The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

An Implementation of Gaze Recognition System Based on SVM

SVM 기반의 시선 인식 시스템의 구현

  • 이규범 (성균관대학교 정보통신공학부) ;
  • 김동주 (성균관대학교 정보통신공학부) ;
  • 홍광석 (성균관대학교 정보통신공학부)
  • Published : 2010.02.28
Download PDF
⟨ Previous Next ⟩

Abstract

The researches about gaze recognition which current user gazes and finds the location have increasingly developed to have many application. The gaze recognition of existence all about researches have got problems because of using equipment that Infrared(IR) LED, IR camera and head-mounted of high price. This study propose and implement the gaze recognition system based on SVM using a single PC Web camera. The proposed system that divide the gaze location of 36 per 9 and 4 to recognize gaze location of 4 direction and 9 direction recognize user's gaze. Also, the proposed system had apply on image filtering method using difference image entropy to improve performance of gaze recognition. The propose system was implements experiments on the comparison of proposed difference image entropy gaze recognition system, gaze recognition system using eye corner and eye's center and gaze recognition system based on PCA to evaluate performance of proposed system. The experimental results, recognition rate of 4 direction was 94.42% and 9 direction was 81.33% for the gaze recognition system based on proposed SVM. 4 direction was 95.37% and 9 direction was 82.25%, when image filtering method using difference image entropy implemented. The experimental results proved the high performance better than existed gaze recognition system.

시선 인식에 관한 연구는 현재 사용자가 응시하고 있는 위치를 파악하는 것으로 많은 응용 분야를 가지며 지속적으로 발전되어 왔다. 기존의 시선 인식에 관한 대부분의 연구는 적외선 LED 및 카메라, 고가의 헤드마운티드 장비 등을 이용하였기 때문에 범용 사용에 문제점을 가지고 있다. 이에 본 논문에서는 한 대의 PC용 웹 카메라를 사용한 SVM(Support Vector Machine) 기반의 시선 인식 시스템을 제안하고 구현한다. 제안한 시스템은 4방향과 9방향의 시선을 인식하기 위해 모니터를 가로 6, 세로 6, 총 36개의 시선 위치로 나누어 각각 9개, 4개씩 그룹핑 및 학습하여 사용자의 시선을 인식한다. 또한, 시선 인식의 성능을 높이기 위해 차영상 엔트로피를 이용한 영상 필터링 방법을 적용한다. 제안한 시스템의 성능을 평가하기 위하여 기존에 제시되었던 차영상 엔트로피 기반의 시선 인식 시스템, 눈동자 중심점과 눈의 끝점을 이용한 시선 인식 시스템, PCA 기반의 시선 인식 시스템을 구현하고 비교 실험을 수행하였다. 실험 결과 본 논문에서 제안한 SVM 기반의 시선 인식 시스템이 4방향은 94.42%, 9방향은 81.33%의 인식 성능을 보였으며, 차영상 엔트로피를 이용한 영상 필터링 방법을 적용하였을 경우에 4방향은 95.37%, 9방향은 82.25%의 성능을 보여 기존의 시선 인식 시스템보다 높은 성능을 나타내었다.

Keywords

References

  1. 김정규, 이창정, 박종승, “눈동자 검출 및 시선추적을 통한 간접인터페이스 제어 시스템,” 한국정보기술학회논문지, 제6권, 제4호, pp.158-164, 2008.
  2. 김병주, 이건표, “웹 사용성 평가를 위한 통합평가모형 제안 및 도구 개발,” 한국디자인학회 2006 봄 학술발표대회 논문집, pp.74-75, 2006.
  3. Alexey Karpov, Andrey Ronzhin, Alexander Nechaev, Svetlana Chernakova, “MULTIMODAL SYSTEM FOR HANDS FREE PC CONTROL,” EUSIPCO2005, 2005. 9.
  4. K. Kinoshita, Y. Ma, S. Lao, M. Kawade, “A Fast and Robust 3D Head Pose and Gaze Estimation System” Proceedings of the 8th international conference on Multimodal interfaces, ACM, pp.137-138, 2006. https://doi.org/10.1145/1180995.1181026
  5. T. E. Hutchinson, K. White, J.R. Worthy, N. Martin, C. Kelly, R. Lisa, A. Frey, “Human Computer interaction using eyegaze input,” IEEE Transaction on systems,
  6. Tomasz Kocejko, Adam Bujnowski, Jerzy Wtorek, “Eye Mouse for Disabled,” Human System Interactions, 2008 Conference on 25-27 May 2008. https://doi.org/10.1109/HSI.2008.4581433
  7. Jie Xiang, Huixia Yan, Junjie Chen, “The Study of Decoding Mental State Based Eye Tracks Using SVM,” Proceedings of the IWISA 2009, pp.568-571, 21-22 November, 2009.
  8. Li Su-mei, Zhang Yan-xin, Chang Sheng-jiang and Shen Jin-yuan, “Gazing-detection of human eyes based on SVM,” Optoelectronics Letters, Vol.1, No.1, pp.65-68, 7, 2005. https://doi.org/10.1007/BF03033620
  9. P.Viola and M.J. Jones, “Robust real-time object detection,” Technical Report Series, Compaq Camb ridge research Laboratory, CRL 2001/01/, Feb., 2001.
  10. 이흔진, 박현선, 김경수, 김희정, 정병희, 하명환, 김회율, "DCT/LDA를 이용한 얼굴 인식", 대한 전자공학회 하계 학술 대회 26권 제1호, pp.2024-2027, 7. 2003.
  11. 정성욱, “AdaBoost기반 실시간 얼굴 표정 인식을 위한 효과적인 사각 특징점 추출”, 한국과학기술원 석사학위 논문, 2004. 12. 14.
  12. Alexander Kuranov, Rainer Lienhart, and Vadim Pisarevsky. An Empirical Analysis of Boosting Algorithms for Rapid Objects With an Extended Set of Haar-like Features. Intel Technical Report MRL-TR-july02-01, 2002.
  13. 민지홍, 이원찬, 홍기천, “Haar-like feature/HMM을이용한 얼굴 검출 및 인증 시스템,” 2004년 한국정보과학회 가을 학술발표논문집 Vol.31, No.2, 2004.
  14. 박성훈, 이재호, 김회율, “Haar-like feature/LDA를이용한 얼굴 인식,” 2004년 제16회 영상처리 및 이해에 관한 워크샵 발표 논문집, 2004년 1월.
  15. Shannon, C.E. “A Mathematical Theory of Communication,” The Bell Systems Technical Journal, 27, pp.379-423, 1948. https://doi.org/10.1002/j.1538-7305.1948.tb01338.x
  16. Zhonglong Zheng, Jie Yang, Meng Wang, and Yonggang Wang, “A Novel Method for Eye Features Extraction,” LNCS Vol.3314, pp.1002-1007, 2005. https://doi.org/10.1007/b104566
  17. L. Sirovich and M. Kirby, “Low dimensional Procedure for the Characterization of Human Faces,” J.Opt. Soc. Amer. 4, pp.519-524, 1987. https://doi.org/10.1364/JOSAA.4.000519
  18. Erik. Hjelmas, “Face Detection : A Survey,” Computer Vision and Image Understanding, Vol.83, pp.236-274, 2001. https://doi.org/10.1006/cviu.2001.0921
  19. C.-W. Hsu and C.-J. Lin, “A comparison of methods for multiclass support vector machines,” IEEE Trans. Neural Networks, Vol.13, No.2, pp.415-425, 2002. https://doi.org/10.1109/72.991427