KR102250712B1 - 전자 장치 및 제어 방법 - Google Patents

전자 장치 및 제어 방법 Download PDF

Info

Publication number
KR102250712B1
KR102250712B1 KR1020190037225A KR20190037225A KR102250712B1 KR 102250712 B1 KR102250712 B1 KR 102250712B1 KR 1020190037225 A KR1020190037225 A KR 1020190037225A KR 20190037225 A KR20190037225 A KR 20190037225A KR 102250712 B1 KR102250712 B1 KR 102250712B1
Authority
KR
South Korea
Prior art keywords
user
interest
image
vector
electronic device
Prior art date
Application number
KR1020190037225A
Other languages
English (en)
Other versions
KR20200114838A (ko
Inventor
김민영
오현민
권기훈
Original Assignee
경북대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 경북대학교 산학협력단 filed Critical 경북대학교 산학협력단
Priority to KR1020190037225A priority Critical patent/KR102250712B1/ko
Publication of KR20200114838A publication Critical patent/KR20200114838A/ko
Application granted granted Critical
Publication of KR102250712B1 publication Critical patent/KR102250712B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/013—Eye tracking input arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/002—Specific input/output arrangements not covered by G06F3/01 - G06F3/16
    • G06F3/005—Input arrangements through a video camera
    • G06K9/00221—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions

Abstract

전자 장치 및 제어 방법이 개시된다. 전자 장치는 사용자가 존재하는 공간을 촬영한 복수의 촬영 이미지 데이터를 서로 다른 위치의 복수의 카메라로부터 수신하는 통신 인터페이스 및 수신된 촬영 이미지 데이터에 기초하여 공간 뎁스 맵 및 공간 뎁스 맵과 매칭되는 복수의 RGB 이미지를 생성하는 프로세서를 포함하고, 프로세서는 공간 뎁스 맵 및 복수의 RGB 이미지에 기초하여 사용자를 감지하고, 감지된 사용자의 얼굴 영역을 추출하며, 추출된 사용자의 얼굴 영역에 기초하여 사용자의 시선 벡터를 획득하고, 획득된 시선 벡터에 기초하여 관심 물체를 판단하며, 판단된 관심 물체를 식별하기 위한 옵티멀(optimal) 이미지 획득한다.

Description

전자 장치 및 제어 방법{ELECTRONIC APPARATUS AND CONTROL METHOD THEREOF}
본 개시는 전자 장치 및 제어 방법에 관한 것으로, 더욱 상세하게는 사용자를 감지하고 감지된 사용자의 시선을 추정하여 관심 영역(ROI, Region of Interest)을 추출하는 전자 장치 및 제어 방법에 관한 것이다.
다양한 광학 장치가 개발됨에 따라 사용자의 시선을 판단하는 기술에 대한 연구도 함께 진행되고 있다. 일반적으로 사용자의 시선을 판단하기 위해 착용형 아이 트래커(eye tracker)가 사용된다. 착용형 아이 트래커는 시선의 방향을 추적하는 소형 카메라가 부착된 글래스 형태이다. 사용자가 착용한 아이 트래커는 소형 카메라를 이용하여 사용자의 시선을 추적하는 기능을 수행할 수 있다. 그러나, 착용형 아이 트래커는 각각의 사용자에게 착용되어야 하므로 사용자의 수만큼 아이 트래커가 필요하다는 단점을 가진다. 또한, 아이 트래커를 이용한 사용자 시선 추적 기술은 아이 트래커를 착용해야 하므로 사용자에게 불편함을 준다. 아이 트래커없이 사용자의 시선을 추적하는 기술이 개발되었으나, 사용자의 시선 방향이나 범위를 추정할 뿐이다. 따라서, 아이 트래커없이 사용자의 시선을 추적하고 관심 영역을 추출할 수 있는 기술에 대한 필요성이 존재한다.
본 개시는 상술한 문제점을 해결하기 위한 것으로, 본 개시의 목적은 아이 트래커 같이 사용자가 착용해야 하는 장치없이 사용자의 시선 방향을 획득하고, 획득된 사용자의 시선 방향에 기초하여 사용자의 관심 영역(ROI, Region of Interest)을 추출하는 전자 장치 및 제어 방법을 제공하는 것이다.
이상과 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따르면, 전자 장치는 사용자가 존재하는 공간을 촬영한 복수의 촬영 이미지 데이터를 서로 다른 위치의 복수의 카메라로부터 수신하는 통신 인터페이스 및 상기 수신된 촬영 이미지 데이터에 기초하여 상기 공간 전체를 포함하는 공간 뎁스 맵 및 상기 공간 뎁스 맵과 매칭되는 복수의 RGB 이미지를 생성하는 프로세서를 포함하며, 상기 프로세서는 상기 공간 뎁스 맵 및 상기 복수의 RGB 이미지에 기초하여 상기 사용자를 감지하고, 상기 감지된 사용자의 얼굴 영역을 추출하며, 상기 추출된 사용자의 얼굴 영역에 기초하여 시선 벡터를 획득하고, 상기 획득된 시선 벡터에 기초하여 관심 물체를 판단하며, 상기 판단된 관심 물체를 식별하기 위한 옵티멀(optimal) 이미지를 획득할 수 있다.
그리고, 상기 통신 인터페이스는 상기 획득된 옵티멀(optimal) 이미지를 서버로 전송하고, 상기 옵티멀(optimal) 이미지에 기초하여 식별된 상기 관심 물체에 대한 정보를 서버로부터 수신할 수 있다.
또한, 상기 프로세서는 상기 복수의 RGB 이미지로부터 상기 판단된 관심 물체를 포함하는 다양한 시점의 2D ROI 이미지를 획득할 수 있다.
또한, 상기 프로세서는 상기 다양한 시점의 2D ROI 이미지 중 상기 관심 물체의 왜곡도가 가장 낮은 2D ROI 이미지를 옵티멀(optimal) 이미지로 획득할 수 있다.
또한, 상기 프로세서는 상기 공간 뎁스 맵으로부터 상기 판단된 관심 물체를 포함하는 3D 포인트 정보를 획득하고, 상기 획득된 3D 포인트 정보를 기 설정된 벡터 방향으로 투사(projection)하여 투사 이미지를 생성하고, 상기 다양한 시점의 2D ROI 이미지에 기초하여 상기 생성된 투사 이미지를 보간하여 옵티멀(optimal) 이미지를 획득할 수 있다.
그리고, 상기 프로세서는 상기 추출된 얼굴 영역에 기초하여 상기 감지된 사용자의 얼굴 마스크를 생성하고, 복수 사용자의 얼굴 형태 및 시선 방향의 평균 데이터에 기초하여 생성된 기준 얼굴 마스크 및 기준 시선 벡터를 상기 생성된 사용자의 얼굴 마스크에 매칭시키며, 상기 기준 시선 벡터의 방향을 상기 매칭된 사용자의 얼굴 마스크의 상기 시선 벡터로 획득할 수 있다.
또한, 상기 프로세서는 상기 추출된 사용자의 얼굴 영역에 대응되는 가상의 계란형 입체 도형을 생성하고, 상기 생성된 계란형 입체 도형을 수직으로 절단한 절단면의 중심점을 획득하며, 상기 획득된 중심점의 법선 벡터 방향을 시선 벡터로 획득할 수 있다.
또한, 상기 프로세서는 상기 공간 뎁스 맵 및 상기 시선 벡터에 기초하여 상기 관심 물체의 후보 물체를 식별하고, 상기 복수의 RGB 이미지 및 상기 시선 벡터의 방향에 기초하여 상기 식별된 후보 물체 중 상기 관심 물체를 판단할 수 있다.
또한, 상기 프로세서는 상기 공간 뎁스 맵 및 상기 복수의 RGB 이미지에 기초하여 상기 공간 전체에 존재하는 객체를 감지하고, 상기 감지된 객체의 좌표 및 상기 시선 벡터에 기초하여 관심 물체를 판단할 수 있다.
이상과 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따르면, 전자 장치의 제어 방법은 사용자가 존재하는 공간을 촬영한 복수의 촬영 이미지 데이터를 서로 다른 위치의 복수의 카메라로부터 수신하는 단계, 상기 수신된 촬영 이미지 데이터에 기초하여 상기 공간 전체를 포함하는 공간 뎁스 맵 및 상기 공간 뎁스 맵과 매칭되는 복수의 RGB 이미지를 생성하는 단계, 상기 생성된 공간 뎁스 맵에 기초하여 상기 사용자를 감지하고, 상기 감지된 사용자의 얼굴 영역을 추출하는 단계, 상기 추출된 사용자의 얼굴 영역에 기초하여 시선 벡터를 획득하는 단계, 상기 공간 뎁스 맵, 상기 복수의 RGB 이미지 및 상기 획득된 시선 벡터에 기초하여 관심 물체를 판단하는 단계 및 상기 판단된 관심 물체를 식별하기 위한 옵티멀(optimal) 이미지를 획득하는 단계를 포함한다.
그리고, 전자 장치의 제어 방법은 상기 획득된 옵티멀(optimal) 이미지를 서버로 전송하는 단계 및 상기 옵티멀(optimal) 이미지에 기초하여 식별된 상기 관심 물체에 대한 정보를 서버로부터 수신하는 단계를 더 포함할 수 있다.
그리고, 전자 장치의 제어 방법은 상기 복수의 RGB 이미지로부터 상기 판단된 관심 물체를 포함하는 다양한 시점의 2D ROI 이미지를 획득하는 단계를 더 포함할 수 있다.
또한, 상기 옵티멀(optimal) 이미지를 획득하는 단계는 상기 다양한 시점의 2D ROI 이미지 중 상기 관심 물체의 왜곡도가 가장 낮은 2D ROI 이미지를 옵티멀(optimal) 이미지로 획득할 수 있다.
