 다른 두 쌍의 샘플에 포함된 두 개의 시선 태그 사이의 차이는 제3 역치보다 크고 제4 역치보다 작을 수 있다. 제3 역치는 제1 역치보다 크거나 같고, 제4 역치는 제2 역치보다 작거나 같을 수 있다. 해당 다른 두 쌍의 샘플을 이용하여 제2 뉴럴 네트워크 모델을 계속하여 트레이닝하는 것을 통해, 두 쌍의 샘플에 포함된 두 개의 시선 태그 사이의 차이가 점차 감소되도록 한다.

도 6은 일 실시예에 따른 제2 뉴럴 네트워크 모델을 트레이닝하는 일례를 설명하기 위한 도면이다.

도 6에 도시된 특징 추출을 위해 이용되는 제2 뉴럴 네트워크 모델의 네트워크 레이어는 도 5에 대한 설명을 참고하여 트레이닝될 수 있다. 제1 샘플 영상 및 제2 샘플 영상은 트레이닝을 위해 이용되는 영상 관련 데이터 및 트레이닝을 위해 이용되는 시선 태그로부터 추출될 수 있고, 서로 동일한 사용자에 대응한다. 제1 샘플 영상 및 제2 샘플 영상 각각은 한 개의 트레이닝을 위한 영상 관련 데이터 및 한 개의 대응하는 트레이닝을 위한 시선 태그를 포함할 수 있다. 두 쌍의 샘플(샘플 영상들)에서 두 개의 시선 태그 사이의 차이는 제1 역치보다 크고 제2 역치보다 작을 수 있다.

본 실시예에서 영상 관련 데이터는 영상이고, 해당 영상은 주시점을 주시하는 사용자에 대한 영상일 수 있다. 위에서 기술한 바와 같이, 제1 뉴럴 네트워크 모델에 기초하여 제2 뉴럴 네트워크 모델이 설정된 경우, 제2 뉴럴 네트워크 모델의 특징 추출을 위해 이용되는 네트워크 레이어는 이미 확정되어 있을 수 있다. 이러한 경우, 제1 샘플 영상 및 제2 샘플 영상을 통해 제2 뉴럴 네트워크 모델의 분류기를 트레이닝할 수 있다. 제2 뉴럴 네트워크 모델에 대응하는 제2 손실 함수는 제1 샘플 영상의 시선 태그 및 제2 샘플 영상의 시선 태그 사이의 위치 관계를 나타낼 수 있다.

제1 샘플 영상 및 제2 샘플 영상에 대한 트레이닝을 위해 이용되는 시선 태그는 두 개의 카테고리의 태그로 변환될 수 있고, 변환된 두 개의 카테고리의 태그, 제1 샘플 영상 및 제2 샘플 영상으로 제2 뉴럴 네트워크 모델의 분류기가 트레이닝될 수 있다. 이러한 경우, 제2 뉴럴 네트워크 모델의 분류기는 두 개의 카테고리로 분류하는 분류기이고, 해당 두 개의 카테고리로 분류하는 분류기의 입력은 영상에 대응하는 특징일 수 있다. 예를 들어, 특징 추출을 위해 이용되는 네트워크 레이어로 제1 샘플 영상의 제1 특징을 추출하고, 특징 추출을 위해 이용되는 네트워크 레이어를 통해 제2 샘플 영상의 제2 특징을 추출하고, 제1 특징 및 제2 특징 사이의 특징 차이가 해당 두 개의 카테고리로 분류하는 분류기에 입력될 수 있다. 해당 두 개의 카테고리로 분류하는 분류기의 입력은 동일한 사용자의 각도에서 볼 때, 제1 샘플 영상 및 제2 샘플 영상(아래에서는, 각각 첫 번째 영상 및 두 번째 영상이라고 칭함) 중, 첫 번째 영상의 미리 결정된 대상 및 두 번째 영상에 대응하는 대상 사이의 위치 관계를 나타내거나, 또는 동일한 사용자의 각도에서 볼 때, 첫 번째 영상에 대응하는 스크린 주시점 및 두 번째 영상에 대응하는 스크린 주시점 사이의 위치 관계를 나타낼 수 있다. 예를 들어, 첫 번째 영상은 동일한 사용자가 휴대폰 스크린의 좌측의 한 점을 볼 때의 영상이고, 두 번째 영상은, 동일한 사용자가 휴대폰 스크린의 우측의 한 점을 볼 때의 영상일 수 있다. 두 개의 카테고리로 분류된 태그는 동일한 사용자의 각도에서 볼 때, 두 번째 영상에 대응하는 주시점이 첫 번째 영상에 대응하는 주시점의 어느 한 측에 있을 때를 나타낼 수 있다(예를 들어, 값이 1인 태그는 우측을 나타내고, 값이 0인 태그는 좌측을 나타낼 수 있다). 위 첫 번째 영상과 두 번째 영상은 동일 사용자가 휴대폰 스크린 상의 미리 결정된 대상을 볼 때, 휴대폰에 설치된 카메라로 획득한 두 개의 영상들일 수 있다.

실시예 중, 두 장의 영상들은 동일한 사용자에 대응하고, 두 장의 영상들 간의 특징 차이를 이용해 두 개의 카테고리로 분류하는 분류기가 트레이닝될 수 있다. 이러한 상황에서, 사람의 외관적 차이로 인해 초래될 수 있는 편차가 제거될 수 있다. 그 밖에, 두 장의 영상들의 입력 순서는 제한되지 않는다. 먼저 제1 샘플 영상을 입력하여 제1 샘플 영상에 대응하는 제1 특징이 확정되고, 그 다음 제2 샘플 영상을 입력하여 제2 샘플 영상에 대응하는 제2 특징이 확정될 수 있다. 또는, 제2 샘플 영상을 먼저 입력하여 제2 샘플 영상에 대응하는 제2 특징을 확정하고, 그 다음 제1 샘플 영상을 입력하여 제1 샘플 영상에 대응하는 제1 특징이 확정될 수도 있다. 이후에, 두 샘플 영상들 간에 대응하는 특징 차이가 계산될 수 있다.

일례로, 특징 추출을 위해 이용되는 네트워크 레이어를 통해 획득한 특징은 벡터일 수 있고, 해당 특징 차이는 벡터들 간의 차이일 수 있다. 즉, 특징 차이는 두 개의 벡터들 간에 서로 대응되는 원소들 간의 차이를 원소로 하는 벡터일 수 있다.

일 실시예에서, 트레이닝 데이터에 대해 에러 샘플 추출을 진행하는 것에 의해, 새로이 추출하여 획득한 샘플의 시선 태그와 이전에 추출하여 획득한 샘플의 시선 태그 사이의 차이 값이 점차 작아지게 할 수 있다. 새로이 추출한 샘플을 사용해 계속해서 제2 뉴럴 네트워크 모델이 트레이닝될 수 있다. 그 밖에, 제2 뉴럴 네트워크 모델의 수렴 상황에 따라, 획득한 샘플의 시선 태그 간의 차이 값을 계속 줄여 나갈 수 있고, 계속해서 샘플을 추출하여 새로운 트레이닝 데이터의 집합을 획득할 수 있다. 이에, 제2 뉴럴 네트워크 모델에 입력한 트레이닝 샘플을 간단한 것에서부터 어려운 것까지 획득할 수 있다. 일반적으로, 제2 뉴럴 네트워크 모델에 입력한 두 개의 샘플들 사이의 차이가 클수록 두 개의 샘플들 사이의 관계를 더 쉽게 판단할 수 있고, 차이가 큰 두 개 또는 더 많은 샘플을 간단한 트레이닝 샘플이라고 칭할 수 있다. 입력된 두 개의 샘플들 사이의 차이가 작을 수록, 두 개의 샘플들 사이의 차이를 판단하기가 어려우므로, 차이가 작은 두 개 또는 더 많은 샘플을 어려운 트레이닝 샘플이라고 칭할 수 있다. 간단한 트레이닝 샘플과 어려운 트레이닝 샘플은 입력한 샘플들 간의 차이가 크고 작음을 의미한다.

일 실시예에서, 사용된 영상 관련 데이터는 영상일 수 있다. 바람직하게, 영상 관련 데이터는 영상에서 추출한 슬라이스일 수 있다. 해당 슬라이스는 얼굴 부위 영상, 왼쪽 눈 영상 및 오른쪽 눈 영상 중 적어도 한 항목을 포함할 수 있다.

예를 들어, 카메라로 수집한 영상(예, 사용자 영상)를 트레이닝을 위한 영상 관련 데이터로 할 수 있다. 시선은 눈의 위치, 머리의 자세 등의 요소와 관련이 있기 때문에, 수집한 영상으로부터 적어도 한 개의 슬라이스를 추출할 수 있다. 추출된 적어도 한 개의 슬라이스는 영상의 일 부분일 수 있고, 각각의 슬라이스는 제1 뉴럴 네트워크 모델의 한 개의 서브 네트워크에 대응할 수 있다.

도 7은 일 실시예에 따른 슬라이스(slice)에 기초하여 뉴럴 네트워크 모델을 제어하는 과정을 설명하기 위한 도면이다.

