고객 맞춤형 서비스를 위한 관객 행동 기반 감정예측모형

국문 초록 (Abstract)

정보기술의 비약적 발전에 힘입어, 오늘날 기업들은 지금까지 축적한 고객 데이터를 기반으로 맞춤형 서비스를 제공하는 것에 많은 관심을 가지고 있다. 고객에게 소구하는 맞춤형 서비스를 효과적으로 제공하기 위해서는 우선 그 고객이 처한 상태나 상황을 정확하게 인지하는 것이 중요하다. 특히, 고객에게 서비스가 전달되는 이른바 진실의 순간에 해당 고객의 감정 상태를 정확히 인지할 수 있다면, 기업은 더 양질의 맞춤형 서비스를 제공할 수 있을 것이다. 이와 관련하여 사람의 얼굴과 행동을 이용하여 사람의 감정을 판단하고 개인화 서비스를 제공하기 위한 연구가 활발하게 이루어지고 있다. 얼굴 표정을 통해 사람의 감정을 판단하는 연구는 좀 더 미세하고 확실한 변화를 통해 정확하게 감정을 판단할 수 있지만, 장비와 환경의 제약으로 실제 환경에서 다수의 관객을 대상으로 사용하기에는 다소 어려움이 있다. 이에 본 연구에서는 Plutchik의 감정 분류 체계를 기반으로 사람들의 행동을 통해 감정을 추론해내는 모형을 개발하는 것을 목표로 한다. 본 연구는 콘텐츠에 의해 유발된 사람들의 감정적인 변화를 사람들의 행동 변화를 통해 판단하고 예측하는 모형을 개발하고, 4가지 감정 별 행동 특징을 추출하여 각 감정에 따라 최적화된 예측 모형을 구축하는 것을 목표로 한다. 모형 구축을 위해 사람들에게 적절한 감정 자극영상을 제공하고 그 신체 반응을 수집하였으며, 사람들의 신체 영역을 나누었다. 특히, 모션캡쳐 분야에서 널리 쓰이는 차영상 기법을 적용하여 사람들의 제스쳐를 추출 및 보정하였다. 이후 전처리 과정을 통해 데이터의 타임프레임 셋을 20, 30, 40, 프레임의 3가지로 설정하고, 데이터를 학습용, 테스트용, 검증용으로 구분하여 인공신경망 모형을 통해 학습시키고 성과를 평가하였다. 다수의 일반인들을 대상으로 수집된 데이터를 이용하여 제안 모형을 구축하고 평가한 결과, 프레임셋에 따라 예측 성과가 변화함을 알 수 있었다. 감정 별 최적 예측 성과를 보이는 프레임을 확인할 수 있었는데, 이는 감정에 따라 감정의 표출 시간이 다르기 때문인 것으로 판단된다. 이는 행동에 기반한 제안된 감정예측모형이 감정에 따라 효과적으로 감정을 예측할 수 있으며, 실제 서비스 환경에서 사용할 수 있는 효과적인 알고리즘이 될 수 있을 것으로 기대할 수 있다.

참고문헌 (Reference)

1 배종환, "인터랙티브 전시 환경에서 개인화 마케팅 서비스를 위한 모바일 프레임워크 설계" 한국지능정보시스템학회 18 (18): 59-69, 2012

2 김종호, "은닉 마르코프 모델 기반 동작 인식 방법" 한국멀티미디어학회 12 (12): 521-529, 2009

3 심귀보, "다중 센서 융합 알고리즘을 이용한 감정인식 및 표현기법" 제어·로봇·시스템학회 13 (13): 754-759, 2007

4 유호종, "기업의 공연문화서비스에 대한 경험적 특성이 재경험의도에 미치는 영향" 국제e-비즈니스학회 11 (11): 519-538, 2010

5 정민규, "개인화 전시 서비스 구현을 위한 지능형 관객 감정 판단 모형" 한국지능정보시스템학회 18 (18): 39-57, 2012

6 김성진, "감정예측모형의 성과개선을 위한 Support Vector Regression 응용" 한국지능정보시스템학회 18 (18): 185-202, 2012

7 이승현, "情志 調攝을 위한 한방음악치료 機法에 관한 硏究" 대한한의학원전학회 24 (24): 39-47, 2011

8 Zhu, Y., "Vision-based Interpretation of Hand Gestures by Modeling Appearance Changes in Image Sequences" 573-576, 1998

9 Ekman, P., "Unmasking the face : a guide to recognizing emotions from facial clues" Prentice-Hall 1975

10 Ambady, N., "Thin slices of expressive behavior as predictors of interpersonal consequences : A meta-analysis" 111 (111): 256-274, 1992

11 Lee, I. H., "The status of the motion capture technology and Applications" 3 (3): 38-48, 1999

12 Watanabe, T., "Real time recognition of gesture and gesture degree information using multi input image sequences" 2 : 1855-1858, 1998

13 Kim, D. S., "Neural Network Theory and Application" Hitech information 1993

14 Laban, R., "Modern Educational Dance" Macdonald and Evans 1968

15 Dempster, A. P., "Maximum-likelihood from incomplete data via the EM algorithm" 39 (39): 1-38, 1977

16 "Korea Mecenat Association"

17 Plutchik, R., "Emotions and life : Perspectives from psychology, biology, and evolution" American Psychological Association 2002

18 Plutchik, R., "Emotion : A psycho-evolutionary synthesis" Harper and Row 1980

19 Cho, K. E., "Design of a Character’ System to Express Mixed-Emotion by Gesture and Posture" 191-194, 2009

20 Jang, N. S., "Data Mining" Dae Chung Media 1999

21 Burgoon, J. K., "Augmenting human identification of emotional states in video" 2005

22 Ryoo, E. C., "Audience reaction judgement model for interactive performance" 121-126, 2012

23 Coulson, M., "Attributing emotion to static body postures : recognition accuracy, confusions, and viewpoint dependence" 28 (28): 117-139, 1992

24 Davis, J. W., "Appearance-Based Motion Recognition of Human Actions" MIT 1996

25 Hong, D. P., "AR-based Tangible User Interface for I2-NEXT" 1628-1633, 2005

26 McCulloch, W. S., "A logical calculus of the ideas immanent in nervous activity" 5 (5): 15-33, 1943