또한, 상기 옵티멀(optimal) 이미지를 획득하는 단계는 상기 공간 뎁스 맵으로부터 상기 판단된 관심 물체에 대한 3D 포인트 정보를 획득하고, 상기 획득된 3D 포인트 정보를 기 설정된 벡터 방향으로 투사(projection)하여 투사 이미지를 생성하고, 상기 다양한 시점의 2D ROI 이미지에 기초하여 상기 생성된 투사 이미지를 보간하여 옵티멀(optimal) 이미지를 획득할 수 있다.
그리고, 상기 시선 벡터를 획득하는 단계는 상기 추출된 얼굴 영역에 기초하여 상기 감지된 사용자의 얼굴 마스크를 생성하고, 복수 사용자의 얼굴 형태 및 시선 방향의 평균 데이터에 기초하여 생성된 기준 얼굴 마스크 및 기준 시선 벡터를 상기 생성된 사용자의 얼굴 마스크에 매칭시키며, 상기 기준 시선 벡터의 방향을 상기 매칭된 사용자의 얼굴 마스크의 상기 시선 벡터로 획득할 수 있다.
그리고, 상기 시선 벡터를 획득하는 단계는 상기 추출된 사용자의 얼굴 영역에 대응되는 가상의 계란형 입체 도형을 생성하고, 상기 생성된 계란형 입체 도형을 수직으로 절단한 절단면의 중심점을 획득하며, 상기 획득된 중심점의 법선 벡터 방향을 시선 벡터로 획득할 수 있다.
또한, 상기 관심 물체를 판단하는 단계는 상기 공간 뎁스 맵 및 상기 시선 벡터에 기초하여 상기 관심 물체의 후보 물체를 식별하고, 상기 복수의 RGB 이미지 및 상기 시선 벡터의 방향에 기초하여 상기 식별된 후보 물체 중 상기 관심 물체를 판단할 수 있다.
또한, 상기 공간 뎁스 맵 및 상기 복수의 RGB 이미지에 기초하여 상기 공간 전체에 존재하는 객체를 감지하고, 상기 관심 물체를 판단하는 단계는 상기 감지된 객체의 좌표 및 상기 시선 벡터에 기초하여 관심 물체를 판단할 수 있다.
이상 설명한 바와 같이, 본 개시의 다양한 실시 예에 따르면, 전자 장치 및 제어 방법은 아이 트래커와 같은 착용 장치없이 사용자의 시선 방향을 획득하고, 획득된 시선 방향에 기초하여 사용자의 관심 영역(ROI, Region of Interest)을 추출할 수 있다.
또한, 본 개시에 따른 전자 장치 및 제어 방법은 복수의 카메라를 사용하여 특정 공간 상에 위치한 모든 사용자의 관심 영역(ROI, Region of Interest)을 동시에 추출할 수 있다.
또한, 본 개시에 따른 전자 장치 및 제어 방법은 물체 인식을 용이하게 하기 위해 관심 물체에 대한 옵티멀(optimal) 이미지를 생성하고, 생성된 옵티멀(optimal) 이미지에 기초하여 관심 물체에 대한 정보를 획득할 수 있다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해 될 수 있을 것이다.
도 1은 본 개시의 일 실시 예에 따른 사용자 관심 영역 추출 시스템을 설명하는 도면이다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치의 블록도이다.
도 3은 본 개시의 일 실시 예에 따른 카메라 개수에 따른 차이를 설명하는 도면이다.
도 4는 본 개시의 일 실시 예에 따른 영상 데이터를 설명하는 도면이다.
도 5는 본 개시의 일 실시 예에 따른 공간 내에서 감지된 사용자를 나타내는 도면이다.
도 6은 본 개시의 일 실시 예에 따른 사용자의 시선 벡터를 추출하는 과정을 설명하는 도면이다.
도 7은 본 개시의 다른 실시 예에 따른 사용자의 시선 벡터를 추출하는 과정을 설명하는 도면이다.
도 8은 본 개시의 다른 실시 예에 따른 사용자 관심 물체를 추정하는 과정을 설명하는 도면이다.
도 9은 본 개시의 일 실시 예에 따른 다양한 시점의 2D ROI 이미지를 획득하는 과정을 설명하는 도면이다.
도 10은 본 개시의 일 실시 예에 따른 사용자 관심 영역(ROI, Region of Interest)을 획득하는 과정을 설명하는 도면이다.
도 11은 본 개시의 일 실시 예에 따른 사용자 관심 영역(ROI, Region of Interest)을 획득하는 테스트 영상을 설명하는 도면이다.
도 12는 본 개시의 일 실시 예에 따라 옵티멀(optimal) 이미지를 생성하는 과정을 설명하는 도면이다.
도 13는 본 개시의 다른 실시 예에 따른 옵티멀(optimal) 이미지를 생성하는 과정을 설명하는 도면이다.
도 14는 본 개시의 일 실시 예에 따른 사용자 관심 물체를 추정하는 과정을 설명하는 도면이다.
도 15은 본 개시의 일 실시 예에 따른 사용자 관심 물체 후보군을 생성하는 과정을 설명하는 도면이다.
도 16은 본 개시의 일 실시 예에 따른 전자 장치 제어 방법의 흐름도이다.
이하에서는 첨부된 도면을 참조하여 다양한 실시 예를 보다 상세하게 설명한다. 본 명세서에 기재된 실시 예는 다양하게 변형될 수 있다. 특정한 실시 예가 도면에서 묘사되고 상세한 설명에서 자세하게 설명될 수 있다. 그러나, 첨부된 도면에 개시된 특정한 실시 예는 다양한 실시 예를 쉽게 이해하도록 하기 위한 것일 뿐이다. 따라서, 첨부된 도면에 개시된 특정 실시 예에 의해 기술적 사상이 제한되는 것은 아니며, 발명의 사상 및 기술 범위에 포함되는 모든 균등물 또는 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이러한 구성요소들은 상술한 용어에 의해 한정되지는 않는다. 상술한 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 명세서에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
한편, 본 명세서에서 사용되는 구성요소에 대한 "모듈" 또는 "부"는 적어도 하나의 기능 또는 동작을 수행한다. 그리고, "모듈" 또는 "부"는 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합에 의해 기능 또는 동작을 수행할 수 있다. 또한, 특정 하드웨어에서 수행되어야 하거나 적어도 하나의 제어부에서 수행되는 "모듈" 또는 "부"를 제외한 복수의 "모듈들" 또는 복수의 "부들"은 적어도 하나의 모듈로 통합될 수도 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
그 밖에도, 본 발명을 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우, 그에 대한 상세한 설명은 축약하거나 생략한다. 한편, 각 실시 예는 독립적으로 구현되거나 동작될 수도 있지만, 각 실시 예는 조합되어 구현되거나 동작될 수도 있다.
도 1은 본 개시의 일 실시 예에 따른 사용자 관심 영역 추출 시스템을 설명하는 도면이다.
도 1을 참조하면, 본 개시의 일 실시 예에 따른 사용자 관심 영역 추출 시스템(1000)은 카메라(200), 전자 장치(100), 및 서버(300)를 포함할 수 있다.
카메라(200)는 사용자가 존재하는 공간을 촬영하여 촬영 이미지 데이터를 생성할 수 있다. 카메라(200)와 전자 장치(100)는 유무선 통신 방식으로 연결될 수 있다. 카메라(200)는 촬영된 촬영 이미지 데이터를 전자 장치(100)로 전송할 수 있다. 카메라(200)는 뎁스 정보를 획득할 수 있는 RGB-D 카메라일 수 있다. 예를 들어, RGB-D 카메라는 키네틱 카메라일 수 있다. 카메라(200)는 사용자가 존재하는 공간의 일 영역에 설치될 수 있다. 이때 카메라(200)는 고정된 방향으로만 촬영을 수행할 수도 있으며, 사용자의 동선 변화에 대응하여 방향을 가변하여 촬영을 수행할 수도 있다. 도 1에서는 3대의 카메라(200)를 포함한 시스템이 도시되어 있으나, 공간의 크기 등을 고려하여 카메라가 더 많은 수가 배치되거나 적은 수가 배치 될 수 있다.
복수 개의 카메라가 배치되는 경우, 사용자 관심 영역 추출 시스템(1000)은 공간 상의 모든 영역을 커버할 수 있다. 사용자 관심 영역 추출 시스템(1000)이 하나의 카메라를 포함한 경우와 복수의 카메라를 포함한 경우에 대해서는 후술한다.
그리고, 사용자 관심 영역 추출 시스템(1000)은 카메라(200)에서 촬영된 복수의 촬영 이미지 데이터를 처리하는 전자 장치(100)를 포함할 수 있다. 전자 장치(100)는 카메라(200)로부터 촬영된 이미지 데이터를 수신할 수 있다. 촬영 이미지 데이터는 촬영된 공간 상에 존재하는 물체에 대한 뎁스 정보와 RGB 정보를 포함할 수 있다. 전자 장치(100)는 수신된 복수의 촬영 이미지 데이터에 포함된 뎁스 정보를 기초하여 공간 전체를 포함하는 공간 뎁스 맵을 생성할 수 있다. 그리고, 전자 장치(100)는 공간 뎁스 맵에 매칭되는 복수의 RGB 이미지를 생성할 수 있다. 공간 뎁스 맵은 공간 상에 존재하는 물체의 뎁스 정보, 좌표 정보 및 3D 데이터를 포함하는 이미지이고, RGB 이미지는 색상, 명도, 채도 등의 RGB 정보를 포함하는 일반적인 이미지 일 수 있다. RGB 이미지는 평면적으로 표현되는 이미지이므로 2D 이미지라고 부를 수 있다.
전자 장치(100)는 생성된 공간 뎁스 맵과 공간 뎁스 맵에 매칭되는 RGB 이미지에 기초하여 사용자의 관심 영역(ROI, Region of Interest)을 획득할 수 있다. 사용자의 관심 영역(ROI, Region of Interest)을 획득하는 구체적인 예와 전자 장치(100)의 구체적인 구성 및 동작에 대해서는 도 2를 참조하여 후술한다.