도 7에서는 각각 얼굴 부위 영상, 왼쪽 눈 영상 및 오른쪽 눈 영상에 대응하는 3개의 슬라이스들을 설정하였다. 세 개의 슬라이스들은 세개의 서브 네트워크들에 각각 대응한다. 즉, 얼굴 부위 네트워크, 왼쪽 눈 네트워크 및 오른쪽 눈 네트워크에 대응한다. 일 실시예에서, 뉴럴 네트워크 모델의 트레이닝, 캘리브레이션 및 실제 시선 추정 부분은 모두 뉴럴 네트워크 모델(바람직하게, 뉴럴 네트워크 모델의 특징 추출을 위해 이용되는 네트워크 레이어)를 통해 영상에 대응하는 특징을 추출하는 과정을 포함한다. 예시적 실시예에서, 얼굴 부위 영상, 왼쪽 눈 영상 및 왼 눈 영상과 각각 대응하는 세 개의 특징이 추출될 수 있다. 해당 세 개의 특징들은 하나로 결합될 수 있고, 결합된 특징은 대응하는 분류기로부터 출력될 수 있다.

휴대폰을 이용하여 시선 추정을 진행하는 일례로, 슬라이스들은 얼굴 부위 영상, 왼쪽 눈 영상 및 오른쪽 눈 영상을 포함할 수 있다. 그러나, 실시예의 범위는 이에 제한되지 않는다. 예로, AVR(Augmented Virtual Reality) 안경을 이용하여 시선 추정이 수행될 수 있다. 실시예들은 하나의 RGB 카메라를 이용해 영상 관련 데이터를 수집하는 것으로 제한되지 않고, 복수 개의 카메라들이 이용될 수 있다. 또한, 적외선 카메라, 근적외선 카메라 등이 사용될 수도 있다. 획득된 영상 관련 데이터는 깊이 데이터를 포함할 수 있고, 한 종류 또는 여러 종류의 데이터가 융합된 형태를 가질 수도 있다. 다시 말하면, 얼굴에서 카메라까지의 깊이 데이터 등과 같은 영상 관련 데이터 또는 슬라이스는 시선 추정에 이용될 수 있는 다른 데이터를 포함할 수도 있다.

일 실시예에서 사용하는 뉴럴 네트워크 모델(예, 제1 뉴럴 네트워크 모델 및/또는 제2 뉴럴 네트워크 모델)은 기존의 뉴럴 네트워크 모델에 비교하였을 때, 비교적 많은 레이어 수를 구비하고, 비교적 많은 컨볼루션 커널 수를 구비할 수 있다. 컨볼루션 커널(convolutional kernel)을 겹겹이 쌓아 올리는 방식은 영상의 특징을 효과적으로 추출하는데 도움을 준다. 일 실시예에서, 뉴럴 네트워크 모델은 세 개의 입력을 가질 수 있고, 이는 각각 얼굴 부위 영상, 왼쪽 눈 영상 및 오른쪽 눈 영상에 대한 입력일 수 있다. 왼쪽 눈 영상에 대응하는 왼쪽 눈 네트워크와 오른쪽 눈 영상에 대응하는 오른쪽 눈 네트워크는 일부의 네트워크 구조(예, 네트워크 레이어)를 공유할 수 있다.

일 실시예에서, 아래의 표 1, 표 2 및 표 3에 나타난 파라미터들을 통해 뉴럴 네트워크 모델이 설정될 수 있다. 이 중, 표 1 및 표 2는 각각 슬라이스(예, 영상에서 추출한 슬라이스)을 통해 뉴럴 네트워크 모델을 트레이닝 한 것에 대응한다. 표 3은 슬라이스의 특징을 융합한 것에 대응한다. 표 1 및 표 2는 예시적 실시예의 바람직한 뉴럴 네트워크 모델에 대응하는 것일 뿐이며, 실시예의 범위를 제한하기 위한 것이 아니다. 뉴럴 네트워크 모델의 구조, 파라미터, 입력 데이터와 서브 네트워크의 구조는 이에 제한되지 않는다.

레이어（얼굴 부위 네트워크）	입력 너비	입력 높이	입력 채널 수	출력 채널 수	컨볼루션 커널 너비	컨볼루션 커널 높이	출력 너비	출력 높이
Conv_11	64	64	3	64	3	3	64	64
Conv_12	64	64	64	64	3	3	64	64
Pool_1	64	64	64	64	2	2	32	32
Conv_21	32	32	64	128	3	3	32	32
Conv_22	32	32	128	128	3	3	32	32
Pool_2	32	32	128	128	2	2	16	16
Conv_31	16	16	128	192	3	3	16	16
Conv_32	16	16	192	192	3	3	16	16
Pool_3	16	16	192	192	2	2	8	8
Conv_41	8	8	192	256	3	3	8	8
Conv_42	8	8	256	256	3	3	8	8
Pool_4	8	8	256	256	2	2	4	4
Conv_51	4	4	256	320	3	3	4	4
Conv_52	4	4	320	128	1	1	4	4
Pool_5	4	4	128	128	4	4	1	1

레이어（얼굴 부위 네트워크）	입력 너비	입력 높이	입력 채널 수	출력 채널 수	컨볼루션 커널 너비	컨볼루션 커널 높이	출력 너비	출력 높이
Conv_11	64	64	3	64	3	3	64	64
Conv_12	64	64	64	64	3	3	64	64
Pool_1	64	64	64	64	2	2	32	32
Conv_21	32	32	64	128	3	3	32	32
Conv_22	32	32	128	128	3	3	32	32
Pool_2	32	32	128	128	2	2	16	16
Conv_31	16	16	128	192	3	3	16	16
Conv_32	16	16	192	192	3	3	16	16
Pool_3	16	16	192	192	2	2	8	8
Conv_41	8	8	192	256	3	3	8	8
Conv_42	8	8	256	256	3	3	8	8
Pool_4	8	8	256	256	2	2	4	4
Conv_51	4	4	256	320	3	3	4	4
Conv_52	4	4	320	320	3	3	4	4
Conv_53	4	4	320	128	1	1	4	4
Pool_5	4	4	128	128	4	4	1	1

레이어	입력 교점수	출력 교점수
Fc1	128*3=384	256
Classifier	256	Bin_num

위의 표 3에서, 'Fc1'은 특징 추출을 위한 네트워크 레이어에 대응하고, 'Classifier'은 분류기에 대응하고, 'Bin_num'은 위에서 설명한 교점의 개수에 대응한다.

일 실시예에서, 다양한 방법을 사용하여 추정을 위한 데이터의 특징 및/또는 추측을 위한 데이터의 특징이 획득될 수 있다.

일례로, 뉴럴 네트워크 모델을 통해 추정을 위한 데이터의 특징 및/또는 뉴럴 네트워크 모델을 통해 추측을 위한 데이터의 특징을 추출하는 것은, 제2 뉴럴 네트워크 모델을 통해 추정을 위한 데이터의 특징을 추출하는 것 및/또는 제2 뉴럴 네트워크 모델을 통해 추측을 위한 데이터의 특징을 추출하는 것을 포함한다.

일 실시예에 따른 시선 추정 방법에서 추정하는 과정은, 캘리브레이션 포인트를 디스플레이하는 단계, 사용자가 해당 캘리브레이션 포인트를 주시할 때의 사용자의 영상을 추정을 위한 데이터로 획득하는 단계 및 추정을 위한 데이터에 따라 추정을 진행하는 단계를 포함한다.

일례로, 사용자가 캘리브레이션 포인트를 주시할 때의 사용자의 영상을 획득하는 단계는, 캘리브레이션 포인트에 대응하는 손동작에 반응하여, 손동작에 대응하는 동작 포인트와 캘리브레이션 포인트 사이의 거리를 판단하고, 해당 거리가 거리 역치보다 작을 때, 사용자 영상을 추정을 위한 데이터로 획득하는 단계를 포함한다.

일 실시예에 따른 시선 추정 방법의 추정 과정에서, 캘리브레이션 포인트가 설정되고, 사용자가 캘리브레이션 포인트를 주시할 때의 데이터 X_cali_1에서 데이터 X_cali_N가 획득되고, 획득된 데이터가 저장된다.

도 8 내지 도 11은 일 실시예에 따른 캘리브레이션 포인트의 일례들을 도시하는 도면들이다.

도 8 내지 도 11에 도시된 바와 같이, 각각의 영상에 5개의 기준점들이 포함된다. 다만, 이는 예시적인 것일 뿐, 실시예의 범위가 이에 한정되는 것은 아니며, 기준점들의 각각의 위치는 제한되지 않는다.

일례로, 먼저 캘리브레이션 과정을 통해 캘리브레이션 포인트를 획득할 수 있고, 미리 캘리브레이션된 캘리브레이션 포인트에 따라 주시 영역이 분할될 수 있다.

