PCA을 이용한 얼굴 표정의 감정 인식 방법

김호덕(Ho-Duck Kim),양현창(Hyun-Chang Yang),박창현(Chang-Hyun Park),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2006 한국지능시스템학회논문지 Vol.16 No.6

얼굴 표정인식에 관한 연구는 대부분 얼굴의 정면 화상을 가지고 연구를 한다. 얼굴 표정인식에 큰 영향을 미치는 대표적인 부위는 눈과 엽이다. 그래서 표정 인식 연구자들은 눈, 눈썹, 입을 중심으로 표정 인식이나 표현 연구를 해왔다. 그러나 일상생활에서 카메라 앞에서는 대부분의 사람들은 눈동자의 빠른 변화의 인지가 어렵다. 또한 많은 사람들이 안경을 쓰고 있다. 그래서 본 연구에서는 눈이 가려진 경우의 표정 인식을 Principal Component Analysis (PCA)를 이용하여 시도하였다. A research about facial image recognition is studied in the most of images in a full face. A representative part, effecting a facial image recognition, is eyes and a mouth. So, facial image recognition researchers have studied under the central eyes, eyebrows, and mouths on the facial images. But most people in front of a camera in everyday life are difficult to recognize a fast change of pupils. And people wear glasses. So, in this paper, we try using Principal Component Analysis(PCA) for facial image recognition in blindfold case.

fMRI와 TRS와 EEG를 이용한 뇌파분석을 통한 사람의 감정 인식

김호덕(Ho-Duck Kim),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2007 한국지능시스템학회논문지 Vol.17 No.6

많은 연구자들은 인간의 사고를 functional Magnetic Resonance Imaging (fMRI), Time Resolved Spectroscopy(TRS), Electroencephalography(EEG)등을 이용해서 두뇌 활동 영역을 연구하고 있다. 주로 의학 분야와 심리학의 영역에서 두뇌의 활동을 연구하여 간질이나 발작을 알아내고 거짓말 탐지 분야에서도 사용된다. 본 논문에서는 사람의 두뇌활동을 측정하여 인간의 감정을 인식하는 연구에 중점을 두었다. 특히, fMRI와 TRS 그라고 EEG를 이용해서 사람의 두뇌 활동을 측정하는 연구를 하였다. 많은 연구자들이 한 가지 측정 장치만을 사용하여서 측정하거나 fMRI와 EEG를 동시에 측정하는 연구를 진행하고 있다. 현재에는 단순히 두뇌의 활동을 측정하거나 측정 시 발생하는 잡음들을 제거하는 연구들에 중점을 두고 진행되고 있다. 본 연구에서는 fMRI와 TRS를 동시에 측정하여 얻은 두뇌 활동 데이터를 가지고 감정에 따른 활동 영역의 EEG 신호를 측정하였다. EEG 신호분석에 있어서 기존의 뇌파만을 가지고 특징을 찾아내는 것을 넘어서 각각의 채널에서 기록되는 뇌파의 파형을 주파수에 따라서 분류하고 정확한 측정을 위해 낮은 주파수를 제거하고 연구자가 필요한 부분의 뇌파를 분석하였다. Many researchers are studying brain activity to using functional Magnetic Resonance Imaging (fMRI), Time Resolved Spectroscopy(TRS), Electroencephalography(EEG), and etc. They are used detection of seizures or epilepsy and deception detection in the main. In this paper, we focus on emotion recognition by recording brain waves. We specially use fMRI, TRS, and EEG for measuring brain activity. Researchers are experimenting brain waves to get only a measuring apparatus or to use both fMRI and EEG. This paper is measured that we take images of fMRI and TRS about brain activity as human emotions and then we take data of EEG signals. Especially, we focus on EEG signals analysis. We analyze not only original features in brain waves but also transferred features to classify into five sections as frequency. And we eliminate low frequency from 0.2 to 4㎐ for EEG artifacts elimination.