다른 실시 예로서, 서버(300)가 촬영 이미지 데이터를 처리하는 프로세서를 포함할 수 있다. 즉, 서버(300)에 포함된 프로세서는 카메라(200)에서 촬영된 복수의 촬영 이미지 데이터를 기초로하여 공간 뎁스 맵 및 공간 뎁스 맵에 매칭되는 복수의 RGB 이미지를 생성하여 사용자 관심 영역(ROI, Region of Interest)을 획득할 수 있다.
다른 실시 예로서, 카메라(200)가 촬영 이미지 데이터를 처리하는 프로세서를 포함할 수도 있다. 즉, 카메라(200)에 포함된 프로세서는 카메라(200)에서 촬영된 촬영 이미지 데이터에 기초하여 공간 뎁스 맵과 공간 뎁스 맵에 매칭되는 RGB 이미지를 생성하여 사용자 관심 영역(ROI, Region of Interest)을 획득할 수 있다.
시스템이 복수의 카메라를 포함하는 경우, 복수의 카메라는 메인 카메라와 서브 카메라로 구분될 수 있고, 메인 카메라는 프로세서를 포함하고, 서브 카메라가 촬영한 데이터를 수신할 수도 있다.
그리고, 카메라(200)와 전자 장치(100)는 유선으로 연결되어 카메라(200)는 유선 통신 방식을 이용하여 촬영 이미지 데이터를 전자 장치(100)로 전송할 수 있다. 또는, 카메라(200)는 무선 통신 방식을 이용하여 촬영 이미지 데이터를 전자 장치(100)로 전송할 수도 있다.
전자 장치(100)는 획득한 사용자 관심 영역(ROI, Region of Interest)에 기초하여 다양한 시점의 2D ROI 이미지를 생성할 수 있고, 생성된 2D ROI 이미지에 기초하여 물체 인식을 용이하게 하기 위한 옵티멀(optimal) 이미지를 생성할 수 있다. 옵티멀(optimal) 이미지는 물체의 인식이 비교적 용이한 이미지로써, AI 또는 기 설정된 알고리즘에 의하여 인식되기 적합한 이미지 일 수 있다. 옵티멀(optimal) 이미지를 생성하는 구체적인 과정은 후술한다.
그리고, 전자 장치(100)는 획득한 옵티멀(optimal) 이미지를 서버(300)에 제공할 수 있다. 여기서 전자 장치(100)와 서버(300)은 인터넷 망으로 연결될 수 있으며, 전자 장치(100)와 카메라(200)는 내부 네트워크 망 또는 직접 연결될 수도 있다.
서버(300)는 전자 장치(100)로부터 수신한 옵티멀(optimal) 이미지를 기초로 물체를 식별하고, 식별된 물체와 관련된 정보를 인터넷 또는 저장된 데이터로부터 검색하고, 검색된 결과를 전자 장치(100)로 제공 할 수 있다. 여기서, 인식된 물체와 관련된 정보는 물체의 종류, 상호, 상표 등 관련 정보 일 수 있다. 서버(300)는 기 설정된 알고리즘 또는 학습된 AI에 기초하여 물체를 식별할 수 있다.
한편, 도 1을 설명함에 있어서, 카메라(200)와 전자 장치(100) 및 서버(300)와 전자 장치(100)가 상호 직접 연결되는 형태로 도시하였지만, 구현 시에 각 구성들은 별도의 외부 구성을 경유하는 형태로 연결될 수 있다. 또한, 전자 장치(100)가 하나의 서버(300)와 데이터를 송수신하는 실시 예를 설명하였지만, 전자 장치(100)는 복수의 서버와 데이터를 송수신할 수도 있다. 아래에서는 전자 장치(100)의 블록도를 설명한다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치의 블록도이다.
도 2를 참조하면, 전자 장치(100)는 통신 인터페이스(110) 및 프로세서(120)를 포함할 수 있다. 예를 들어, 전자 장치는 이미지 프로세싱이 가능한 PC, 랩탑 컴퓨터, 스마트폰, 서버 등일 수 있다.
통신 인터페이스(110)는 전자 장치(100)를 카메라(200) 또는 서버(300) 등과 같은 외부 장치와 연결되어 데이터를 송수신할 수 있다.
예를 들어, 통신 인터페이스(110)는 유선 방식뿐만 아니라, WLAN(Wireless LAN), Wi-Fi, DLNA(Digital Living Network Alliance), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE, LTE-A, 블루투스, RFID, 적외선 통신, ZigBee 등의 무선 통신 방식을 통해 외부 장치와 연결될 수 있다.
프로세서(120)는 통신 인터페이스(110)로 수신된 촬영 이미지 데이터에 포함된 뎁스 정보에 기초하여 공간 전체를 포함하는 공간 뎁스 맵을 생성할 수 있다. 또한, 프로세서(120)는 생성된 공간 뎁스 맵과 매칭되고 RGB 데이터를 포함하는 RGB 이미지를 생성할 수 있다. 공간 뎁스 맵에는 사용자 및 물체의 뎁스 정보를 포함하고 있으므로, 프로세서(120)는 공간 뎁스 맵과 매칭 데이터인 RGB 이미지에 기초하여 사용자의 시선의 위치가 추정되는 관심 물체를 획득할 수 있다.
프로세서(120)는 생성된 공간 뎁스 맵에서 사용자를 감지할 수 있고, 감지된 사용자의 얼굴 영역을 추출할 수 있다. 그리고, 프로세서(120)는 추출된 사용자의 얼굴 영역에 기초하여 시선 벡터를 획득할 수 있다. 사용자의 시선 벡터를 획득하는 구체적인 과정은 후술한다.
프로세서(120)는 복수의 RGB 이미지에서 공간에 존재하는 객체를 감지하고, 감지된 객체의 좌표 및 시선벡터에 기초하여 관심 물체를 판단할 수 있다. 프로세서(120)는 RGB 이미지에 알고리즘을 적용하여 공간 상에 존재하는 객체를 감지할 수 있다. 프로세서(120)는 감지된 객체의 좌표와 시선 벡터에 기초하여 관심 물체를 판단할 수 있다.
프로세서(120)는 공간 뎁스 맵 및 매칭 데이터인 RGB 이미지에 기초하여 시선 벡터가 만나는 지점에 위치하는 물체를 관심 물체로 판단하고, 관심 물체를 포함하는 기 설정된 영역을 사용자의 관심 영역(ROI)으로 판단할 수 있다. 즉, 프로세서(120)는 3D 데이터를 이용하여 사용자의 시선 벡터를 추출하고, 시선 벡터 상에 위치한 물체와 시선 벡터가 만나는 점을 기초로 관심 물체를 판단할 수 있다. 그리고, 프로세서(120)는 RGB 정보와 공간 뎁스 맵을 기초로 판단된 물체를 포함하는 영역을 사용자 관심 영역으로 판단할 수 있다.
다른 실시 예로써, 프로세서(120)는 공간 뎁스 맵, 매칭 데이터인 RGB 이미지 및 시선 벡터에 기초하여 사용자의 관심 영역(ROI, Region of Interest)을 획득할 수 있다. 구체적으로, 프로세서(120)는 매칭 데이터인 RGB 이미지에 기초하여 시선 벡터가 만나는 점 근방의 영역을 사용자의 관심 영역(ROI)으로 판단할 수 있다. 그리고, 프로세서(120)는 판단된 사용자의 관심 영역(ROI) 내의 물체를 사용자 관심 물체로 판단할 수 있다. 한편, 사용자의 관심 영역에는 복수의 관심 물체가 포함될 수 있는데, 사용자의 관심 영역 내의 물체가 복수 개인 경우 하나의 사용자 관심 물체를 판단하는 방법은 후술한다.
프로세서(120)는 판단된 사용자의 관심 영역(ROI) 및 관심 물체를 기초하여 옵티멀(optimal) 이미지를 획득할 수 있다. 옵티멀(optimal) 이미지는 관심 물체가 포함된 이미지로서 다양한 시점의 2D ROI 이미지 중에서 관심 물체의 식별을 용이하게 하기 위해 선택 또는 생성된 이미지일 수 있다. 구체적인 옵티멀(optimal) 이미지 생성 과정에 관하여는 후술한다.
프로세서(120)는 옵티멀(optimal) 이미지를 서버로 전송하고, 서버는 옵티멀(optimal) 이미지를 기초로 물체를 식별할 수 있다. 서버는 식별된 물체와 관련된 정보(물체의 종류, 상호, 상표 등 관련 정보)를 인터넷 또는 저장된 데이터로부터 검색하고, 검색된 결과를 전자 장치(100)로 제공 할 수 있다.
또한, 프로세서(120)는 사용자를 감지하고 감지된 사용자를 인물 별로 클러스터링 할 수 있다. 구체적으로, 프로세서(120)는 입력된 촬영 이미지 데이터로부터 공간 뎁스 맵을 생성하고, 생성된 뎁스 맵으로부터 사용자를 감지할 수 있다.
프로세서(120)는 얼굴 검출에 대해서 학습된 알고리즘을 이용하여, 사용자의 얼굴을 추출할 수 있다. 여기서, 알고리즘은 tensorflow 기반의 얼굴 검출 알고리즘을 사용하며, 얼굴 검출이 가능한 다양한 알고리즘이 이용될 수 있다. 프로세서(120)는 클러스터링 알고리즘에서 산출된 얼굴 특징 벡터를 입력하여, 추출된 얼굴 이미지를 인물 별로 클러스터링 할 수 있다.
한편, 사용자는 얼굴이 보이지 않는 방향(예를 들어, 카메라를 등진 형태로 서 있는 경우 등)에 위치할 수도 있다. 이러한 경우, 프로세서(120)는 사용자의 얼굴이 촬영되지 않은 촬영 이미지 데이터를 보조 데이터로 사용할 수 있다.