휴대폰을 예로 들면, 기준점에 따라 스크린을 수평 방향 및 수직 방향으로 6 영역으로 분할할 수 있다. 6 영역으로 분할한 것은 설명을 돕기 위한 것일 뿐, 이는 실시예의 범위를 제한하지 않는다. 다시 말해서, 더 많은 영역 또는 더 적은 영역으로도 스크린이 분할될 수 있다. 도 8 내지 도 11에 도시된 실시예에서는, 스크린이 캘리브레이션 포인트들을 기준으로 교차하는 직선들에 의해 36개 서브 영역들로 분할된다. 실시예에 범위는 결코 도 8내지 도 11에서 나타낸 각 서브 영역에 제한되지 않는다. 다시 말하면, 실시예의 범위는 스크린에서 분할된 서브 영역의 수량과 영역을 분할하는 방식에 의해 제한되지 않는다.

휴대폰을 이용해 캘리브레이션을 진행하는 과정 중, 캘리브레이션 동작 A는 사용자가 스크린 상에 나타난 캘리브레이션 포인트(또는 기준점)를 주시하고 있다는 점을 일러주어 휴대폰과 사용자의 교류를 실현하는 과정을 포함할 수 있다. 해당 과정은, 사용자가 스크린 상에 나타난 캘리브레이션 포인트를 주시하고 해당 캘리브레이션 포인트를 클릭한다는 점을 알리는 것과 스크린 상의 클릭된 위치를 수신하는 것, 스크린의 클릭을 수신하였을 때, 클릭된 위치와 캘리브레이션 포인트 사이의 거리를 판단하는 것, 해당 거리가 거리 역치 값(예, 100픽셀)보다 작을 때, 클릭을 캘리브레이션 포인트에 대한 클릭으로 확정하고, 사용자가 캘리브레이션 포인트를 주시하고 있다는 점을 확정하여 카메라 등으로 사용자의 영상을 획득하는 것을 포함할 수 있다. 이러한 상황에서, 다른 캘리브레이션 포인트를 스크린에 나타낼 수 있고, 사용자가 스크린 상의 해당 다른 한 캘리브레이션 포인트를 주시한다는 점과 해당 다른 한 캘리브레이션 포인트를 클릭하였다는 점을 알린다. 클릭된 위치와 다른 한 캘리브레이션 포인트 간의 거리가 거리 역치 값보다 크거나 같을 때, 캘리브레이션의 효과가 없다는 점이 확정될 수 있고, 사용자에게 다시 캘리브레이션 포인트를 주시하고 클릭하라는 점을 알릴 수 있다.

주의해야 할 점은, 휴대폰을 예로 설명한 위 실시예는 실시예에 대한 설명을 편리하게 하기 위한 것으로, 실시예는 다른 장치 또는 장비에서 실현될 수도 있다. 위의 캘리브레이션 포인트의 디스플레이 방식, 사용자와 휴대폰 간의 교류 방식, 캘리브레이션이 효과적인지 아닌지 여부를 판단하는 동작은 바람직한 실시예로 여겨질 수 있다. 그러나, 이는 실시예의 범위를 제한하기 위한 것이 아니고, 다른 동작 역시 수행될 수 있다.

일 실시예에 따른 캘리브레이션 동작 B에서, 뉴럴 네트워크 모델을 사용하여 데이터 X_cali_1내지 데이터X_cali_N의 특징 feat_1 내지 특징 feat_N이 추출되고, 추출된 특징이 저장될 수 있다. 뉴럴 네트워크 모델은 제1 뉴럴 네트워크 모델 또는 제2 뉴럴 네트워크 모델일 수 있고, 바람직하게는 제2 뉴럴 네트워크 모델일 수 있다.

그 밖에, 오프라인 또는 비실시간으로 데이터의 특징이 추출될 수도 있다. 다시 말해서, 예를 들어, 뉴럴 네트워크 모델을 트레이닝하는 단계를 실행하지 않은 상황에서, 데이터의 특징이 미리 추출되어 저장될 수 있다.

도 12는 일 실시예에 따른 캘리브레이션 과정에서 캘리브레이션 특징을 추출하는 동작을 설명하기 위한 도면이다.

도 12에 나타난 바와 같이, 특징 추출의 추정을 위한 데이터는 캘리브레이션 영상일 수 있고, 뉴럴 네트워크 모델(예, 제2 뉴럴 네트워크 모델)을 이용해 캘리브레이션 영상의 특징인 캘리브레이션 특징이 추출될 수 있다. 추출된 캘리브레이션 특징은 추정 특징으로도 지칭될 수 있다.

일 실시예에 따르면, 사용자의 시선을 추정하는 단계는, 획득한 추측을 위한 데이터의 특징과 획득한 추정을 위한 데이터의 특징에 기초하여, 뉴럴 네트워크 모델을 통해 주시 영역에서의 주시점의 위치를 추측하는 단계를 포함할 수 있다.

일 실시예로, 사용자의 시선을 추정하는 단계는, 추출한 추측을 위한 데이터의 특징과 추출한 추정을 위한 데이터의 특징 사이의 특징 차이를 계산하는 단계, 획득한 뉴럴 네트워크 모델을 이용하여 계산한 특징 차이에 대응하는 분류기 출력 결과를 추측하는 단계, 추측한 분류기의 출력 결과에 따라 추측을 위해 이용되는 데이터에 대응하는 분류기의 출력 결과가 주시 영역이 나뉘어진 복수 개의 서브 영역들 중 각각의 서브 영역에 속할 확률을 계산하는 단계, 확률이 가장 큰 서브 영역의 중심을 사용자의 주시점으로 결정하는 단계를 포함할 수 있다.

일례로, 주시 영역이 2차원 편면 상의 역일 때, 해당 주시 영역은 다음과 같은 방식을 통해 분할될 수 있다. 각각의 캘리브레이션 포인트들을 기준으로 각각의 캘리브레이션 포인트에 수직으로 교차하는 두 개의 직선들을 설정하고, 설정된 각 직선으로 주시 영역을 복수 개의 서브 영역들로 분할할 수 있다. 다른 예로, 주시 영역이 3차원 공간 상의 영역일 경우, 해당 주시 영역은 다음과 같은 방식으로 분할될 수 있다. 각각의 캘리브레이션 포인트들에 서로 수직으로 교차하는 세 개의 직선들을 설정하고, 설정된 각 직선으로 주시 영역을 복수 개의 서브 영역들로 분할할 수 있다.

일례로, 추측을 위해 이용되는 데이터에 대응하는 주시점이 주시 영역의 분할된 복수개의 서브 영역 중 각각의 서브 영역에 속할 확률을 계산하는 단계는, 각각의 캘리브레이션 포인트에 대응하는 분류기 출력 결과에 대해, 각각 주시점의 각 차원의 좌표가 해당 각 캘리브레이션 포인트의 각 차원의 좌표보다 크거나 작을 확률을 결정하는 단계, 결정된 확률에 따라 주시점이 각각의 서브 영역들에 속할 확률을 계산하는 단계를 포함한다.

일례로, 복수 개의 서브 영역들의 각각의 서브 영역의 대응 기준점에 상대적인 비교 관계 확률을 이용하여, 추측을 위해 이용되는 데이터에 대응하는 주시점이 각각의 서브 영역에 속할 확률이 계산될 수 있다.

일례로, 획득한 특징을 통해 시선 추정이 진행되기 이전에, 시선 추정 방법은 사용자의 특정한 포인트에 대한 조작에 따라, 해당 특정 포인트를 캘리브레이션 포인트들 중 하나로서 이용할 수 있다. 특정한 포인트는 장치의 스크린 상의 특정 포인트, 장치 상의 특정 버튼, 장치에 상대적 위치를 확정할 수 있는 특정 포인트 중 적어도 하나를 포함한다.

일 실시예에서, 아래와 같은 수학식에 기초하여, 추측을 위한 데이터에 대응하는 주시점이 각각의 서브 영역들에 속할 확률

이 계산될 수 있다.

여기서,

는 각 서브 영역의 제 i개 캘리브레이션 포인트에 대한 상대적인 비교 관계 확률을 나타내고, cali_num는 캘리브레이션 포인트의 개수를 나타낸다.

일 실시예에서, 새로운 데이터를 획득하였을 때, 추출한 특징에 기초하여 시선을 추정하는 단계는, 새로운 데이터의 특징을 획득하는 단계, 해당 새로운 데이터의 특징과 이전에 획득한 추정을 위한 데이터의 특징을 결합하는 단계, 추정을 위한 데이터의 특징과 결합 후의 특징 간의 특징 차이를 다시 계산하는 단계, 다시 계산한 특징 차이에 대응하는 새로운 분류기의 출력 결과를 추측하는 단계, 새로운 분류기의 출력 결과에 따라 추측을 위한 데이터에 대응하는 주시점이 각각의 서브 영역에 속할 확률을 다시 계산하는 단계, 다시 계산해 낸 확률이 가장 큰 서브 영역의 중심을 추측한 주시점으로 결정하는 단계를 더 포함할 수 있다.

