Earticle

현재 위치 Home

강화학습을 이용한 눈동자 추적 시스템의 성능향상
Performance Improvement of Eye Tracking System using Reinforcement Learning

첫 페이지 보기
  • 발행기관
    국제인공지능학회(구 한국인터넷방송통신학회) 바로가기
  • 간행물
    한국인터넷방송통신학회 논문지 KCI 등재 바로가기
  • 통권
    제13권 제2호 (2013.04)바로가기
  • 페이지
    pp.171-179
  • 저자
    신학철, 심연, 김사랑, 성원준, 민하즈, 홍요훈, 이필규
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A200105

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
Recognition and image processing technology depends on illumination variation. One of the most important factors is the parameters of algorithms. When it comes to select these values, the system has different types of recognition accuracy. In this paper, we propose performance improvement of the eye tracking system that depends on some environments such as, people, location, and illumination. Optimized threshold parameter was decided by using reinforcement learning. When the system accuracy goes down, reinforcement learning used to train the value of parameters. According to the experimental results, the performance of eye tracking system can be improved from 3% to 14% by using reinforcement learning. The improved eye tracking system can be effectively used for human-computer interaction.
한국어
영상처리에서 인식에 관련된 기술들은 환경에 아주 많은 영향을 받게 되는데 이러한 인식률을 결정짓는 요 소 중인 파라미터는 환경에 적절한 값을 얼마나 잘 선택하느냐에 따라서 인식률의 큰 차이를 보인다. 본 논문은 눈동 자 추적 알고리즘이 사람이나 실험 환경의 변화에 따라 인식률이 저하되는 현상을 보완하기 위한 성능 향상 및 환경 에 적응하는 시스템의 구현에 대한 방법이다. 최적의 파라미터를 얻기 위해 전 처리에 사용되는 이진화 알고리즘의 문턱값을 학습이 필요한 시기를 적절히 판단해 강화학습을 이용하여 다시 학습시켜 인식률을 향상시키는 방법을 사 용했다. 실험데이터를 수집하기 위해 입력 장치는 가격이 저렴하고 일반적인 웹 카메라를 사용 하였으며 얼굴 영역에 해당하는 많은 양의 이미지를 수집하여 강화학습의 적응력을 실험하였다. 이미지의 그룹을 다양하게 변화시켜 실험한 결과 강화학습을 사용한 경우 그렇지 않은 경우에 비해 작게는 3% 많게는 14%가량의 성능이 향상됨을 확인하였다. 이렇게 성능이 향상된 눈동자 추적 시스템은 휴먼 컴퓨터 인터랙션 분야에 효과적으로 활용될 수 있을 것이다.

목차

요약
 Abstract
 Ⅰ. 서론
 Ⅱ. 강화학습을 적용한 눈동자 추적 시스템의 구조
  1. 강화학습의 배경이론
  2. 강화학습 환경 모델
  3. 눈동자 추적 시스템의 구조
 III. 눈동자 추적
  1. 눈동자 추적
  2. Hough transform을 이용한 원형 검출
  3. 눈동자 위치 검출
 IV. 강화학습을 적용한 눈 추적
  1. 강화학습을 이진화에 적용
  2. 이미지 분석을 통한 보상
  3. 인식률 계산
  4. 보상의 시기
 V. 실험 및 결과
 VI. 결론 및 향후 연구방향
 참고문헌

키워드

eye tracking reinforcement learning low cost threshold Hough transform

저자

  • 신학철 [ Hak-Chul Shin | 비회원, 세창인스트루먼트 ]
  • 심연 [ Yan Shen | 비회원, 세창인스트루먼트 ]
  • 김사랑 [ Sarang Khim | 비회원, 세창인스트루먼트 ]
  • 성원준 [ WonJun Sung | 비회원, 세창인스트루먼트 ]
  • 민하즈 [ Minhaz Uddin Ahmed | 비회원, 세창인스트루먼트 ]
  • 홍요훈 [ Yo-Hoon Hong | 비회원, 세창인스트루먼트 ]
  • 이필규 [ Phill-Kyu Rhee | 정회원, 인하대학교 컴퓨터정보공학과 ] Corresponding Author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    국제인공지능학회(구 한국인터넷방송통신학회) [The International Association for Artificial Intelligence]
  • 설립연도
    2000
  • 분야
    공학>전자/정보통신공학
  • 소개
    인터넷방송, 인터넷 TV , 방송 통신 네트워크 및 관련 분야에 대한 국내는 물론 국제적인 학술, 기술의 진흥발전에 공헌하고 지식 정보화 사회에 기여하고자 한다.

간행물

  • 간행물명
    한국인터넷방송통신학회 논문지 [The Journal of the Institute of Internet, Broadcasting and Communication]
  • 간기
    격월간
  • pISSN
    2289-0238
  • eISSN
    2289-0246
  • 수록기간
    2001~2025
  • 십진분류
    KDC 326 DDC 380

이 권호 내 다른 논문 / 한국인터넷방송통신학회 논문지 제13권 제2호

    피인용수 : 0(자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      페이지 저장