그리고, 프로세서(120)는 추출된 사용자의 얼굴 영역을 각각 클러스터링하고, 동일 인물로 클러스터링된 얼굴 영역을 기초로 인물 별 사용자 관심 물체를 포함하는 2D ROI 이미지를 생성할 수 있다. 프로세서(120)는 생성된 2D ROI 이미지를 인물 별로 대응시켜 메모리(미도시)에 저장할 수 있다. 또는, 프로세서(120)는 서버로부터 수신된 사용자의 관심 물체에 대한 정보(예를 들어, 물체의 종류, 상호, 상표 등 관련 정보)를 사용자 프로파일에 대응되도록 분류할 수도 있다.
메모리(미도시)는 전자 장치(100)를 구동하기 위한 O/S나 데이터를 처리하기 위한 소프트웨어, AI 알고리즘, 생성된 데이터 등을 저장하기 위한 구성요소일 수 있다. 메모리는 RAM이나 ROM, 플래시 메모리, HDD, 외장 메모리, 메모리 카드 등과 같은 다양한 형태로 구현될 수 있으며, 어느 하나로 한정되는 것은 아니다.
또한, 메모리는 통신 인터페이스(110)가 수신한 촬영 이미지 데이터를 저장 할 수 있다. 그리고 메모리는 데이터 처리를 위하여 촬영 이미지 데이터에서 추출된 데이터를 임시 저장할 수 있으며, 최종적으로 생성된 옵티멀(optimal) 이미지 또는 서버로부터 수신한 관심 물체에 대한 정보(예를 들어, 물체의 종류, 상호, 상표 등 관련 정보)를 저장할 수 있다.
또한, 메모리는 데이터 처리 과정에서 추출되는 사용자의 얼굴 영역, 특징점, 얼굴 정면 벡터 등을 사용자와 관련된 정보를 저장할 수 있다. 메모리는 프로세서(120)가 인식된 사용자를 클러스터링하여 사용자 별로 분류한 옵티멀(optimal) 이미지 및 2D ROI 이미지를 저장할 수 있다.
그리고, 메모리는 사용자 감지, 사용자의 얼굴 영역 추출, 특징점 추출 등을 위한 AI 알고리즘 또는 프로그램을 저장할 수 있다.
디스플레이(미도시)는 사용자 관심 영역 시스템(1000)이 지원하는 기능을 위한 데이터를 표시할 수 있다. 이러한 디스플레이(150)는 LCD, CRT, OLED 등과 같은 모니터일 수 있으며, 터치 스크린으로 구현될 수도 있다.
디스플레이는 추출된 사용자의 얼굴 영역을 표시할 수 있고, 디스플레이는 제3자에게 사용자 관심 물체를 직관적으로 제시할 수 있는 1인칭 시점 이미지 또는 옵티멀(optimal) 이미지를 표시할 수 있다.
또한, 디스플레이는 획득된 사용자의 관심 물체의 이미지 또는 정보(물체의 종류, 상호, 상표 등 관련 정보)를 표시 할 수 있다. 사용자 관심 물체를 인식하는 구체적인 방법과 2D ROI 이미지에 관한 설명은 후술한다.
도 3은 본 개시의 일 실시 예에 따른 카메라 개수에 따른 차이를 설명하는 도면이다.
도 3(a)를 참조하면, 사용자 관심 영역 추출 시스템(1000)이 하나의 카메라(200)를 포함하는 실시 예가 도시되어 있다. 하나의 카메라(200-1)는 공간 상의 임의의 위치에 위치할 수 있다. 도 3(a)에 도시된 바와 같이, 하나의 카메라(200)는 공간의 모서리 부분에 배치될 수 있다. 그러나, 사용자 관심 영역 추출 시스템(1000)이 하나의 카메라(200)를 포함하는 경우, 카메라(200) 화각에 벗어나는 공간 상의 영역이 존재할 수 있다. 대신, 복수의 카메라에서 촬영된 복수의 촬영 이미지 데이터를 조합하고 캘리브레이션하는 과정은 생략될 수 있다. 프로세서(120)는 촬영 이미지 데이터 포함된 뎁스 정보에 기초하여 공간 뎁스 맵을 생성할 수 있다. 예를 들어, 프로세서(120)는 촬영 이미지 데이터에 기초하여 뎁스 정보가 포함되는 3D 포인트를 표현할 수 있다. 프로세서(120)는 촬영 이미지 데이터를 3D 포인트 클라우드 형태로 매핑하여 공간 뎁스 맵을 생성할 수 있다.
도 3(b)를 참조하면, 사용자 관심 영역 추출 시스템(1000)이 복수의 카메라(200-1, 200-2, 200-3, 200-4)를 포함하는 실시 예가 도시되어 있다. 도 3(b)에서는 4개의 카메라(200-1, 200-2, 200-3, 200-4)가 도시되어 있으나, 다양한 개수의 카메라가 배치될 수 있다. 사용자 관심 영역 추출 시스템(1000)이 복수의 카메라(200-1, 200-2, 200-3, 200-4)를 포함하는 경우, 각각의 카메라는 공간 상의 각 모서리 부분에 배치될 수 있다. 그리고, 복수의 카메라(200-1, 200-2, 200-3, 200-4)는 각 카메라의 화각에 의해 공간 상의 모든 영역이 커버될 수 있도록 배치될 수 있다. 도 3(b)에 도시된 바와 같이, 사용자 관심 영역 추출 시스템(1000)이 복수의 카메라(200-1, 200-2, 200-3, 200-4)를 포함하는 경우, 공간 상의 모든 영역을 커버할 수 있다. 다만, 복수의 카메라(200-1, 200-2, 200-3, 200-4)의 화각이 겹치는 영역이 존재하기 때문에, 각 카메라(200-1, 200-2, 200-3, 200-4)에서 촬영된 이미지에 대한 처리가 필요하다. 즉, 사용자 관심 영역 추출 시스템(1000)이 복수의 카메라를 포함하는 경우, 프로세서(120)는 복수 개의 카메라 각각에서 촬영된 촬영 이미지 데이터를 조합하고 캘리브레이션하여 공간 뎁스 맵을 생성할 수 있다. 예를 들어, ICP 알고리즘을 이용하여 공간 뎁스 맵이 생성될 수 있다. 프로세서(120)는 생성된 공간 뎁스 맵 및 적어도 하나의 RGB 이미지에 기초하여 사용자 관심 영역을 획득하고, 2D ROI 이미지로 생성할 수 있다.
프로세서(120)가 복수 개의 카메라 각각에서 촬영된 복수의 촬영 이미지 데이터를 조합하고 캘리브레이션하여 공간 뎁스 맵을 생성하는 과정에 마커가 이용될 수 있다. 마커는 좌표설정에 사용될 수 있고, 마커가 위치하는 좌표를 기준 좌표로 활용 될 수 있다. 구체적으로, 도 3(b)에서 복수의 카메라의 화각이 겹치는 영역 중 일 영역에 마커가 위치할 수 있고, 이를 기준 좌표로 이용할 수 있다. 마커로는 좌우, 상하 및 전후 방향의 구분이 가능한 물체가 이용 될 수 있으며, 사용자를 마커로 이용할 수 있다.
도 4는 본 개시의 일 실시 예에 따른 영상 데이터를 설명하는 도면이다.
도 4(a)는 카메라에 의해 생성된 촬영 이미지 데이터를 3D 포인트 클라우드 형태로 나타낸 이미지이고, 도 4(b)는 매핑을 통해 생성된 공간 뎁스 맵을 나타낸 이미지이다. 사용자 관심 영역 추출 시스템(1000)은 생성된 공간 뎁스 맵으로부터 사용자를 감지하고, 사용자 및 물체의 뎁스 정보를 획득할 수 있다. 그리고, 사용자 관심 영역 추출 시스템(1000)은 감지된 사용자의 얼굴 정면 벡터 및 사용자의 시선 벡터를 획득할 수 있다. 사용자 관심 영역 추출 시스템(1000)은 획득된 시선 벡터, 공간 뎁스 맵에 매칭된 RGB 이미지 및 생성된 공간 뎁스 맵에 기초하여 사용자 관심 영역(ROI, Region of Interest)을 획득할 수 있다. 아래에서는 사용자의 얼굴을 감지하는 구체적인 과정을 설명한다.
도 5는 본 개시의 일 실시 예에 따른 공간 내에서 감지된 사용자를 나타내는 도면이다.
도 5를 참조하면, 사용자(10)가 위치한 공간(1)이 도시되어 있다. 도 5에 도시된 도면은 카메라(200)에 의해 촬영된 이미지일 수 있다. 즉, 카메라(200)는 사용자(10)가 위치한 공간(1)을 촬영할 수 있다. 사용자 관심 영역 추출 시스템(1000)은 도 5에 도시된 바와 같이 감지된 사용자(31)를 판단할 수 있다. 그리고, 사용자 관심 영역 추출 시스템(1000)은 감지된 사용자(31)로부터 얼굴 영역(32)을 추출할 수 있다. 사용자 관심 영역 추출 시스템(1000)은 기존의 공개된 알고리즘 등에 기초하여 사용자 또는 얼굴 영역을 인식할 수 있다. 또는, 사용자 관심 영역 추출 시스템(1000)은 사용자 인식 또는 얼굴 영역 인식에 대해 학습하고, 학습된 데이터에 기초하여 사용자 또는 얼굴 영역을 인식할 수 있다.
사용자(10)는 얼굴이 보이지 않는 방향(예를 들어 카메라를 등진 형태로 서 있는 경우 등)에 위치할 수도 있다. 이러한 경우, 프로세서(120)는 사용자의 얼굴이 촬영 되지 않은 촬영 이미지 데이터를 보조 데이터로 사용 할 수 있다.