일례로, 상기 새로운 데이터가 새로운 추정을 위한 데이터를 포함할 경우, 기존의 캘리브레이션 포인트과 새로운 추정을 위해 이용되는 데이터에 대응하는 캘리브레이션 포인트에 기초하여 주시 영역을 복수 개의 서브 영역들로 다시 분할하고, 여기서, 해당 다시 확률을 계산하는 단계는, 새로운 분류기의 출력 결과에 따라, 추측을 위해 이용되는 데이터에 대응하는 주시점이 다시 분할된 복수 개의 서브 영역들에서 각각의 서브 영역에 속할 확률을 다시 계산하는 단계를 포함한다. 이러한 단계들은 새로운 데이터와 해당 새로운 데이터에 대응하는 캘리브레이션 포인트를 다시 추정할 경우, 특정 버튼에 대해 조작을 진행할 경우 및 특정 위치에 대해 조작을 진행할 경우 중 어느 한 경우에 수행될 수 있다.

트레이닝한 뉴럴 네트워크 모델을 사용할 경우, 추출된 추측을 위해 이용되는 데이터의 특징과 추출된 추정을 위해 이용되는 데이터의 특징 사이의 특징 차이를 계산하고, 트레이닝한 뉴럴 네트워크 모델을 이용하여 계산된 특징 차이에 대응하는 분류기의 출력 결과를 추정하고, 추정한 분류기의 출력 결과에 따라 추측을 위해 이용되는 데이터에 대응하는 주시점이 주시 영역 중 분할된 복수 개의 서브 영역들에서 각각의 서브 영역에 속할 확률을 계산하고, 확률이 가장 큰 서브 영역의 중심을 추측한 주시점으로 확정하는 단계가 수행된다.

일 실시예에서, 새로운 데이터를 획득하였을 때, 해당 획득한 특징을 통해 시선을 추정하는 단계는, 트레이닝한 뉴럴 네트워크 모델을 이용하여 새로운 데이터의 특징을 추출하는 단계, 해당 새로운 데이터의 특징 및 이전에 추출한 추정을 위해 이용되는 특징을 결합하는 단계, 추출한 추측을 위한 데이터의 특징과 결합 후의 특징 사이의 특징 차이를 다시 계산하는 단계, 트레이닝한 뉴럴 네트워크 모델을 이용하여 해당 다시 계산한 특징 차이에 대응하는 새로운 분류기의 출력 결과를 추정하는 단계, 새로운 분류기의 출력 결과에 따라 추측을 위해 이용되는 데이터에 대응하는 주시점이 상기 각각의 서브 영역에 속할 확률을 계산하는 단계, 다시 계산해낸 확률이 가장 큰 서브 영역의 중심을 추측한 주시점으로 결정하는 단계를 더 포함할 수 있다.

트레이닝한 제2 뉴럴 네트워크 모델이 사용되는 경우, 획득한 특징으로 시선 추측을 진행하는 단계는, 제2 뉴럴 네트워크 모델로 추출한 추측을 위해 이용되는 데이터의 특징과 제2 뉴럴 네트워크 모델로 추출한 추정을 위해 이용되는 데이터의 특징 간의 특징 차이를 계산하는 단계, 트레이닝한 제2 뉴럴 네트워크 모델을 이용하여 계산해낸 특징 차이에 대응하는 분류기의 출력 결과를 추정하는 단계, 추정한 분류기의 출력 결과에 따라 추측을 위해 이용되는 데이터에 대응하는 주시점이 각각의 서브 영역에 속할 확률을 계산하는 단계, 확률이 가장 큰 서브 영역의 중심을 추측한 주시점으로 결정하는 단계를 포함할 수 있다.

일 실시예에서, 새로운 데이터를 획득하였을 때, 해당 획득한 특징을 통해 시선을 추정하는 단계는, 트레이닝한 제2 뉴럴 네트워크 모델을 이용하여 새로운 데이터의 특징을 추출하는 단계, 해당 새로운 데이터의 특징과 이전에 추출한 추정을 위해 이용되는 데이터의 특징을 결합하는 단계, 추출한 추측을 위한 데이터의 특징과 결합한 이후의 특징 사이의 특징 차이를 다시 계산하는 단계, 트레이닝 한 제2 뉴럴 네트워크 모델을 이용해 해당 다시 계산한 특징 차이에 대응하는 새로운 분류기 출력 결과를 추정하는 단계, 새로운 분류기 출력 결과에 따라 추측을 위해 이용되는 데이터에 대응하는 주시점이 각각의 서브 영역에 속할 확률을 다시 계산하는 단계, 및 다시 계산한 확률이 가장 큰 서브 영역의 중심을 추측한 주시점으로 결정하는 단계를 더 포함할 수 있다.

도 13은 일 실시예에 따른 추출된 캘리브레이션 특징을 통해 시선 추정을 수행하는 일례를 설명하기 위한 도면이다.

본 실시예에서, 테스트는 실제로 카메라를 이용하여 사용자의 영상을 획득하고, 획득된 영상을 기반으로 사용자의 현재 시선을 추정하는 과정을 포함한다. 테스트 동작 A에서, 사용자가 흥미를 느끼는 위치(해당 위치는 주시점으로 칭해질 수 있음)를 주시할 때, 카메라를 이용하여 테스트 영상을 수집하고, 제1 뉴럴 네트워크 모델을 사용하여 해당 수집된 영상에 대응하는 테스트 특징 feat_X를 추출한다. 해당 추출 단계는 테스트 단계에서의 특징 추출로서, 실시간으로 영상을 수집할 수 있고, 수집한 영상에 대응하는 테스트 특징 feat_X를 추출할 수 있다. 휴대폰을 예로 들면, 휴대폰의 카메라를 이용하여 사용자의 영상을 실시간으로 획득하고, 획득한 사용자 영상으로부터 실시간으로 특징이 추출될 수 있다.

테스트 동작 B에서, 테스트 특징 feat_X와 이전에 획득한 캘리브레이션 특징 feat_1 내지 캘리브레이션 특징 feat_N 사이의 특징 차이 diff_1 내지 특징 차이 diff_N가 계산될 수 있다. 테스트 특징이나 캘리브레이션 특징은 벡터 형식으로 표현될 수 있고, 특징 차이는 벡터 사이의 차이 값 일 수 있다. 제2 뉴럴 네트워크 모델을 사용하여 분류기(두 개의 카테고리로 분류하는 분류기) 특징 차이 diff_1 내지 특징 차이 diff_N의 분류 결과를 출력할 수 있다. 이로써, 시선 추정을 위해 이용되는 영상(예, 테스트 동작 A에서 수집한 테스트 영상)와 캘리브레이션 과정에서 획득된 한 영상 X_cali_1에서 영상 X_cali_N 사이의 비교 관계 확률이 획득될 수 있다. 비교 관계 확률은 분류기로 획득한 추측을 위해 이용되는 영상의 특징(테스트 특징)이, 캘리브레이션을 위해 이용되는 영상의 특징(캘리브레이션 특징)보다 크거나 작을 확률로 이해될 수 있다. 미리 결정된 순서 규칙에 따라 특징 차이가 계산될 수 있다. 예를 들어, 수집한 테스트 영상에 대응하는 테스트 특징 feat_X에서 각각 추정 시 획득한 영상의 특징 feat_1 내지 특징 feat_N을 빼는 것에 의해 특징 차이 Diff_i, 즉 Diff_i = feat_X -feat_i，

가 획득될 수 있다. 여기서, N은 자연수이다.

테스트 동작 C에서, 캘리브레이션 포인트들로 주시 영역을 복수 개의 서브 영역들로 분할한 경우, 비교 관계 확률에 따라 추측을 위한 영상에 대응하는 주시점(즉, 현재의 사용자 주시점)가 각각의 서브 영역에 속할 확률이 계산된다. 확률 또는 확률 누적치 또는 확률 기대치가 가장 큰 영역(서브 영역)의 중심 포인트가 사용자의 주시점으로 결정될 수 있다.

도 13을 참고하면, 뉴럴 네트워크 모델(예, 제2 뉴럴 네트워크 모델)을 통해 추측을 위해 이용되는 영상(예, 테스트 영상)로부터 특징(예, 테스트 특징)을 추출하고, 캘리브레이션을 위해 이용되는 영상에서 획득한 캘리브레이션 특징 및 테스트 특징이 대응하는 분류기(제2 뉴럴 네트워크 모델)에 함께 입력된다. 캘리브레이션 특징과 테스트 특징 사이의 특징 차이가 획득될 수 있고, 분류기를 통해 특징 차이에 대응하는 확률(예, 비교 관계 확률)이 출력될 수 있다.

도 14는 일 실시예에 따른 캘리브레이션 포인트에 기초하여 주시 영역을 분할하는 일례를 설명하기 위한 도면이다.

도 14에 나타난 바와 같이, 각각의 캘리브레이션 포인트들 축(axis)상의 선을 두 부분으로 나눌 수 있고, 분류기로 출력한 확률(비교 관계 확률) P_i는 주시점의 좌표가 제i 개 캘리브레이션 포인트의 좌표보다 작거나 같을 확률 P_i_L 및 주시점 좌표가 제i 개 캘리브레이션 포인트의 좌표보다 클 확률 P_i_G을 나타낼 수 있다. 여기서, P_i_L + P_i_G = 1이고, 예를 들어 P_1는 주시점 좌표가 제1 캘리브레이션 포인트의 좌표보다 작거나 같을 확률 P_2_L 및 주시점 좌표가 제2 캘리브레이션 포인트의 좌표 보다 클 확률 P_2_G를 나타낼 수 있다.