생체 신호와 몸짓을 이용한 감정인식 방법

김호덕(Ho-Duck Kim),양현창(Hyun-Chang Yang),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2007 한국지능시스템학회논문지 Vol.17 No.3

심리학 분야의 연구자들은 Electroencephalographic(EEG)을 오래전부터 인간 두뇌의 활동을 측정 기록하는데 사용하였다. 과학이 발달함에 따라 점차적으로 인간의 두뇌에서 감정을 조절하는 기본적인 영역들이 밝혀지고 있다. 그래서 인간의 감정을 조절하는 인간의 두뇌 활동 영역들을 EEG를 이용하여 측정하였다. 손짓이나 고개의 움직임은 사람들 사이에 대화를 위한 인간의 몸 언어로 사용된다. 그리고 그것들의 인식은 컴퓨터와 인간 사이에 유용한 회화수단으로 매우 중요하다. 몸짓에 관한 연구들은 주로 영상을 통한 인식 방법이 주를 이루고 있다. 많은 연구자들의 기존 연구에서는 생체신호나 몸짓 중 한 가지만을 이용하여 감정인식 방법 연구를 하였다. 본 논문에서는 EEG 신호와 몸짓을 같이 사용해서 사람의 감정을 인식하였다. 그리고 인식의 대상자를 운전자라는 특정 대상자를 설정하고 실험을 하였다. 실험 결과 생체신호와 몸짓을 같이 사용한 실험의 인식률이 둘 중 한 가지만을 사용한 것보다 높은 인식률을 보였다. 생체신호와 몸짓들의 특징 신호들은 강화학습의 개념을 이용한 IFS(Interactive Feature Selection)를 이용하여 특징 선택을 하였다. Researchers in the field of psychology used Electroencephalographic (EEG) to record activities of human brain for many years. As technology develope, neural basis of functional areas of emotion processing is revealed gradually. So we measure fundamental areas of human brain that controls emotion of human by using EEG. Hands gestures such as shaking and head gesture such as nodding are often used as human body languages for communication with each other, and their recognition is important that it is a useful communication medium between human and computers. Research methods about gesture recognition are used of computer vision. Many researchers study emotion recognition method which uses one of physiological signals and gestures in the existing research. In this paper, we use together physiological signals and gestures for emotion recognition of human. And we select the driver emotion as a specific target. The experimental result shows that using of both physiological signals and gestures gets high recognition rates better than using physiological signals or gestures. Both physiological signals and gestures use Interactive Feature Selection(IFS) for the feature selection whose method is based on a reinforcement learning.

Bayesian Networks 이용한 EEG 신호에서의 사람의 감정인식 방법 개발

김호덕(HO-Duck Kim),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2008 한국지능시스템학회 학술발표 논문집 Vol.18 No.1

본 논문은 Bayesian Networks를 이용해서 EEG 신호를 분석해서 사람의 감정을 분석하는 방법을 제안하였다. 현제 연구자들은 Electroencephalogram (EEG) 신호를 기반으로 사람의 두뇌와 컴퓨터의 인터페이스에 관한 연구를 하고 있다. 기존에는 간질이나 발작 등을 의학 분야와 사람의 정서에 따라 뇌파분석을 하는 심리학의 영역에서 연구가 되어져 왔다. 최근에는 사람의 두뇌와 컴퓨터 간의 인터페이스를 통한 여러가지 공학적인 접근이 이루어지고 있다. 본 논문에서는 사람의 감정에 따라 Brain-Computer Interface (BCI)를 통해서 EEG 신호를 분석하고 잡음을 제거해서 보다 정확한 신호를 추출한 다음 각각의 주파수 영역으로 분류를 하였다. 분류된 값들은 Bayesian Networks를 이용해서 피 실험자가 어떠한 감정을 나타내는지 확률 값으로 나타낸다. 확률 값에 의해서 피 실험자가 어떠한 감정인지를 인식하게 되는 것이다.