그리고, 사용자 관심 영역 추출 시스템(1000)은 추출된 사용자의 얼굴 영역(32)을 각각 클러스터링하고, 동일 인물로 클러스터링된 얼굴 영역을 기초로 인물 별로 사용자 관심영역에 대한 2D ROI 이미지를 생성할 수 있다. 또한, 사용자 관심 영역 추출 시스템(1000)은 인물 별로 분류하여 사용자에 대한 정보를 저장할 수 있다. 사용자 관심 영역 추출 시스템(1000)은 서버로부터 수신한 관심 물체와 관련된 정보를 대응되는 사용자 프로파일에 저장할 수도 있다.
도 6은 본 개시의 일 실시 예에 따른 사용자의 시선 벡터를 추출하는 과정을 설명하는 도면이다.
상술한 바와 같이, 사용자 관심 영역 추출 시스템(1000)은 공간 내에 위치한 사용자의 얼굴 영역(32)을 인식할 수 있다. 사용자 관심 영역 추출 시스템(1000)은 인식된 얼굴 영역(32)에서 특징점(3)을 추출할 수 있다. 특징점(3) 추출은 사용자의 얼굴 정면 벡터를 획득하기 위한 것이다. 일반적으로 사람이 시선을 돌릴 때, 눈동자만 움직이는 것이 아니라 얼굴 방향을 돌리는 경향이 있다. 따라서, 사람의 얼굴 정면 방향은 시선 방향과 대부분 일치한다. 따라서, 사용자 관심 영역 추출 시스템(1000)은 얼굴 정면 벡터를 획득하고, 획득된 얼굴 정면 벡터에 기초하여 시선 벡터를 획득할 수 있다.
도 6(a)를 참조하면, 사용자 관심 영역 추출 시스템(1000)은 공간 뎁스 맵으로부터 얼굴 영역(32)을 추출하고, 추출된 얼굴 영역에서 특징점(3)을 추출할 수 있다. 특징점(3)은 얼굴 영역 전체에서 추출될 수 있다. 추출된 특징점(3)을 연결하면 3D 얼굴 형태가 획득될 수 있다. 본 개시는 사람의 시선 방향을 획득하기 위한 것이므로 정확한 얼굴 형태를 판단할 필요가 없다. 따라서, 특징점 추출 및 3D 얼굴 형태의 획득은 대략적인 얼굴 형태 및 정면 방향을 판단할 수 있는 정도면 족하다.
예를 들어, 특징점(3)은 윤곽선 등에서 추출되기 때문에 사람의 뒷머리 방향보다는 눈, 코, 입 등이 위치하는 머리의 앞쪽 방향에서 많이 추출될 수 있다. 사용자 관심 영역 추출 시스템(1000)은 추출된 특징점(3)에 기초하여 눈, 코, 입 등을 판단하고, 판단된 눈, 코, 입 등이 위치한 방향을 정면 방향으로 판단할 수 있다. 또는, 사용자 관심 영역 추출 시스템(1000)은 상대적으로 특징점(3)이 많이 추출되는 방향을 정면 방향으로 판단할 수도 있다. 상술한 바와 같이, 사용자 관심 영역 추출 시스템(1000)은 추출된 특징점(3)에 기초하여 대략적인 3D 얼굴 형태를 판단할 수 있다. 그리고, 사용자 관심 영역 추출 시스템(1000)은 대략적인 3D 얼굴 형태에 기초하여 얼굴 정면 벡터를 추출할 수 있다. 예를 들어, 사용자 관심 영역 추출 시스템(1000)은 3D 얼굴 형태에 대응되는 가상의 계란형 입체 도형을 생성하고, 생성된 계란형 입체 도형을 수직으로 절단한 형태로 근사화한 후 얼굴 정면 벡터를 추출할 수 있다.
도 6(b)를 참조하면, 근사화된 얼굴 형태(11)가 도시되어 있다. 일 실시 예로서, 사용자 관심 영역 추출 시스템(1000)은 감지된 얼굴의 특징점(3)에 기초하여 3D 얼굴 형태에 대응되는 가상의 계란형 입체 도형을 생성하고, 생성된 계란형 입체 도형을 수직으로 절단한 형태로 얼굴을 근사화시킬 수 있다. 사용자 관심 영역 추출 시스템(1000)은 생성된 계란형 입체 도형을 수직으로 절단한 형태로 근사화된 얼굴 형태(11) 및 판단된 정면 방향에 기초하여 가상의 수직선(5) 및 가상의 수평선(6)을 획득할 수 있다. 그리고, 사용자 관심 영역 추출 시스템(1000)은 얼굴 형태(11) 내에서 가상의 수직선(5) 및 가상의 수평선(6)이 만나는 지점을 중심점(4)으로 추출할 수 있다.
사용자 관심 영역 추출 시스템(1000)은 중심점(4)으로부터 가상의 수직선(5) 및 가상의 수평선(6)에 직각인 벡터를 얼굴 정면 벡터(8)로 판단할 수 있다. 그리고, 사용자 관심 영역 추출 시스템(1000)은 얼굴 정면 벡터(8)에서 연장된 벡터를 추출하고, 추출된 연장 벡터를 시선 벡터(9)로 판단할 수 있다. 사용자 관심 영역 추출 시스템(1000)은 시선 벡터(9)를 시선 방향으로 판단할 수 있다.
예를 들어, 사람이 얼굴을 돌리는 경우, 상술한 방식에 따라 추출된 시선 벡터(9)의 방향도 얼굴 회전 방향에 대응하여 회전하게 된다. 즉, 사람이 얼굴을 돌리는 경우, 얼굴이 돌아가는 방향에 따라 사람의 시선도 회전하며, 시선 벡터(9)도 회전하게 된다.
도 7은 본 개시의 다른 실시 예에 따른 사용자의 시선 벡터를 설명하는 과정을 설명하는 도면이다.
도 7(a)를 참조하면, 본 개시의 일 실시 예로써, 복수의 사용자에 대한 평균 데이터를 이용하여 기준 시선 벡터를 획득하는 방법이 도시되어있다.
사용자 관심 영역 추출 시스템(1000)은 복수의 사용자 각각에 대하여 얼굴 형태와 얼굴 형태에 대한 시선 방향의 정보를 수집하고, 수집된 얼굴 형태와 시선 방향에 대한 평균 데이터에 기초하여 기준 얼굴 마스크와 기준 시선 벡터를 생성할 수 있다.
구체적으로, 사용자 관심 영역 추출 시스템(1000)은 복수의 사용자에 대하여 얼굴 형태에 대한 정보를 추출할 수 있고, 추출된 복수의 얼굴 형태에 대한 평균 데이터에 기초하여 기준 얼굴 마스크를 생성 할 수 있다. 사용자 관심 영역 추출 시스템(1000)은 얼굴 마스크 대비 시선 방향에 대한 정보를 수집할 수 있고, 수집된 복수의 사용자에 대한 시선 방향 정보를 기초로 기준 시선 벡터를 생성할 수 있다.
도 7(b)를 참조하면, 기준 얼굴 마스크와 기준 시선 벡터를 사용자의 얼굴 마스크에 적용하는 그림이 도시되어 있다.
사용자 관심 영역 추출 시스템(1000)은 기준 얼굴 마스크와 기준 시선 벡터를 이용하여 사용자의 시선 벡터를 획득 할 수 있다. 사용자 관심 영역 추출 시스템(1000)은 추출된 얼굴 영역에 기초하여 사용자의 얼굴 마스크를 생성할 수 있다. 사용자 관심 영역 추출 시스템(1000)은 생성된 사용자의 얼굴 마스크에 기준 얼굴 마스크를 매칭시키고, 매칭된 기준 얼굴 마스크에 대한 기준 시선 벡터를 사용자의 시선 벡터로 획득할 수 있다.
도 8은 본 개시의 다른 실시 예에 따른 사용자 관심 물체를 추정하는 과정을 설명하는 도면이다.
도 8을 참조하면, 사용자와 복수 개의 객체가 도시되어 있다. 사용자 관심 영역 추출 시스템(1000)은 공간에 존재하는 객체를 감지하여 감지된 객체의 좌표와 시선 벡터를 이용하여 관심 물체를 추정할 수 있다.
구체적으로, 사용자 관심 영역 추출 시스템(1000)은 복수의 RGB 이미지에 공간 상에 존재하는 객체를 감지하기 위한 알고리즘을 이용할 수 있다. 여기서, 알고리즘은 딥러닝 기반의 객체 탐지 알고리즘 일 수 있다.
사용자 관심 영역 추출 시스템(1000)은 도 8에 도시된 바와 같이 알고리즘을 이용하여 RGB 이미지를 기초로 공간 상에 존재하는 객체(25 내지 29)를 감지하고, 감지된 객체의 좌표를 파악한다. RGB 이미지는 공간 뎁스 맵과 매칭되어 좌표정보를 가지고 있으므로, 사용자 관심 영역 추출 시스템(1000)은 감지된 객체(25 내지 29)의 좌표를 파악할 수 있다. 사용자 관심 영역 추출 시스템(1000)은 도 7에서 상술한 방법에 따라 시선 벡터를 획득하고, 시선 벡터가 객체와 만나는 시선점의 좌표를 파악할 수 있다. 사용자 관심 영역 추출 시스템(1000)은 시선점의 좌표와 감지된 객체의 좌표를 이용하여 관심 물체를 판단할 수 있다.
도 9는 본 개시의 일 실시 예에 따른 다양한 시점의 2D ROI 이미지를 획득하는 과정을 설명하는 도면이다.
도 9(a)는 시선 벡터 및 사용자 관심 영역(ROI, Region of Interest)이 추출된 이미지를 도시한다. 도 9(b)는 사용자(10)의 우측 후방에 위치하는 카메라에 의해 촬영된 이미지를 나타내고, 도 9(c)는 사용자(10)의 좌측 후방에 위치하는 카메라에 의해 촬영된 이미지를 나타내며, 도 9(d)는 사용자(10)의 전방에 위치하는 카메라에 의해 촬영된 이미지를 나타낸다. 사용자 관심 영역 추출 시스템(1000)은 복수 개의 카메라를 포함할 수 있고, 복수의 카메라는 공간의 모서리 부분에 배치될 수 있다. 카메라가 배치된 위치에 따라 촬영하는 각도가 달라지므로, 사용자의 관심 영역(ROI)에 포함된 관심 물체의 이미지가 달라질 수 있다.
