일반기술

시청각 기반 지능형 서비스 로봇 기술

□ 기술개요개발된 얼굴 추적 및 인식 기술은 다양한 조명하에서 실시간으로 복수의 얼굴을 검출하고 추적/인식이 가능하다. Gaussian Cylindroid Color Model, Optimal Bandwidth Estimaiton, Mean-Shift with Bilateral Filtering을 개발하여 얼굴 추적에 있어 강인성을 확보했다. 얼굴 인식은 이러한 얼굴 추적 기술 위에, 스케일 변화에 강인한 얼굴 DB 기술 등을 활용하여 인식률에 있어 최고 수준에 이르러 있다 연속 제스쳐 인식에 있어서의 가장 큰 문제는 기존의 HMM 기법으로는 막대한 계산량을 줄일 수 없다는데 있다. 이러한 문제에 범용적으로 대처할 수 있는 Optimal Path Decoder of HMM을 개발했으며, 연속 제스쳐 인식에 적용하였다 관심 대상자 선택 기술(Attentive Person Selection)은 로봇이 복수의 사람과 대화할 때 집중해야 할 대상을 정하는 것으로, 생성적 상태 모델 기반의 HMM (HMM based on Generative State Model)을 개발하여 대화 전략을 확률 모델 기반의 수학적 모델화 하였다 음원 추정 기술은 화자 위치의 방위각 및 높이를 측정하고 이를 실제 휴머노이드 로봇의 청각 시스템으로 구현하는데 중점을 둔다. 휴머노이드 로봇의 두상에 적합한 마이크로폰 배열구조를 제안하고, 방위각 및 높이에 따른 도착시간지연 분포를 분석하여, 특성화된 도착시간지연 특성 행렬을 고안했다 2.기술특징 얼굴 추적 기술은 다양한 조명 조건 및 얼굴의 크기 변화에 대해 적은 계산량으로도 강인하게 추적 가능하다는 것 외에 배경 및 손 등의 비슷한 색에 의한 간섭을 없앨 수 있는 장점이 있다. 얼굴 인식 기술은 온라인 학습이 가능하고 거리 변화에도 최고 수준의 인식률을 얻을 수 있다. Online Optimal Path Decoder of HMM을 이용한 연속 제스쳐 인식 기술은 기존의 연속 제스쳐 인식 기술에서 문제가 됐던 presegmentation 문제, 계산량 문제 등을 극복 가능케 하며, 범용성을 가지는 기법이므로 음성인식, 문자인식 등의 분야에 활용 가능하다. 관심 대상자 선택 기술은 단일 소스를 다루는 기존의 HMM 대신 복수의 소스를 다룰 수 있는 생성적 상태 모델을 이용한 HMM을 활용한 것이다. 이 분야의 기존 기술은 대체로 룰 기반의 경험적 기법들이 대부분인데 반해 이러한 경험적인 것들을 확률 기반 수학적 모델로 나타냈다는 것에 의미가 있다. 방위각 및 높이의 음원 위치를 측정하는 음원 추정 기술은 제안된 도착시간지연 특성 행렬을 이용하여 적은 계산량으로 기존의 방법에 준하는 정밀한 위치 추정이 가능하다. 특히 개발된 마이크로폰 배열 구조는 휴머노이드 로봇의 두상에 적합하다는 장점이 있다. 3.적용분야 인간-로봇 상호 작용 기술(Human-Robot Interaction Technology)은 지능형 서비스 로봇의 핵심이라 할 수 있다. 특히 시각 기반의 HRI 기술은 로봇의 인간다운 지능형 서비스를 가능케 하는데 중요하다. 이러한 기술 중에서 얼굴 추적 및 인식, 연속 제스쳐 인식, 관심 대상자 선택, 음원 추정 기술 등은 로봇과 인간 사이의 비접촉식 대화에 활용될 수 있다. 비접촉식 대화(Non-Intrusive Communication)는 로봇과 인간 사이에 자연스런 정보 교환이 가능케 함으로써 실생활에서의 지능형 서비스 로봇 활용을 촉진할 수 있다.