아래의 수학식에 기초하여, 추측을 위해 이용되는 영상에 대응하는 주시점이 각 서브 영역들에 속할 확률(예, 좌표 원점과 제1 캘리브레이션 포인트 사이의 영역 A)의 각각의 서브 영역에 속할 확률

가 계산될 수 있다.

여기서,

는 각각의 서브 영역의 캘리브레이션 포인트 i에 대한 상대적인 비교 관계 확률이고, 도 13에 따르면, 만약 서브 영역이 캘리브레이션 포인트 i의 좌측에 있다면,

이고, 만약 해당 서브 영역이 캘리브레이션 포인트 i의 우측에 있다면,

에 해당한다. 여기서, cali_num는 캘리브레이션 포인트의 개수이다.

도 15에 나타난 바와 같이, 영역 A에 대응할 확률은 P_2_L + P_1_L이고, 제1 캘리브레이션 포인트 및 제2 캘리브레이션 포인트 사이의 영역에 대응할 확률은P_2_L + P_1_G이고, 제2 캘리브레이션 포인트와 최대 값 사이의 영역에 대응할 확률은 P_2_G + P_1_G이다.

휴대폰을 통해 시선 추정을 수행하는 것을 예로 들면, 사용자가 주시하는 휴대폰의 스크린 상의 주시점 좌표 (Y_x，Y_y）가 추정되어야 한다. x축 및 y축 상, 이미 캘리브레이션 포인트로 주시 영역을 나누었고, 위에서 기술한 과정을 통해, 각각 Y_x가 x축 상에 위치할 확률이 가장 큰 영역 및 Y_y가 y축 상에 위치할 확률이 가장 큰 영역이 계산되고, 이 두 개의 확률이 가장 큰 서브 영역으로 제한된 서브 영역의 중심 위치(예, 도 13의 x로 나타난 위치)가 주시점의 위치로 결정될 수 있다.

테스트 동작 D에서, 사용자의 사용 과정(예, 추정 조작 또는 전자 장치의 설치 조작을 진행)할 때, 새로운 시선 추정을 위해 이용되는 영상 및 이에 대응하는 시선 태그를 획득하였을 때, 새로운 시선 추정을 위한 영상 및 대응하는 시선 태그에 대응하는 특징이 다시 추출되고, 다시 추출된 특징과 기존의 특징 feat_i이 결합될 수 있다. 예를 들어, 벡터를 서로 더하는 형식으로 특징이 결합될 수 있다. 새로운 시선 추정을 위한 영상 및 대응하는 시선 태그를 획득하였을 때, 추출된 특징과 기존 특징이 결합된 새로운 특징이 획득될 수 있다. 결합 후의 특징을 사용하여 테스트(예, 테스트 동작 A, 테스트 동작 B 및 테스트 동작 C)가 진행할 수 있고, 이를 통해, 테스트 결과의 정확도가 높아질 수 있다.

결합 후의 특징을 사용하여 테스트(예, 테스트 동작 A, 테스트 동작 B 및 테스트 동작 C)를 수행하는 과정 중, 기존의 캘리브레이션 포인트 및 새로 추가된 캘리브레이션 포인트를 이용해 스크린이 다시 분할될 수 있다.

도 16은 일 실시예에 따른 주시 영역을 새롭게 분할한 일례를 도시한 도면이다.

도 16에 도시된 바와 같이, 기존 캘리브레이션 포인트들에 대해 각각의 캘리브레이션 포인트에 수직으로 교차하는 두 개의 직선들(도 16에 나타난 실선들), 및 새로 추가된 캘리브레이션 포인트에 수직으로 교차하는 두 개의 직선들(도 16에 나타난 점선들, 두 개의 점선들이 서로 교차하는 부분은 실선임)이 존재하고, 해당 직선을 이용해 주시 영역(즉, 스크린)을 다시 분할하여 새로운 서브 영역들이 획득될 수 있다. 위에서 기술한 과정을 통해, 각각의 새로운 서브 영역들 중 주시점이 위치할 확률이 가장 큰 서브 영역이 결정될 수 있다.

다음의 과정들 중 어느 한 종류의 과정이 실행할 때, 새로 추가된 캘리브레이션 포인트 및 새로 추가된 캘리브레이션 포인트에 대응하는 새로운 데이터가 획득될 수 있다. 사용자가 휴대폰 버튼에 대한 클릭, 특정 포인트에 대한 동작을 수취할 수 있다. 여기서, 해당 특정 포인트는, 장치 스크린 상의 특정 포인트, 장치 상의 특정 버튼, 장치에 확정된 상대적인 위치를 지닌 특정 포인트 중 적어도 하나를 포함할 수 있다.

일 실시예에서, 특징을 추출하는 과정 중, 특징 차이에 기반하여 외관의 차이가 제거될 수 있고, 시선 추정 시 뉴럴 네트워크 모델을 트레이닝 할 필요가 없어, 추정 과정이 간소화되어, 휴대폰 등 전자 장치의 계산량이 감소될 수 있다. 새로운 캘리브레이션 포인트를 획득할 때, 새로운 캘리브레이션 포인트에 대응하는 데이터는 예측 결과에 영향을 줄 수 있고, 새로운 캘리브레이션 포인트에 대응하는 데이터의 추가에 따라, 주시 영역은 더 세밀하게 분류될 수 있어, 시선 추측 결과의 정확도가 높아질 수 있다.

도 17은 일 실시예에 따른 시선 추정 장치의 구성을 도시하는 블록도이다.

도 17에 도시된 바와 같이, 일 실시예에 따른 시선 추정 장치(1700)는, 캘리브레이션을 위해 이용되는 데이터의 특징과 시성 추정을 위해 이용되는 데이터의 특징을 획득하는 특징 획득부(1710) 및 획득된 특징을 통해 시선 추정을 수행하는 추정부(1720)을 포함한다.

실시예에 따라, 시선 추정 장치(1700)는 뉴럴 네트워크 모델을 획득하기 위해 이용되는 모델 트레이닝부(미도시)를 더 포함할 수 있다. 특징 획득부(110)는 뉴럴 네트워크 모델을 통해 캘리브레이션을 위해 이용되는 데이터의 특징 추출을 진행 및/또는 뉴럴 네트워크 모델을 통해 추정을 위해 이용되는 데이터의 특징 추출을 수행한다. 일례로, 모델 트레이닝부는, 트레이닝을 위해 이용되는 데이터를 이용하여 뉴럴 네트워크 모델에 대한 트레이닝 과정을 수행한다.

일례로, 트레이닝을 위해 이용되는 트레이닝 데이터는 제1 사용자 영상과 제2 사용자 영상을 포함하고, 제1 사용자 영상과 제2 사용자 영상은 각각 동일한 사용자가 제1 대상을 주시할 때의 영상과 제2 대상을 주시할 때의 영상일 수 있다. 모델 트레이닝부는, 제1 사용자 영상과 제2 사용자 영상을 입력으로 하고, 제1 대상과 제2 대상의 상대적인 위치를 출력으로 하는 뉴럴 네트워크 모델을 트레이닝할 수 있다.

일례로, 트레이닝 데이터는 트레이닝을 위해 이용되는 영상 관련 데이터 및 트레이닝을 위해 이용되는 시선 태그를 포함할 수 있고, 모델 트레이닝부는, 트레이닝을 위해 이용되는 시선 태그를 두 개의 카테고리로 분류된 태그로 변환하고, 상기 두 개의 카테고리로 분류된 태그에 대응하는 손실 함수를 확정하고, 트레이닝을 위해 이용되는 영상 관련 데이터, 상기 두 개의 카테고리로 분류된 태그 및 상기 손실 함수를 통해 제1 뉴럴 네트워크 모델을 트레이닝하고; 여기서, 모델 트레이닝부는, 트레이닝을 위해 이용되는 시선 태그의 특정 좌표축 상의 좌표

를 확정하고, 특정 좌표축 상의 미리 결정된 간격으로 복수 개의 교점들을 설정할 수 있다. 여기서,

이고，

및

는 각각

의 최소값 및 최대값을 나타낸다. 모델 트레이닝부는 특정 좌표축 상 미리 결정된 간격으로 복수 개의 교점을 설정하고, 여기서, 미리 결정된 간격의 크기는

이다. 모델 트레이닝부는 차원을 위 복수 개 교점의 수량으로 하는 벡터의 형태로, 두 개의 카테고리로 분류된 태그를 생성할 수 있다. 여기서, 해당 벡터의 각각의 차원의 값은 미리 결정된 간격의 크기와 좌표

를 통해 확정되고, 손실 함수는 벡터의 각각의 차원의 값 및 활성화 확률에 기초하여 계산될 수 있다. 활성화 확률은 각각의 교점에 대응하는 트레이닝을 위해 이용되는 데이터에 기초하여 계산될 수 있다.