전자 나침반과 초음파 센서를 이용한 이동 로봇의 Simultaneous Localization and Mapping

김호덕(Ho-Duck Kim),서상욱(Sang-Wook Seo),장인훈(In-Hun Jang),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2007 한국지능시스템학회논문지 Vol.17 No.4

전자나침반(DMC)은 실내의 전자기적 요소나 강한 자성체 건물구조에서는 쉽게 방해를 받던 나침반보다 실내에서 간섭에 강한 특징을 가지고 있다. 그리고 초음파 센서는 물체와의 거리를 계산해 줄뿐만 아니라 값싼 센서로서 경제적인 이점을 가지고 있어 Simultaneous Localization and Mapping(SLAM)에서 많이 사용하고 있다. 본 논문에서는 자율 이동 로봇의 구동에서 전자나침반과 초음파 센서를 이용한 SLAM의 구현에 대해 연구하였다. 로봇의 특성상 한정된 센싱 데이터만으로 방향과 위치를 파악하고 그 데이터 값으로 가능한 빠르게 위치 측정을 하여야 한다. 그러므로 자율 이동 로봇에서의 SLAM 적용함으로 위치측정의 구현과 지도 작성을 수행한다. 그리고 SLAM 구현상의 주된 연구 중의 하나인 Kid Napping 문제에 중점을 두고 연구한다. 특히, 위치 측정의 구현을 수행하기 위한 데이터의 센싱 방법으로 초음파 센서를 사용하였고 비슷한 위치의 데이터 값이 주어지거나 사전 정보 없는 상태에서는 로봇의 상태를 파악하기 위해서 전자 나침반을 사용하였다. 그래서 자율 이동 로봇의 위치를 정확하게 측정하기 위해서 활용하였다. Digital Magnetic Compass(DMC) has a robust feature against interference in the indoor environment better than compass which is easily disturbed by electromagnetic sources or large ferromagnetic structures. Ultrasonic Sensors are cheap and can give relatively accurate range readings. So they are used in Simultaneous Localization and Mapping(SLAM). In this paper, we study the Simultaneous Localization and Mapping(SLAM) of mobile robot in the indoor environment with Digital Magnetic Compass and Ultrasonic Sensors. Autonomous mobile robot is aware of robot’s moving direction and position by the restricted data. Also robot must localize as quickly as possible. And in the moving of the mobile robot, the mobile robot must acquire a map of its environment. As application for the Simultaneous Localization and Mapping(SLAM) on the autonomous mobile robot system, robot can find the localization and the mapping and can solve the Kid Napping situation for itself. Especially, in the Kid Napping situation, autonomous mobile robot use Ultrasonic sensors and Digital Magnetic Compass(DMC)’s data for moving. The robot is aware of accurate location By using Digital Magnetic Compass(DMC).

제스처와 EEG 신호를 이용한 감정인식 방법

김호덕(Ho-Duck Kim),정태민(Tae-Min Jung),양현창(Hyun-Chang Yang),심귀보(Kwee-Bo Sim) 제어로봇시스템학회 2007 제어·로봇·시스템학회 논문지 Vol.13 No.9

사용자비용최적화를 통한 도로 설계서비스수준 산정방안

장재남,김호덕(Ho Duck Kim),이용택(Yong Taeck Lee),장명순 대한교통학회 1999 대한교통학회 학술대회지 Vol.36 No.-

군집 로봇의 협조 행동을 위한 강화 학습 기반의 진화 및 학습 알고리즘

서상욱(Sang-Wook Seo),김호덕(Ho-Duck Kim),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2007 한국지능시스템학회논문지 Vol.17 No.5