도 9(b) 및 도 9(c)는 사용자의 얼굴이 보이지 않는 방향에 위치한 카메라로 촬영된 데이터이므로 사용자 관심 영역 및 관심 물체를 판단하고, 사용자 관심 영역(ROI, Region of Interest) 및 관심 물체의 이미지를 생성하는 데 이용할 수 있다.
도 9(d)는 카메라가 사용자의 얼굴은 보이는 방향에 위치하나, 사용자 관심 영역(ROI, Region of Interest) 또는 관심 물체에 대한 이미지가 포함되어 있지 않으므로, 도 9(d)의 촬영 이미지 데이터는 사용자 얼굴 영역 추출, 정면 벡터 및 시선 벡터를 추출하는 데 이용될 수 있다.
도 10은 본 개시의 일 실시 예에 따른 사용자 관심 영역(ROI, Region of Interest)을 획득하는 과정을 설명하는 도면이다.
도 10을 참조하면, 공간 내에 위치한 사용자(10)가 시계(21)를 주시하는 도면이 도시되어 있다. 상술한 바와 같이, 사용자 관심 영역 추출 시스템(1000)은 카메라(200)를 이용하여 촬영된 복수의 촬영 이미지 데이터를 기초하여 공간 뎁스 맵과 공간 뎁스 맵에 매칭되는 복수의 RGB 이미지를 생성할 수 있다. 그리고, 사용자 관심 영역 추출 시스템(1000)은 공간 뎁스 맵에 기초하여 상술한 방식에 따라 시선 벡터(9)를 추출할 수 있다.
사용자 관심 영역 추출 시스템(1000)은 공간 뎁스 맵에 기초하여 시선 벡터와 복수의 RGB 이미지를 매칭시켜 매칭 데이터를 생성할 수 있다. 공간 뎁스 맵은 촬영 이미지 데이터의 뎁스 정보에서 생성된 것이고, 뎁스 정보는 RGB 정보와 함께 동일한 카메라에 의해 촬영된 이미지이다. 따라서, 사용자 관심 영역 추출 시스템(1000)은 공간 뎁스 맵과 복수의 RGB 이미지를 매칭시킬 수 있다. 그리고, 사용자 관심 영역 추출 시스템(1000)은 공간 뎁스 맵과 RGB 이미지에 기초하여 물체 영역을 판단할 수 있고, 시선 벡터와 판단된 물체 영역에 기초하여 시선 벡터가 향하는 물체 영역을 판단할 수 있다. 즉, 사용자 관심 영역 추출 시스템(1000)은 공간 뎁스 맵으로부터 시선 벡터가 향한 지점에 대응되는 좌표 또는 3D 포인트에 대한 정보를 획득할 수 있다.
그리고, 사용자 관심 영역 추출 시스템(1000)은 공간 뎁스 맵과 매칭된 RGB 이미지 및 획득된 좌표에 기초하여 사용자의 시선 벡터가 객체와 만나는 점에 위치한 물체를 판단할 수 있다. 사용자 관심 영역 추출 시스템(1000)은 시선 벡터가 객체와 만나는 점과 근접한 일 영역을 관심 영역(ROI, Region of Interest)으로 판단할 수 있고, 판단된 사용자 관심 영역(ROI) 내에 복수 개의 물체가 포함되어 있는 경우 saliency map analysis를 통하여 관심 물체를 판단할 수 있다. 도 10에서는 사용자(10)의 시선 벡터(9)가 객체와 만나는 시선점이 시계(21) 위에 위치하고 있고, 시선 벡터가 객체와 만나는 점과 근접한 일 영역에 시계(21) 이외에 다른 물체가 포함되어 있지 않으므로, 사용자 관심 영역 추출 시스템은 시계(21)를 사용자 관심 물체로 판단할 수 있다. 즉, 사용자 관심 영역 시스템은 관심 물체로부터 관심 영역을 판단할 수 있다.
또는, 사용자 관심 영역 추출 시스템은 사용자의 시선 방향에 따라 사용자 관심 영역을 판단할 수 있다. 즉, 사용자의 시선 벡터를 중심으로 기 설정한 각도의 범위에 포함되는 일정한 영역(field of view)을 사용자 관심 영역(ROI)로 판단하고, 판단된 관심 영역 내에 위치하는 물체를 관심 물체로 판단할 수 있다.
도 11은 본 개시의 일 실시 예에 따른 사용자 관심 영역(ROI, Region of Interest)을 획득하는 테스트 영상을 설명하는 도면이다.
도 11(a)을 참조하면, 공간 뎁스 맵에서 사용자의 시선 벡터를 추출한 도면이 도시되어 있다. 사용자 관심 영역 추출 시스템(1000)은 공간 뎁스 맵에 위치한 복수의 사용자(10a, 10b)로부터 시선 벡터를 추출할 수도 있다. 도 11(a)에는 제1 사용자(10a)와 제2 사용자(10b)가 위치한다. 사용자 관심 영역 추출 시스템(1000)은 상술한 방식에 따라 제1 사용자(10a)의 시선 벡터(9a) 및 제2 사용자(10b)의 시선 벡터(9b)를 동시에 추출할 수 있다.
도 11(b)을 참조하면, 사용자 관심 영역을 추출한 도면이 도시되어 있다. 사용자 관심 영역 추출 시스템(1000)은 공간 뎁스 맵과 복수의 RGB 이미지를 매칭시킨 매칭 데이터를 생성할 수 있다. 그리고, 사용자 관심 영역 추출 시스템(1000)은 공간 뎁스 맵, 매칭 데이터인 복수의 RGB 이미지 및 시선 벡터에 기초하여 관심 영역을 추출할 수 있다. 도 11(b)에 도시된 바와 같이, 사용자 관심 영역 추출 시스템(1000)은 제1 사용자(10a)의 관심 영역(50a) 및 제2 사용자(10b)의 관심 영역(50b)를 동시에 판단할 수 있다.
또한, 사용자 관심 영역 추출 시스템(1000)은 제1 사용자(10a)의 관심 영역(50a) 내의 물체 및 제2 사용자(10b)의 관심 영역(50b) 내의 물체를 동시에 추출하여 디스플레이에 표시 할 수 있고, 메모리에 저장할 수 있다.
도 12는 본 개시의 일 실시 예에 따라 옵티멀(optimal) 이미지를 생성하는 과정을 설명하는 도면이다.
도 12를 참조하면, 사용자 관심 영역 추출 시스템(1000)은 복수의 RGB 이미지로부터 판단된 관심 물체를 포함하는 다양한 시점의 2D ROI 이미지를 획득할 수 있다. 사용자 관심 영역 추출 시스템(1000)이 복수의 카메라를 포함하는 경우에는 촬영하는 각도에 따라 사용자의 관심 영역(ROI)에 포함된 관심 물체의 이미지가 달라질 수 있다. 사용자 관심 영역 추출 시스템(1000)은 생성된 다양한 각도의 2D ROI 이미지 중 기 설정된 알고리즘을 이용하여 각각의 2D ROI 이미지에 포함된 사용자 관심 물체의 왜곡도를 비교하고, 왜곡도가 가장 낮은 사용자 관심 물체를 포함하는 2D ROI 이미지를 옵티멀(optimal) 이미지로 선택할 수 있다. 여기서, 왜곡도는 관심 물체의 원점왜곡된 정도, 이미지에 포함된 관심 물체의 크기 및 균일도 등을 수치화한 값 일 수 있다. 또한, 알고리즘은 각각의 2D ROI 이미지에 포함된 관심 물체의 특징벡터를 추출하여 서로 비교하고, 카메라에서 관심 물체까지의 거리, 촬영 각도 및 특징치를 비교하는 알고리즘 일 수 있다.
도 12에는 시점이 다른 2개의 2D ROI 이미지(52a, 52b)가 도시되어 있다. 다양한 시점의 2D ROI 이미지에 포함된 관심 물체 간의 특징을 비교하여 왜곡도가 낮은 2D ROI 이미지(52b)가 옵티멀(optimal) 이미지(53)로 선택될 수 있다.
옵티멀(optimal) 이미지는 물체의 인식을 용이하게 하기 위한 이미지로써, AI 또는 기 설정된 알고리즘에 의하여 인식되기 적합한 이미지 일 수 있다. 전자 장치(100)는 서버로 옵티멀(optimal) 이미지를 송신하고, 서버는 전자 장치(100)로부터 수신한 옵티멀(optimal) 이미지를 기초로 물체를 식별하고, 식별된 물체와 관련된 정보(물체의 종류, 상호, 상표 등 관련 정보)를 인터넷 또는 저장된 데이터로부터 검색하고, 검색된 결과를 전자 장치(100)로 제공 할 수 있다.
도 13은 본 개시의 다른 실시 예에 따른 옵티멀(optimal) 이미지를 생성하는 과정을 설명하는 도면이다.
도 13을 참조하면, 공간 뎁스 맵에서 추출한 관심 물체를 포함하는 사용자 관심 영역 이미지(51), 다양한 시점의 2D ROI 이미지(52a, 52b), 옵티멀(optimal) 이미지(54) 및 사용자 1인칭 시점 이미지(55)가 도시되어 있다. 사용자 관심 영역 추출 시스템(1000)은 복수 개의 카메라를 이용하여 다양한 각도의 2D ROI 이미지를 생성 할 수 있다. 사용자 관심 영역 추출 시스템(1000)은 공간 뎁스 맵에서 관심 물체를 포함하는 사용자 관심 영역을 추출할 수 있고, 사용자 관심 영역 추출 시스템(1000)은 추출된 관심 영역 내의 관심 물체의 3D 포인트 정보에 기초하여 기 설정된 벡터 방향으로 투사(projection)하여 투사 이미지를 생성할 수 있다. 공간 뎁스 맵에서 추출되어 생성된 투사 이미지는 기 설정된 방향으로 변형될 수 있지만 충분한 데이터를 포함하지 않기 때문에 완전하지 않은 이미지일 수 있다. 따라서, 사용자 관심 영역 추출 시스템(1000)은 생성된 투사 이미지에 대한 후처리 가공(post processing)으로 hole 부분 처리와 원근왜곡(perspective distortion)의 보정을 수행하여 투사 이미지를 보완 할 수 있다. 즉, 사용자 관심 영역 추출 시스템(1000)은 RGB 이미지에서 추출된 복수의 2D ROI 이미지의 정보를 이용하여 투사 이미지를 보완함으로써 완전한 투사 이미지를 생성할 수 있다.