일 실시예에서, 트레이닝을 위해 이용되는 데이터는 트레이닝을 위해 이용되는 영상 관련 데이터 및 트레이닝을 위해 이용되는 시선 태그를 포함할 수 있다. 모델 트레이닝부는, 트레이닝을 위해 이용되는 영상과 관련된 데이터와 트레이닝을 위해 이용되는 시선 태그로부터 두 쌍의 샘플을 추출하고, 해당 두 쌍의 샘플로 제2 뉴럴 네트워크 모델을 트레이닝할 수 있다. 해당 두 쌍의 샘플은 동일 고객에게 대응되고, 각각의 샘플은 한 개의 트레이닝을 위해 이용되는 영상 관련 데이터 한 개 및 트레이닝을 위해 이용되는 대응되는 시선 태그 한 개를 포함할 수 있다. 두 쌍의 샘플의 두 개의 시선 태그 사이의 차이는 제1 역치보다 크고 제2 역치보다 작을 수 있다.

일 실시예에서, 모델 트레이닝부는 두 쌍의 샘플을 추출하는 과정을 통해 또 다른 두 쌍의 샘플을 추출할 수 있다. 여기서, 해당 다른 두 쌍의 샘플의 두 개의 시선 태그 사이의 차이는 제3 역치보다 크고 제4 역치보다 작을 수 있다. 제3 역치는 제1 역치보다 크거나 같고, 제4 역치는 제2 역치보다 작거나 같을 수 있다. 모델 트레이닝부는 해당 두 쌍의 샘플을 추출하는 것을 적어도 두 차례 실행하여 매 회 추출된 두 쌍의 샘플의 두 개의 시선 태그 사이의 차이가 이전 차례에 추출된 두 쌍의 샘플의 두 개의 시선 태그 사이의 차이보다 작아지게 할 수 있다.

일 실시예에서, 제2 뉴럴 네트워크 모델을 트레이닝하기 전, 모델 트레이닝부는 제1 뉴럴 네트워크 모델을 기초로 하여 제2 뉴럴 네트워크 모델의 파라미터를 설정하는 과정을 더 수행할 수 있다. 여기서, 제2 뉴럴 네트워크 모델과 제1 뉴럴 네트워크 모델은, 특징 추출을 위해 이용되는 동일한 네트워크 레이어를 가질 수 있다. 모델 트레이닝부는 해당 두 쌍의 샘플의 두 개의 트레이닝을 위해 이용되는 영상 관련 데이터 및 두 개의 트레이닝을 위해 이용되는 영상 관련 데이터에 대응하는 두 개의 카테고리로 분류된 태그를 이용하여 제2 뉴럴 네트워크 모델의 분류기를 트레이닝할 수 있다.

일 실시예에서, 모델 트레이닝부는, 트레이닝한 제1 뉴럴 네트워크 모델을 통해 두 개의 트레이닝을 위해 이용되는 영상 관련 데이터의 특징을 추출할 수 있다. 모델 트레이닝부는 두 개의 트레이닝을 위해 이용되는 영상 관련 데이터들의 특징 사이의 특징 차이를 계산할 수 있다. 모델 트레이닝부는 해당 계산된 특징 차이를 입력으로 하고, 대응하는 두 개의 카테고리로 분류된 태그를 출력으로 하는 제2 뉴럴 네트워크 모델의 분류기를 트레이닝할 수 있다.

일 실시예에서, 특징 획득부(1710)는 제2 뉴럴 네트워크 모델을 통해 캘리브레이션을 위해 이용되는 데이터의 특징 추출 및/또는 제2 뉴럴 네트워크 모델을 통해 시선 추정을 위해 이용되는 데이터의 특징을 추출 과정을 수행할 수 있다.

추정부(1720)는 획득한 시선 추정을 위해 이용되는 데이터의 특징과 획득한 캘리브레이션을 위해 이용되는 데이터의 특징에 기초하여, 뉴럴 네트워크 모델을 통해 주시 영역에서의 주시점의 위치를 추정할 수 있다.

일 실시예에서, 추정부(1720)는 시선 추정을 위해 이용되는 데이터의 특징과 추출한 캘리브레이션을 위해 이용되는 데이터의 특징 사이의 특징 차이를 계산할 수 있다. 추정부(1720)는 획득한 뉴럴 네트워크 모델을 이용하여 계산해 낸 특징 차이에 대응하는 분류기의 출력 결과를 추정하고, 추정한 분류기의 출력 결과에 따라 시선 추정을 위해 이용되는 데이터에 대응하는 주시점이 주시 영역의 분할된 복수 개의 서브 영역들 중 각각의 서브 영역에 속할 확률을 계산할 수 있다. 추정부(1720)는 계산된 확률이 가장 큰 서브 영역의 중심 위치를 주시점의 위치로 결정할 수 있다.

주시 영역이 2차원 평면 상의 영역인 경우, 각 캘리브레이션 포인트를 기준으로 서로 수직 교차하는 두 개의 직선들이 설정되고, 설정된 직선들을 기초로 주시 영역을 복수 개의 서브 영역들로 분할하는 것에 의해 주시 영역의 서브 영역들이 획득될 수 있다. 주시 영역이 3차원 공간 내의 영역인 경우, 각 캘리브레이션 포인트를 기준으로 서로 직교하는 세 개의 직선들이 설정되고, 설정된 직선들을 기초로 주시 영역을 복수 개의 서브 영역들로 분할하는 것에 의해 주시 영역의 서브 영역들이 획득될 수 있다.

일 실시예에서, 추정부(1720)는, 각각의 캘리브레이션 포인트들에 대응하는 분류기의 출력 결과들에 대해, 주시점의 각각의 차원에서의 좌표가 각각의 캘리브레이션 포인트의 각각의 차원에서의 좌표보다 작거나 클 확률을 계산하고, 계산된 확률에 따라 주시점이 각각의 서브 영역에 속할 확률을 계산할 수 있다.

일 실시예에서, 추정부(1720)는 복수개의 서브 영역들 간의 상대적인 위치 관계를 나타내는 각각의 서브 영역의 비교 관계 확률에 기초하여 주시점이 서브 영역들 각각에 속할 확률을 계산할 수 있다.

다른 실시예에서, 획득한 특징으로 시선 추정을 수행하기 전에, 시선 추정 장치(1700)는 캘리브레이션 과정을 수행할 수 있다. 시선 추정 장치(1700)는 특정 점에 대한 사용자의 동작에 따라, 해당 특정 점을 캘리브레이션 포인트 중 하나로 할 때, 캘리브레이션을 위해 이용되는 데이터를 획득할 수 있다. 일례로, 해당 특징 점은, 장치 스크린 상의 특징 점, 장치 상의 특정 버튼, 장치와 확정된 상대적인 위치를 갖는 특징점 중 적어도 하나를 포함할 수 있다. 시선 추정 장치(1700)는 하나 이상의 캘리브레이션 포인트를 디스플레이하고, 사용자가 해당 캘리브레이션 포인트를 주시할 때의 사용자 영상을 캘리브레이션을 위해 이용되는 데이터로 획득할 수 있다. 시선 추정 장치(1700)는 캘리브레이션을 위해 이용되는 데이터에 따라 캘리브레이션을 진행할 수 있다. 일례로, 시선 추정 장치(1700)는 수신한 캘리브레이션 포인트에 대응하는 손동작에 응답하여, 손동작에 대응하는 작동 포인트와 캘리브레이션 포인트 사이의 거리를 결정하고, 해당 거리가 거리 역치보다 작을 때, 사용자 영상을 캘리브레이션을 위해 이용되는 데이터로서 획득할 수 있다.

일 실시예에 따른 시선 추정 장치(1700)의 구체적인 실현 방법은, 도 1 내지 도 16에서 기술한 구체적인 실현 방식으로 실현될 수 있으며, 관련 설명을 생략한다.

다른 실시예에 따르면, 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능 저장 매체가 제공된다. 여기서, 해당 컴퓨터 프로그램이 프로세서에 의해 실행될 때, 위에서 기술한 시선 추정 방법이 실현된다.

도 18은 일 실시예에 따른 시선 추정 장치의 구성을 도시한 블록도이다.

시선 추정 장치(1800)는 사용자를 촬영한 영상에 기초하여 사용자의 시선을 추정하여, 사용자가 어느 위치를 바라본 것인지에 대한 시선 추정 결과를 출력할 수 있다. 시선 추정 장치(1800)는 시선 추정 방법과 관련하여 본 명세서에 기술되거나 또는 도시된 하나 이상의 동작을 수행할 수 있다. 시선 추정 결과에 따라 특정한 기능이 수행(예를 들어, 시선 위치에 대응하는 어플리케이션이 실행)될 수 있다.

도 18을 참조하면, 시선 추정 장치(1800)는 하나 이상의 프로세서(1810) 및 메모리(1820)를 포함할 수 있다. 메모리(1820)는 프로세서(1810)에 연결되고, 프로세서(1810)에 의해 실행가능한 인스트럭션들, 프로세서(1810)가 연산할 데이터 또는 프로세서(1810)에 의해 처리된 데이터를 저장할 수 있다.

