RISS 학술연구정보서비스

검색

인기 검색어

    다국어 입력

    http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

    변환된 중국어를 복사하여 사용하시면 됩니다.

    예시)
    • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
    • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
    닫기

    헬스케어를 위한 웃음 표정인식 시스템 개발 = Development of Facial Expression of Smile for Healthcare

    한글로보기

    https://www.riss.kr/link?id=T12160085

    • 저자
    • 발행사항

      익산 : 원광대학교 일반대학원, 2010

    • 학위논문사항

      학위논문(석사) -- 원광대학교 일반대학원 , 컴퓨터공학과 , 2010. 8

    • 발행연도

      2010

    • 작성언어

      한국어

    • 발행국(도시)

      전북특별자치도

    • 형태사항

      p77 ; 26cm

    • 일반주기명

      지도교수 :정성태

    • 소장기관
      • 원광대학교 중앙도서관 소장기관정보
    • 0

      상세조회
    • 0

      다운로드
    서지정보 열기
    • 내보내기
    • 내책장담기
    • 공유하기
      • URL 복사
    • 오류접수
    인용문이 복사되었습니다.

    부가정보

    국문 초록 (Abstract) kakao i 다국어 번역

    최근 웃음 치료는 헬스케어분야에서 뛰어난 효과를 갖기 때문에 많이 각광을 받고 있다. 따라서 본 논문에서 기존의 웃음 치료 방법의 장소와 시간의 제한 점을 보완하기 위해서 실시간 카메라 영상으로부터 얼굴을 검출하고 얼굴 표정을 인식하여 웃음 치료 훈련을 할 수 있는 시스템을 제안한다.
    제안된 시스템은 크게 얼굴 검출단계, 전처리 단계 및 표정 인식 단계 세단계로 구성된다. 얼굴 검출단계에서 카메라 영상으로부터 OpenCV기반 AdaBoost 얼굴 검출 알고리즘을 이용하여 얼굴 후보 영역을 검출한 다음, SVM분류기를 이용하여 얼굴 후보 영역이 얼굴 영상인지 아닌지를 검증한다. 그 다음에는 검출된 얼굴 영상에 대해, 크기 정규화를 실행하였고, 조명의 영향을 최소화하기 위해서 좌우대칭 평균화과 히스토그램 매칭을 결합하는 조명 정규화 방법을 제안하여 조명 정규화를 수행한다. 표정 인식 단계에서는 정규화단계를 거친 후에 획득한 영상에 대해서 PCA를 사용하여 얼굴 특징 벡터 추출한 다음에 3 계층 퍼셉트론 인공신경망을 이용해 실시간으로 웃음표정을 인식하였다. 본 논문에서 개발된 웃음 표정 인식 시스템은 실시간으로 사용자의 웃음 표정을 인식하여 웃음 양을 화면에 표시해 줌으로써 사용자 스스로 웃음 훈련을 할 수 있게 해 준다.
    실험 결과에 따르면, 본 논문에서 제안한 방법은 SVM 분류기를 통한 얼굴 후보 영역 검증과 좌우대칭 평균화와 히스토그램 매칭을 결합하는 조명 정규화 방법 및 크기 정규화 알고리즘을 이용하여 웃음 표정 인식률을 향상시켰다.
    번역하기

    최근 웃음 치료는 헬스케어분야에서 뛰어난 효과를 갖기 때문에 많이 각광을 받고 있다. 따라서 본 논문에서 기존의 웃음 치료 방법의 장소와 시간의 제한 점을 보완하기 위해서 실시간 카...

    최근 웃음 치료는 헬스케어분야에서 뛰어난 효과를 갖기 때문에 많이 각광을 받고 있다. 따라서 본 논문에서 기존의 웃음 치료 방법의 장소와 시간의 제한 점을 보완하기 위해서 실시간 카메라 영상으로부터 얼굴을 검출하고 얼굴 표정을 인식하여 웃음 치료 훈련을 할 수 있는 시스템을 제안한다.
    제안된 시스템은 크게 얼굴 검출단계, 전처리 단계 및 표정 인식 단계 세단계로 구성된다. 얼굴 검출단계에서 카메라 영상으로부터 OpenCV기반 AdaBoost 얼굴 검출 알고리즘을 이용하여 얼굴 후보 영역을 검출한 다음, SVM분류기를 이용하여 얼굴 후보 영역이 얼굴 영상인지 아닌지를 검증한다. 그 다음에는 검출된 얼굴 영상에 대해, 크기 정규화를 실행하였고, 조명의 영향을 최소화하기 위해서 좌우대칭 평균화과 히스토그램 매칭을 결합하는 조명 정규화 방법을 제안하여 조명 정규화를 수행한다. 표정 인식 단계에서는 정규화단계를 거친 후에 획득한 영상에 대해서 PCA를 사용하여 얼굴 특징 벡터 추출한 다음에 3 계층 퍼셉트론 인공신경망을 이용해 실시간으로 웃음표정을 인식하였다. 본 논문에서 개발된 웃음 표정 인식 시스템은 실시간으로 사용자의 웃음 표정을 인식하여 웃음 양을 화면에 표시해 줌으로써 사용자 스스로 웃음 훈련을 할 수 있게 해 준다.
    실험 결과에 따르면, 본 논문에서 제안한 방법은 SVM 분류기를 통한 얼굴 후보 영역 검증과 좌우대칭 평균화와 히스토그램 매칭을 결합하는 조명 정규화 방법 및 크기 정규화 알고리즘을 이용하여 웃음 표정 인식률을 향상시켰다.