옵티멀(optimal) 이미지(53)는 물체 인식이 비교적 용이한 이미지로써, AI 또는 기 설정된 알고리즘에 의하여 인식되기 적합한 이미지 일 수 있다. 따라서, 옵티멀(optimal) 이미지는 물체의 정면 이미지 일 수 있다. 물체의 측면 이미지보다 물체의 정면 이미지의 물체 인식률이 높다. 따라서, 서버는 정면 이미지에 기초하여 물체를 식별함으로써 보다 정확하게 물체를 인식할 수 있다.
사용자 관심 영역 추출 시스템(1000)은 관심 물체에 대한 3D 포인트 정보를 추출된 시선 벡터 방향으로 투사(projection)하여 사용자의 1인칭 사용자 시점 이미지(54)를 생성할 수 있다. 1인칭 사용자 시점 이미지(54)는 제3자에게 사용자가 보고 있는 시점을 이미지화 하여 제공할 수 있으므로, 제3자에게 사용자의 관심 물체에 대한 정보(물체의 종류, 상호, 상표 등 관련 정보)를 직관적으로 제공할 수 있다. 사용자 관심 영역 추출 시스템(1000)은 1인칭 사용자 시점 이미지(54)를 복수의 인물로 클러스터링하여 대응되는 사용자 프로파일에 분류하여 저장할 수 있다. 또한, 사용자 관심 영역 추출 시스템(1000)은 시간에 따라 변화하는 1인칭 사용자 시점 이미지를 메모리에 저장할 수 있다.
도 14는 본 개시의 일 실시 예에 따른 사용자 관심 물체를 추정하는 과정을 설명하는 도면이다. 공간에 존재하는 사용자의 시선 방향은 시간에 따라 변화 할 수 있고, 이에 따라 사용자 관심 영역(ROI) 및 관심 물체도 달라질 수 있다. 사용자 관심 영역 추출 시스템(1000)은 기 설정한 시간에 따라 사용자 관심 영역(ROI) 및 관심 물체를 판단하여 시간 별 관심 물체를 저장 할 수 있고 사용자 관심 영역(ROI) 및 관심 물체의 변화를 분석하여 다음 사용자 관심 영역(ROI) 및 관심 물체를 예상할 수 있다. 여기서, 설정된 시간은 1초 내지 5초 일 수 있다.
도 14를 참조하면, 시간이 T-1일 때, 사용자 관심 영역 추출 시스템(1000)은 사용자(10)가 시계(21)가 포함된 영역을 주시하고 있다고 판단할 수 있고, 관심 물체가 시계(21)라고 판단 할 수 있다. 시간이 T일 때는, 사용자 관심 영역 추출 시스템(1000)은 사용자(10)가 키보드(23)가 포함된 영역을 주시하고 있다고 판단할 수 있고, 관심 물체가 키보드(23)라고 판단 할 수 있다. 사용자 관심 영역 추출 시스템(1000)은 사용자 관심 영역(ROI)을 수집하고, 수집된 사용자 관심 영역의 변화를 분석하여 예상 경로를 판단할 수 있다. 따라서, 시간이 T+1일 때는 사용자(10)가 마우스(24)를 포함하는 영역을 주시할 것으로 예상하고, 관심 물체가 마우스(24)일 것으로 예상할 수 있다.
다른 실시 예로써, 사용자 관심 영역 추출 시스템(1000)은 시간에 따른 사용자 관심 물체를 분석하여 사용자의 원하는 물체가 무엇인지 예측할 수 있다. 구체적으로, 일정한 시간동안 사용자의 관심 물체가 동일 종류의 물체인 경우(예를 들어, T-셔츠)에 사용자 관심 영역 추출 시스템(1000)은 관련 정보(상표, 상호, 관련 의류)를 서버로부터 수신하여 제공하거나 DB로부터 관련 정보를 제공할 수 있다.
도 15는 본 개시의 일 실시 예에 따른 사용자 관심 물체 후보군을 생성하는 과정을 설명하는 도면이다.
사용자 관심 영역 추출 시스템(1000)은 공간 뎁스 맵 및 시선 벡터에 기초하여 관심 물체의 후보 물체를 식별하고, 복수의 RGB 이미지 및 시선 벡터의 방향에 기초하여 식별된 후보 물체 중 관심 물체를 판단할 수 있다.
구체적으로, 사용자 관심 영역 추출 시스템(1000)은 공간 뎁스 맵과 복수의 RGB 이미지를 매칭하여 생성된 매칭 데이터 및 사용자의 시선 벡터가 객체와 만나는 시선점을 기초하여 관심 물체를 판단할 수 있다. 또는, 사용자 관심 영역 추출 시스템(1000)은 시선 벡터가 객체와 만나는 시선점에 근접한 일 영역을 관심 영역(ROI, Region of Interest)으로 판단할 수 있고, 판단된 일 영역 내에 포함된 물체를 관심 물체로 판단할 수 있다.
다른 실시 예로써, 사용자 관심 영역 추출 시스템(1000)은 사용자의 시선 방향에 따라 사용자 관심 영역을 판단할 수 있다. 즉, 사용자의 시선 벡터를 중심으로 기 설정한 각도의 범위에 포함되는 일 영역(field of view)을 사용자 관심 영역(ROI)로 판단하고, 판단된 관심 영역 내에 위치하는 물체를 관심 물체로 판단할 수 있다.
사용자 관심 영역 추출 시스템(1000)은 사용자 관심 영역(ROI) 내에 복수 개의 물체가 포함되어 있는 경우, saliency map analysis를 이용하여 사용자 관심 물체를 판단할 수 있다. 구체적으로, 사용자 관심 영역 추출 시스템(1000)은 복수 개의 물체를 사용자 관심 물체의 후보군으로 설정하고, 후보군 중 시선 벡터가 객체와 만나는 점과 가장 가까이 위치한 물체를 사용자 관심 물체로 판단할 수 있다. 또는, 사용자 관심 영역 추출 시스템(1000)은 물체의 특징치가 가장 높은 물체를 관심 물체로 판단할 수 있다. 여기서, 특징치는 사용자 관심 영역(ROI) 내의 물체의 이미지가 차지하고 있는 면적, 모양 및 크기 등을 고려한 수치일 수 있다.
상술한 다양한 방식에 따라 사용자 관심 영역 추출 시스템은 아이 트래커와 같은 장비없이 복수의 사용자의 관심 영역을 판단할 수 있다. 아래에서는 전자 장치의 제어 방법에 대해 설명한다.
도 16은 본 개시의 일 실시 예에 따른 전자 장치 제어 방법의 흐름도이다.
도 16을 참조하면, 전자 장치는 사용자가 존재하는 공간을 촬영한 복수의 촬영 이미지 데이터를 서로 다른 위치의 복수의 카메라로부터 수신한다(S1110). 수신된 촬영 이미지 데이터는 뎁스 정보와 RGB 정보를 포함하는 데이터이며, 뎁스 정보는 3D 데이터를 포함하고, RGB 정보는 2D 데이터를 포함할 수 있다. 따라서, 뎁스 정보는 사용자 및 물체의 뎁스 정보, 좌표 정보 및 3D 데이터를 포함하고, RGB 정보는 물체의 색상, 명도, 채도 등의 RGB 정보를 포함할 수 있다.
전자 장치는 수신된 촬영 이미지 데이터에 기초하여 공간 전체를 포함하는 공간 뎁스 맵 및 공간 뎁스 맵과 매칭되는 복수의 RGB 이미지를 생성한다(S1120). 그리고, 전자 장치는 생성된 공간 뎁스 맵에 기초하여 사용자를 감지하고, 감지된 사용자의 얼굴 영역을 추출한다(S1130).
전자 장치는 추출된 사용자의 얼굴 영역에 기초하여 시선 벡터를 획득한다(S1140). 구체적으로, 전자 장치는 추출된 얼굴 영역에 기초하여 감지된 사용자의 얼굴 마스크를 생성하고, 복수 사용자의 얼굴 형태 및 시선 방향의 평균 데이터에 기초하여 생성된 기준 얼굴 마스크 및 기준 시선 벡터를 생성된 사용자의 얼굴 마스크를 매칭시키며, 기준 시선 벡터의 방향을 매칭된 사용자의 얼굴 마스크의 시선 벡터로 획득할 수 있다.
또는, 전자 장치는 추출된 사용자의 얼굴 영역에 대응되는 가상의 계란형 입체 도형을 생성하고, 생성된 계란형 입체 도형을 수직으로 절단한 절단면의 중심점을 획득하며, 획득된 중심점의 법선 벡터 방향을 시선 벡터로 획득할 수 있다.
그리고, 전자 장치는 공간 뎁스 맵 및 획득한 시선 벡터에 기초하여 관심 물체의 후보 물체를 식별하고, 복수의 RGB 이미지 및 시선 벡터의 방향에 기초하여 식별된 후보 물체 중 관심 물체를 판단할 수 있다. 즉, 전자 장치는 공간 뎁스 맵, 공간 뎁스 맵에 매칭되는 복수의 RGB 이미지 및 획득된 시선 벡터에 기초하여 사용자의 관심 물체를 판단한다(S1150).