실시예에 따라, 시선 추정 장치(1800)는 카메라(미도시)를 더 포함할 수 있고, 카메라는 카메라의 전방을 촬영하여 사용자의 눈 영역을 포함하는 영상을 획득할 수 있다.

프로세서(1810)는 도 1 내지 도 17을 참조하여 설명된 시선 추정 방법과 관련된 하나 이상의 동작을 수행할 수 있다. 예를 들어, 프로세서(1810)는 사용자의 눈 영역을 포함하는 영상으로부터 시선 추정을 위해 이용되는 데이터의 제1 특징을 추출하고, 추출한 제1 특징과 뉴럴 네트워크 모델의 캘리브레이션을 위해 이용된 데이터의 제2 특징을 이용하여 사용자의 시선을 추정하도록 상기 시선 추정 장치를 제어할 수 있다. 프로세서(1810)가 수행하는 동작들에 대한 자세한 내용은 도 1 내지 도 17을 참조하여 설명된 시선 추정 방법을 참조할 수 있다.

도 19는 일 실시예에 따른 전자 장치의 구성을 도시하는 블록도이다.

도 19를 참조하면, 전자 장치(1900)는 사용자를 촬영한 영상에 기초하여 사용자의 시선을 추정할 수 있다. 전자 장치(1900)는 본 명세서에서 설명된 시선 추정 장치를 포함할 수 있고, 시선 추정 장치의 기능을 그대로 수행할 수 있다.

도 19를 참조하면, 전자 장치(1900)는 하나 이상의 프로세서(1910), 메모리(1920), 카메라(1930), 저장 장치(1940), 입력 장치(1950), 출력 장치(1960) 및 네트워크 인터페이스(1970)를 포함할 수 있다. 프로세서(1910), 메모리(1920), 카메라(1930), 저장 장치(1930), 입력 장치(1950), 출력 장치(1960) 및 네트워크 인터페이스(1970)는 통신 버스(communication bus; 1980)를 통해 서로 통신할 수 있다.

프로세서(1910)는 사용자에 대한 시선 추정 방법을 수행하기 위한 기능 및 인스트럭션들을 실행할 수 있다. 예를 들어, 프로세서(1910)는 메모리(1920) 또는 저장 장치(1940)에 저장된 인스트럭션들을 처리할 수 있다. 프로세서(1910)는 도 1 내지 도 18을 통하여 전술한 하나 이상의 동작을 수행할 수 있다.

메모리(1920)는 프로세서(1910)에 의해 실행하기 위한 인스트럭션들과 시선 추정을 수행하기 위한 정보와 데이터를 저장할 수 있다. 메모리(1920)는 컴퓨터 판독가능한 저장 매체 또는 컴퓨터 판독가능한 저장 장치를 포함할 수 있다.

카메라(1930)는 시선 추정을 위한 영상(예, 정지 영상, 비디오 영상, 또는 이들 모두)을 획득할 수 있다.

저장 장치(1940)는 컴퓨터 판독가능한 저장 매체 또는 컴퓨터 판독가능한 저장 장치를 포함한다. 일 실시예에 따르면, 저장 장치(1940)는 메모리(1920)보다 더 많은 양의 정보를 저장하고, 정보를 장기간 저장할 수 있다. 예를 들어, 저장 장치(1940)는 자기 하드 디스크, 광 디스크, 플래쉬 메모리, 전기적으로 프로그래밍가능한 메모리(EPROM), 플로피 디스크 또는 이 기술 분야에서 알려진 다른 형태의 비휘발성 메모리를 포함할 수 있다.

입력 장치(1950)는 촉각, 비디오, 오디오 또는 터치 입력을 통해 사용자로부터 입력을 수신할 수 있다. 예를 들어, 입력 장치(1950)는 키보드, 마우스, 터치 스크린, 마이크로폰, 또는 사용자로부터 입력을 검출하고, 검출된 입력을 전자 장치(1900)에 전달할 수 있는 임의의 다른 장치를 포함할 수 있다.

출력 장치(1960)는 시각적, 청각적 또는 촉각적인 채널을 통해 사용자에게 전자 장치(1900)의 출력을 제공할 수 있다. 출력 장치(1960)는 예를 들어, 디스플레이, 터치 스크린, 스피커, 진동 발생 장치 또는 사용자에게 출력을 제공할 수 있는 임의의 다른 장치를 포함할 수 있다.

네트워크 인터페이스(1970)는 유선 또는 무선 네트워크를 통해 외부 장치와 통신할 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims

시선 추정 장치에 의해 수행되는 시선 추정 방법에 있어서,
사용자의 눈 영역을 포함하는 영상을 획득하는 단계;
상기 영상으로부터 시선 추정을 위해 이용되는 데이터의 제1 특징을 추출하는 단계; 및
상기 추출한 제1 특징과 뉴럴 네트워크 모델의 캘리브레이션을 위해 이용된 데이터의 제2 특징을 이용하여 상기 사용자의 시선을 추정하는 단계
를 포함하는
시선 추정 방법.
제1항에 있어서,
상기 제1 특징을 추출하는 단계는,
상기 뉴럴 네트워크 모델을 이용하여 상기 제1 특징을 추출하는 단계를 포함하고,
상기 캘리브레이션을 위해 이용된 데이터의 제2 특징은, 상기 뉴럴 네트워크 모델을 이용하여 추출된 것인,
시선 추정 방법.
제1항에 있어서,
상기 사용자의 시선을 추정하는 단계는,
상기 뉴럴 네트워크 모델을 이용하여, 상기 제1 특징과 상기 제2 특징으로부터 상기 사용자의 주시 영역(gaze area)에서의 주시점(gaze point)의 위치를 추정하는 단계
를 포함하는,
시선 추정 방법.
제3항에 있어서,
상기 사용자의 시선을 추정하는 단계는,
상기 제1 특징과 상기 제2 특징 간의 특징 차이를 계산하는 단계;
상기 뉴럴 네트워크 모델을 이용하여 상기 특징 차이에 대응하는 상기 뉴럴 네트워크 모델의 출력 결과를 추정하는 단계;
상기 추정 결과에 따라, 상기 주시 영역이 분할된 복수의 서브 영역들(sub-regions) 각각에 상기 주시점이 속할 확률을 계산하는 단계; 및
상기 서브 영역들 각각에 대해 계산된 확률 중 가장 높은 확률의 서브 영역의 중심 위치를 상기 주시점의 위치로 결정하는 단계
를 포함하는,
시선 추정 방법.
제4항에 있어서,
상기 주시 영역이 2차원 평면(two-dimensional plane) 상의 영역인 경우,
각 캘리브레이션 포인트(calibration point)를 기준으로 서로 수직 교차하는 두 개의 직선들이 설정되고, 상기 설정된 직선들을 기초로 상기 주시 영역을 복수 개의 서브 영역들로 분할하는 것에 의해 상기 주시 영역의 서브 영역들이 획득되는,
시선 추정 방법.
제4항에 있어서,
상기 주시 영역이 3차원 공간(three-dimensional space) 내의 영역인 경우,
상기 각 캘리브레이션 포인트를 기준으로 서로 직교하는 세 개의 직선들이 설정되고, 상기 설정된 직선들을 기초로 상기 주시 영역을 복수 개의 서브 영역들로 분할하는 것에 의해 상기 주시 영역의 서브 영역들이 획득되는,
시선 추정 방법.
제4항에 있어서,
상기 확률을 계산하는 단계는,
각각의 캘리브레이션 포인트에 대응하는 상기 뉴럴 네트워크 모델의 추정 결과에 대해, 상기 주시점의 각 차원(dimension)에서의 좌표가 각 캘리브레이션 포인트의 각 차원에서의 좌표보다 작거나 또는 클 확률을 결정하는 단계; 및
상기 결정된 확률에 기초하여 상기 주시점이 각 서브 영역들에 속할 확률을 계산하는 단계
를 포함하는,
시선 추정 방법.
제7항에 있어서,
상기 주시점이 각 서브 영역들에 속할 확률을 계산하는 단계는,
상기 복수의 서브 영역들 각각의 비교 관계 확률(comparison relationship probability)에 기초하여 상기 주시점이 상기 서브 영역들 각각에 속할 확률을 계산하는 단계
를 포함하는,
시선 추정 방법.
제1항에 있어서,
상기 사용자의 시선 추정을 수행하기 전, 상기 시선 추정 방법은,
특정 포인트를 캘리브레이션 포인트들 중 어느 하나로 할 때, 상기 특정 포인트에 대한 사용자 동작에 기초하여 상기 뉴럴 네트워크 모델의 캘리브레이션에 이용될 데이터를 획득하는 단계
를 더 포함하는,
시선 추정 방법.
제9항에 있어서,
상기 특정 포인트는,
전자 장치의 스크린 상의 특정 포인트, 상기 전자 장치 상의 버튼의 위치에 대한 특정 포인트 및 상기 전자 장치와 기결정된 상대적인 위치 관계를 가지는 특정 포인트 중 적어도 하나를 포함하는,
시선 추정 방법.
제1항에 있어서,
캘리브레이션 포인트를 디스플레이하는 단계;
상기 사용자가 상기 디스플레이된 캘리브레이션 포인트를 주시할 때의 상기 사용자를 촬영한 영상인 캘리브레이션 영상을 획득하는 단계; 및
상기 획득된 캘리브레이션 영상을 이용하여 상기 뉴럴 네트워크 모델의 캘리브레이션을 수행하는 단계
를 더 포함하는,
시선 추정 방법.
제11항에 있어서,
상기 캘리브레이션 영상을 획득하는 단계는,
상기 캘리브레이션 포인트에 대한 상기 사용자의 제스쳐의 수신에 응답하여, 상기 제스쳐에 대응하는 동작 포인트(operation point)와 상기 캘리브레이션 포인트 간의 거리를 결정하는 단계; 및
상기 결정된 거리가 임계 값보다 작은 경우, 상기 획득된 캘리브레이션 영상을 캘리브레이션을 수행하는데 이용될 캘리브레이션 영상으로 결정하는 단계를 포함하고,
상기 뉴럴 네트워크 모델의 캘리브레이션을 수행하는 단계는,
상기 캘리브레이션을 영상을 이용하여 상기 뉴럴 네트워크 모델의 캘리브레이션을 수행하는 단계
를 포함하는,
시선 추정 방법.
제1항에 있어서,
뉴럴 네트워크 모델을 획득하는 단계
를 더 포함하는,
시선 추정 방법.
제13항에 있어서,
상기 뉴럴 네트워크 모델을 획득하는 단계는,
상기 뉴럴 네트워크 모델의 트레이닝(training)을 위해 이용되는 트레이닝 데이터를 이용하여 상기 뉴럴 네트워크 모델을 트레이닝하는 단계
를 포함하는
시선 추정 방법.
제14항에 있어서,
상기 트레이닝 데이터는, 제1 사용자 영상과 제2 사용자 영상을 포함하고,
상기 제1 사용자 영상과 상기 제2 사용자 영상은, 각각 동일한 사용자가 제1 대상을 주시할 때에 획득된 사용자 영상과 제2 대상을 주시할 때에 획득된 사용자 영상이고,
상기 뉴럴 네트워크 모델을 트레이닝하는 단계는,
상기 제1 사용자 영상과 제2 사용자 영상을 입력으로 하고, 상기 제1 대상과 상기 제2 대상의 상대적인 위치 관계에 대한 데이터를 출력하는 상기 뉴럴 네트워크 모델을 트레이닝하는 단계
를 포함하는,
시선 추정 방법.
제14항에 있어서,
상기 트레이닝 데이터는, 상기 뉴럴 네트워크 모델의 트레이닝을 위해 이용되는 영상 관련 데이터와 상기 트레이닝을 위한 시선 태그(sight tag)를 포함하고,
상기 뉴럴 네트워크 모델을 트레이닝하는 단계는,
상기 시선 태그의 라벨을 두 개의 카테고리(category)로 분류하는 단계;
상기 두 개의 카테고리로 분류된 시선 태그에 대응하는 손실 함수(loss function)를 결정하는 단계; 및
상기 트레이닝을 위한 영상과 상기 두 개의 카테고리로 분류된 시선 태그 및 상기 손실 함수를 이용하여 상기 뉴럴 네트워크 모델을 트레이닝하는 단계
를 포함하는,
시선 추정 방법.
제16항에 있어서,
상기 시선 태그의 라벨을 두 개의 카테고리로 분류하는 단계는,
상기 트레이닝을 위해 이용되는 시선 태그의 특정 좌표축 상의 좌표를 결정하는 단계;
상기 특정 좌표축 상을 기준으로 미리 결정된 간격으로 복수 개의 노드(node)들을 설정하는 단계; 및
상기 복수 개의 노드들의 개수를 차원(dimension)으로 하는 벡터를 포함하는, 상기 두 개의 카테고리로 분류된 시선 태그를 생성하는 단계를 포함하고,
상기 벡터의 각 차원의 값은, 상기 미리 결정된 간격의 크기와 상기 특정 좌표축 상의 좌표에 의해 결정되고,
상기 손실 함수는, 상기 벡터의 각 차원의 값과 각 노드에 대응하는 트레이닝 데이터에 의해 계산되는 활성화 확률(activation probability)을 기초로 계산되는,
시선 추정 방법.
제14항에 있어서,
상기 트레이닝 데이터는, 상기 뉴럴 네트워크 모델의 트레이닝을 위해 이용되는 영상 관련 데이터와 상기 트레이닝을 위한 시선 태그를 포함하고,
상기 뉴럴 네트워크 모델을 트레이닝하는 단계는,
제1 뉴럴 네트워크 모델을 이용하여 상기 영상 관련 데이터와 상기 시선 태그로부터 두 쌍의 샘플들을 추출하는 단계; 및
상기 추출된 두 쌍의 샘플들을 이용하여 제2 뉴럴 네트워크 모델 기반의 분류기를 트레이닝하는 단계
를 포함하고,
상기 두 쌍의 샘플들은, 동일 사용자에 대응되고,
각각의 샘플은 하나의 영상 관련 데이터와 상기 하나의 영상 관련 데이터에 대응되는 하나의 시선 태그를 포함하고,
상기 두 쌍의 샘플에 포함된 두 개의 시선 태그들 사이의 차이는, 제1 임계 값보다 크고 제2 임계 값보다는 작은,
시선 추정 방법.
제18항에 있어서,
상기 제2 뉴럴 네트워크 모델 기반의 분류기를 트레이닝하는 단계는,
다른 두 쌍의 샘플들을 더 추출하는 단계; 및
상기 추출된 다른 두 쌍의 샘플들을 이용하여 상기 분류기를 트레이닝하는 단계를 더 포함하고,
상기 다른 두 쌍의 샘플에 포함된 두 개의 시선 태그들 사이의 차이는, 제3 임계 값보다 크고 제4 임계 값보다는 작고,
상기 제2 임계 값은 상기 제1 임계 값 이상이고, 상기 제3 임계 값은 상기 제2 임계 값 이하인,
시선 추정 방법.
제18항에 있어서,
상기 두 쌍의 샘플들을 추출하는 단계는 적어도 두 차례 실행되어, 현재 차례에서 추출된 두 쌍의 샘플들에 포함된 두 개의 시선 태그들 사이의 차이가 이전 차례에서 추출된 두 쌍의 샘플들에 포함된 두 개의 시선 태그들 사이의 차이보다 작아지게 하는,
시선 추정 방법.
제18항에 있어서,
상기 분류기를 트레이닝하기 전에, 상기 제1 뉴럴 네트워크 모델을 기초로 상기 분류기의 상기 제2 뉴럴 네트워크 모델의 파라미터들을 설정하는 단계
를 더 포함하고,
상기 제1 뉴럴 네트워크 모델과 상기 제2 뉴럴 네트워크 모델은, 특징 추출을 위한 동일한 네트워크 레이어(network layer)를 가지고,
상기 두 쌍의 샘플들을 이용하여 분류기를 트레이닝하는 단계는,
상기 두 쌍의 샘플들에 포함된 두 개의 영상 관련 데이터와 상기 두 개의 영상 관련 데이터에 대응하는 두 개의 카테고리 태그를 이용하여 상기 제2 뉴럴 네트워크 모델 기반의 분류기를 트레이닝하는 단계
를 포함하는,
시선 추정 방법.
제18항에 있어서,
상기 제2 뉴럴 네트워크 모델 기반의 분류기를 트레이닝하는 단계는,
트레이닝된 제1 뉴럴 네트워크 모델을 통해 트레이닝을 위한 두 개의 영상 관련 데이터의 특징들을 추출하는 단계;
상기 두 개의 영상 관련 데이터의 특징들 간의 특징 차이를 계산하는 단계; 및
상기 특징 차이를 입력으로 하고, 상기 두 개의 영상 관련 데이터에 대응하는 두 개의 카테고리 태그를 출력으로 하는 상기 제2 뉴럴 네트워크 모델 기반의 분류기를 트레이닝하는 단계
를 포함하는,
시선 추정 방법.
제1항 내지 제22항 중 어느 한 항의 방법을 실행하기 위한 프로그램이 기록된 컴퓨터에서 판독 가능한 기록 매체.
시선 추정 장치에 있어서,
하나 이상의 프로세서를 포함하고,
상기 하나 이상의 프로세서는,
사용자의 눈 영역을 포함하는 영상으로부터 시선 추정을 위해 이용되는 데이터의 제1 특징을 추출하고,
상기 추출한 제1 특징과 뉴럴 네트워크 모델의 캘리브레이션을 위해 이용된 데이터의 제2 특징을 이용하여 상기 사용자의 시선을 추정하도록 상기 시선 추정 장치를 제어하는,
시선 추정 장치.
제24항에 있어서,
상기 사용자의 눈 영역을 포함하는 상기 영상을 획득하는 카메라
를 더 포함하는
시선 추정 장치.