군집 로봇시스템에서 개개의 로봇은 스스로 주위의 환경과 자신의 상태를 스스로 판단하여 행동하고, 필요에 따라서는 다른 로봇과 협조를 통하여 어떤 주어진 일을 수행할 수 있어야 한다. 따라서 개개의 로봇은 동적으로 변화하는 환경에 잘 적응할 수 있는 학습과 진화능력을 갖는 것이 필수적이다. 이를 위하여 본 논문에서는 새로운 Polygon 기반의 Q-learning 알고리즘과 분산유전알고리즘을 이용한 새로운 자율이동로봇의 행동학습 및 진화방법을 제안한다. 또한 개개의 로봇이 통신을 통하여 염색체를 교환하는 분산유전알고리즘은 각기 다른 환경에서 학습한 우수한 염색체로부터 자신의 능력을 향상시킨다. 특히 본 논문에서는 진화의 성능을 향상시키기 위하여 강화학습의 특성을 이용한 선택 교배방법을 채택하였다. 제안된 방법은 협조탐색 문제에 적용하여 컴퓨터 모의실험을 통하여 그 유효성을 검증한다. In swarm robot systems, each robot must behaves by itself according to the its states and environments, and if necessary, must cooperates with other robots in order to carry out a given task. Therefore it is essential that each robot has both learning and evolution ability to adapt the dynamic environments. In this paper, the new polygon based Q-learning algorithm and distributed genetic algorithms are proposed for behavior learning and evolution of collective autonomous mobile robots. And by distributed genetic algorithm exchanging the chromosome acquired under different environments by communication each robot can improve its behavior ability. Specially, in order to improve the performance of evolution, selective crossover using the characteristic of reinforcement learning is adopted in this paper. we verify the effectiveness of the proposed method by applying it to cooperative search problem.

감정 인식을 위한 Interactive Feature Selection(IFS) 알고리즘

양현창(Hyun-Chang Yang),김호덕(Ho-DUck Kim),박창현(Chang-Hyun Park),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2006 한국지능시스템학회논문지 Vol.16 No.6

본 논문은 일반적으로 많은 특정들을 갖고 있는 패턴 분류 문제인 감정 인식을 위한 새로운 특정 선택 방법을 제안한다. ‘특정 선택’은 패턴 인식 성능의 향상에 기여하고 ‘차원의 저주’문제에도 좋은 해결책으로 많이 사용되는 방법이다. 그래서, 본 논문에서는 강화학습의 개념을 사용한 상호 작용에 의한 특정 선택 방법인 IFS(Interactiv Feature Selection)틀 고안하 였고 이 알고리즘을 사용하여 선택된 특징들을 감정 인식 시스템에 적용하여 성능이 향상됨을 확인하였다. 또한, 기존의 특정 선택 방법과의 비교를 통하여 본 알고리즘의 우수성을 확인하였다. This paper presents the novel feature selection method for Emotion Recognition, which may include a lot of original features. Specially, the emotion recognition in this paper treated speech signal with emotion. The feature selection has some benefits on the pattern recognition performance and 'the curse of dimension'. Thus, We implemented a simulator called 'IFS' and those result was applied to a emotion recognition system(ERS), which was also implemented for this research, Our novel feature selection method was basically affected by Reinforcement Learning and since it needs responses from human user, it is called 'Interactive Feature Selection'. From performing the IFS, we could get 3 best features and applied to ERS. Comparing those results with randomly selected feature set, The 3best features were better than the randomly selected feature set.

패턴 인식문제를 위한 유전자 알고리즘 기반 특징 선택 방법 개발

박창현(Chang-Hyun Park),김호덕(Ho-Duck Kim),양현창(Hyun-Chang Yang),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2006 한국지능시스템학회논문지 Vol.16 No.4

패턴 인식 문제에서 중요한 전처리 과정 중 하나는 특징을 선택하거나 추출하는 부분이다. 특징을 추출하는 방법으로는 PCA가 보통 사용되고 특징을 선택하는 방법으로는 SFS 나 SBS 등의 방법들이 자주 사용되고 있다. 본 논문은 진화 연산 방법으로써 비선형 최적화 문제에서 유용하게 사용되어 지고 있는 유전자 알고리즘을 특징 선택에 적용하는 유전자 알고리즘 특징 선택(Genetic Algorithm Feature Selection: GAFS)방법을 개발하여 다른 특징 선택 알고리즘과의 비교를 통해 본 알고리즘의 성능을 관찰한다. IAn important problem of pattern recognition is to extract or select feature set, which is included in the pre-processing stage. In order to extract feature set, Principal component analysis has been usually used and SFS(Sequential Forward Selection) and SBS(Sequential Backward Selection) have been used as a feature selection method. This paper applies genetic algorithm which is a popular method for nonlinear optimization problem to the feature selection problem. So, we call it Genetic Algorithm Feature Selection(GAFS) and this algorithm is compared to other methods in the performance aspect.