    더보기

    다국어 초록 (Multilingual Abstract) kakao i 다국어 번역

    These days, the laugh therapy have an excellent in the healthcare field and has become focus of more and more people. So, in this paper, in order to compensate the limitations of place and time in the previous methods, we proposed a recognition system of smile facial expression for smile treatment training.
    The proposed system detects face candidate regions by using AdaBoot algorithm based on OpenCV from camera images. After that, it verifies if the detected face candidate region is a face or non-face by using SVM(Support Vector Machine) classification. For the detected face image, it applies size normalization and illumination normalization based on the method of the integrate of bilateral symmetry averaging and histogram matching in order to minimize the effect of illumination change. In the facial expression recognition step, it computes facial feature vector by using PCA(Principal Component Analysis) and recognizes smile expression by using a multilayer perceptron artificial network. The proposed system let the user train smile expression by recognizing the user's smile expression in real-time and displaying the amount of smile expression. Experimental result show that the proposed system improve the correct recognition rate by using face region verification based on SVM and using illumination normalization based on the method of the integrate of bilateral symmetry averaging and histogram matching.
    번역하기

    These days, the laugh therapy have an excellent in the healthcare field and has become focus of more and more people. So, in this paper, in order to compensate the limitations of place and time in the previous methods, we proposed a recognition system...

    These days, the laugh therapy have an excellent in the healthcare field and has become focus of more and more people. So, in this paper, in order to compensate the limitations of place and time in the previous methods, we proposed a recognition system of smile facial expression for smile treatment training.
    The proposed system detects face candidate regions by using AdaBoot algorithm based on OpenCV from camera images. After that, it verifies if the detected face candidate region is a face or non-face by using SVM(Support Vector Machine) classification. For the detected face image, it applies size normalization and illumination normalization based on the method of the integrate of bilateral symmetry averaging and histogram matching in order to minimize the effect of illumination change. In the facial expression recognition step, it computes facial feature vector by using PCA(Principal Component Analysis) and recognizes smile expression by using a multilayer perceptron artificial network. The proposed system let the user train smile expression by recognizing the user's smile expression in real-time and displaying the amount of smile expression. Experimental result show that the proposed system improve the correct recognition rate by using face region verification based on SVM and using illumination normalization based on the method of the integrate of bilateral symmetry averaging and histogram matching.

    더보기

    목차 (Table of Contents)

    • 제 1 장 서 론 1
    • 제 1 절 연구 배경 1
    • 제 2 절 관련 연구 4
    • 1.2.1 얼굴 검출 기술 현황 4
    • 1.2.2 얼굴 표정 인식 기술 현황 8
    • 제 1 장 서 론 1
    • 제 1 절 연구 배경 1
    • 제 2 절 관련 연구 4
    • 1.2.1 얼굴 검출 기술 현황 4
    • 1.2.2 얼굴 표정 인식 기술 현황 8
    • 제 3 절 본 논문에서 제안된 시스템 10
    • 제 2 장 얼굴 영상 검출 12
    • 제 1 절 AdaBoost 얼굴 검출 알고리즘을 이용한 얼굴 후보 영역 검출 12
    • 2.1.1 확대된 Haar-like 특징 및 특징 값 계산 방법 13
    • 2.1.2 AdaBoost 알고리즘 18
    • 2.1.3 Cascade 구조 21
    • 제 2 절 SVM를 이용한 얼굴 영상 검증 24
    • 2.2.1 선형 SVM 25
    • 2.2.2 비선형 SVM 27
    • 2.2.3 선형 SVM 분류기를 이용한 얼굴/비 얼굴 영상 분류 28
    • 제 3 장 얼굴 영상 전처리 32
    • 제 1 절 얼굴 영상 크기 정규화 32
    • 제 2 절 얼굴 영상 조명 정규화 33
    • 3.2.1 조명 표준화 33
    • 3.2.2 백색화 35
    • 3.2.3 히스토그램 매칭 36
    • 3.2.4 좌우대칭 평균화 39
    • 3.2.5 좌우대칭 평균화과 히스토그램 매칭을 결합하는 조명 정규화 40
    • 제 4 장 얼굴 표정 인식 41
    • 제 1 절 얼굴 특징 추출 42
    • 4.1.1 주성분 분석 방법(PCA) 42
    • 4.1.2 PCA를 이용한 얼굴 특징 추출 42
    • 제 2 절 얼굴 표정 인식 44
    • 4.2.1 인공 신경망 개요 44
    • 4.2.2 역전파 알고리즘(Back Propagation Algorithm) 46
    • 4.2.3 인공 신경망을 이용한 얼굴 표정 인식 48
    • 제 5 장 실험 및 결과 50
    • 제 1 절 실험 환경 50
    • 제 2 절 실험 및 결과 52
    • 5.2.1 얼굴 검출 실험 및 결과 52
    • 5.2.2 표정 인식 실험 및 결과 53
    • 제 6 장 결론 및 향후 연구 58
    • 참고문헌 59
    더보기

    분석정보

    View

    상세정보조회

    0

    Usage

    원문다운로드

    0

    대출신청

    0

    복사신청

    0

    EDDS신청

    0

    동일 주제 내 활용도 TOP

    더보기

    주제

    연도별 연구동향

    연도별 활용동향

    연관논문

    연구자 네트워크맵

    공동연구자 (7)

    유사연구자 (20) 활용도상위20명

    해외이동버튼