그리고, 전자 장치는 복수의 RGB 이미지로부터 판단된 관심 물체를 포함하는 다양한 시점의 2D ROI 이미지를 획득할 수 있다.
그리고, 전자 장치는 판단된 관심 물체를 식별하기 위한 옵티멀(optimal) 이미지를 획득한다(S1160). 구체적으로, 전자 장치는 다양한 시점의 2D ROI 이미지 중 관심 물체의 왜곡도가 가장 낮은 2D ROI 이미지를 옵티멀(optimal) 이미지로 획득할 수 있다. 또는, 전자 장치는 공간 뎁스 맵으로부터 판단된 관심 물체에 대한 3D 포인트 정보를 획득하고, 획득된 3D 포인트 정보를 기 설정된 벡터 방향으로 투사(projection)하여 투사 이미지를 생성하고, 다양한 시점의 2D ROI 이미지에 기초하여 생성된 투사 이미지를 보간하여 옵티멀(optimal) 이미지를 획득할 수 있다.
그리고, 전자 장치는 획득된 옵티멀(optimal) 이미지를 서버로 전송하고, 옵티멀(optimal) 이미지에 기초하여 식별된 관심 물체에 대한 정보를 서버로부터 수신 할 수 있다.
일반적으로 사용자의 시선을 추적하기 위해서 아이 트래커와 같은 장비가 이용된다. 그러나, 아이 트래커를 사용하는 방식은 특정 사용자의 시선을 추적할 수 있을 뿐 불특정 다수 사용자의 시선을 추적하는 것은 불가능하다. 그러나, 본 개시의 사용자 관심 영역 추출 시스템은 아이 트래커와 같은 장비가 필요없기 때문에 불특정 다수 사용자의 시선을 추적하고 동시에 복수의 사용자의 관심 영역 또는 관심 물체를 판단할 수 있다. 또한, 판단된 관심 물체에 대한 정보를 서버로부터 수신하여 관련 정보를 구체적으로 파악할 수 있다.
본 개시의 사용자 관심 영역 추출 시스템은 다양한 장소 또는 시스템에 사용될 수 있다. 예를 들어, 홈 오토메이션 시스템의 경우, 사용자 관심 영역 추출 시스템은 사용자의 시선을 추적하고 특정 장치에 기 설정된 시간 이상 시선이 머무는 경우 시선이 머무는 장치를 판단하고 동작시킬 수 있다. 구체적인 예로서, 사용자가 TV에 5초 이상 시선이 머무는 경우, 사용자 관심 영역 추출 시스템은 사용자의 시선이 TV에 매칭된다고 판단할 수 있고 TV를 시청하고자 하는 의사가 있다고 판단하여 TV를 턴-온 시킬 수 있다. 또한, 상점의 경우, 사용자 관심 영역 추출 시스템은 복수 고객의 시선을 추적하고 고객이 관심을 가지는 상품을 판단할 수 있다. 그리고, 사용자 관심 영역 추출 시스템은 고객이 관심을 가지는 상품에 대한 데이터를 저장하거나 저장된 데이터에 기초하여 개별 고객에게 관심 상품을 추천해 줄 수도 있다.
상술한 다양한 실시 예에 따른 전자 장치의 제어 방법은 프로그램으로 구현되어 프로그램이 저장된 비일시적 판독 가능 매체(non-transitory computer readable medium)가 제공될 수 있다.
비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 어플리케이션 또는 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.
또한, 이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명 하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
1000: 사용자 관심 영역 추출 시스템
100: 전자 장치
110: 통신 인터페이스 120: 프로세서
200: 카메라 300: 서버

Claims (18)

  1. 사용자가 존재하는 공간을 촬영한 복수의 촬영 이미지 데이터를 서로 다른 위치의 복수의 카메라로부터 수신하는 통신 인터페이스; 및
    상기 수신된 촬영 이미지 데이터에 기초하여 상기 공간 전체를 포함하는 공간 뎁스 맵 및 상기 뎁스 맵과 매칭되는 복수의 RGB 이미지를 생성하고,
    상기 공간 뎁스 맵 및 상기 복수의 RGB 이미지에 기초하여 상기 사용자를 감지하고, 상기 감지된 사용자의 얼굴 영역을 추출하며, 상기 추출된 사용자의 얼굴 영역에 기초하여 시선 벡터를 획득하고, 상기 획득된 시선 벡터에 기초하여 관심 물체를 판단하며, 상기 판단된 관심 물체를 식별하기 위한 옵티멀(optimal) 이미지를 획득하는 프로세서;를 포함하고,
    상기 프로세서는,
    상기 복수의 RGB 이미지로부터 상기 판단된 관심 물체를 포함하는 다양한 시점의 2D ROI 이미지를 획득하고,
    상기 공간 뎁스 맵으로부터 상기 판단된 관심 물체를 포함하는 3D 포인트 정보를 획득하고, 상기 획득된 3D 포인트 정보를 기 설정된 벡터 방향으로 투사(projection)하여 투사 이미지를 생성하고, 상기 다양한 시점의 2D ROI 이미지에 기초하여 상기 생성된 투사 이미지를 보간하여 옵티멀(optimal) 이미지를 획득하는, 전자 장치.
  2. 제1항에 있어서,
    상기 통신 인터페이스는,
    상기 획득된 옵티멀(optimal) 이미지를 서버로 전송하고, 상기 옵티멀(optimal) 이미지에 기초하여 식별된 상기 관심 물체에 대한 정보를 상기 서버로부터 수신하는, 전자 장치.
  3. 삭제
  4. 제1항에 있어서,
    상기 프로세서는,
    상기 다양한 시점의 2D ROI 이미지 중 상기 관심 물체의 왜곡도가 가장 낮은 2D ROI 이미지를 옵티멀(optimal) 이미지로 획득하는, 전자 장치.
  5. 삭제
  6. 제1항에 있어서,
    상기 프로세서는,
    상기 추출된 얼굴 영역에 기초하여 상기 감지된 사용자의 얼굴 마스크를 생성하고, 복수 사용자의 얼굴 형태 및 시선 방향의 평균 데이터에 기초하여 생성된 기준 얼굴 마스크 및 기준 시선 벡터를 상기 생성된 사용자의 얼굴 마스크에 매칭시키며, 상기 기준 시선 벡터의 방향을 상기 매칭된 사용자의 얼굴 마스크의 상기 시선 벡터로 획득하는, 전자 장치.
  7. 제1항에 있어서,
    상기 프로세서는,
    상기 추출된 사용자의 얼굴 영역에 대응되는 가상의 계란형 입체 도형을 생성하고, 상기 생성된 계란형 입체 도형을 수직으로 절단한 절단면의 중심점을 획득하며, 상기 획득된 중심점의 법선 벡터 방향을 시선 벡터로 획득하는, 전자 장치.
  8. 제1항에 있어서,
    상기 프로세서는,
    상기 공간 뎁스 맵 및 상기 시선 벡터에 기초하여 상기 관심 물체의 후보 물체를 식별하고, 상기 복수의 RGB 이미지 및 상기 시선 벡터의 방향에 기초하여 상기 식별된 후보 물체 중 상기 관심 물체를 판단하는, 전자 장치.
  9. 제1항에 있어서,
    상기 프로세서는,
    상기 공간 뎁스 맵 및 상기 복수의 RGB 이미지에 기초하여 상기 공간 전체에 존재하는 객체를 감지하고, 상기 감지된 객체의 좌표 및 상기 시선 벡터에 기초하여 관심 물체를 판단하는, 전자 장치.
  10. 전자 장치의 제어 방법에 있어서
    사용자가 존재하는 공간을 촬영한 복수의 촬영 이미지 데이터를 서로 다른 위치의 복수의 카메라로부터 상기 전자 장치의 통신 인터페이스를 통해 수신하는 단계;
    상기 수신된 촬영 이미지 데이터에 기초하여 상기 공간 전체를 포함하는 공간 뎁스 맵 및 상기 공간 뎁스 맵과 매칭되는 복수의 RGB 이미지를 생성하는 단계;
    상기 생성된 공간 뎁스 맵에 기초하여 상기 사용자를 감지하고, 상기 감지된 사용자의 얼굴 영역을 추출하는 단계;
    상기 추출된 사용자의 얼굴 영역에 기초하여 시선 벡터를 획득하는 단계;
    상기 공간 뎁스 맵, 상기 복수의 RGB 이미지 및 상기 획득된 시선 벡터에 기초하여 관심 물체를 판단하는 단계;
    상기 판단된 관심 물체를 식별하기 위한 옵티멀(optimal) 이미지를 획득하는 단계; 및
    상기 복수의 RGB 이미지로부터 상기 판단된 관심 물체를 포함하는 다양한 시점의 2D ROI 이미지를 획득하는 단계;를 포함하고,
    상기 옵티멀(optimal) 이미지를 획득하는 단계는,
    상기 공간 뎁스 맵으로부터 상기 판단된 관심 물체에 대한 3D 포인트 정보를 획득하고, 상기 획득된 3D 포인트 정보를 기 설정된 벡터 방향으로 투사(projection)하여 투사 이미지를 생성하고, 상기 다양한 시점의 2D ROI 이미지에 기초하여 상기 생성된 투사 이미지를 보간하여 옵티멀(optimal) 이미지를 획득하는 전자 장치의 제어 방법.
  11. 제10항에 있어서,
    상기 획득된 옵티멀(optimal) 이미지를 서버로 전송하는 단계; 및
    상기 옵티멀(optimal) 이미지에 기초하여 식별된 상기 관심 물체에 대한 정보를 상기 서버로부터 수신하는 단계;를 더 포함하는, 전자 장치의 제어 방법.
  12. 삭제
  13. 제10항에 있어서,
    상기 옵티멀(optimal) 이미지를 획득하는 단계는,
    상기 다양한 시점의 2D ROI 이미지 중 상기 관심 물체의 왜곡도가 가장 낮은 2D ROI 이미지를 옵티멀(optimal) 이미지로 획득하는, 전자 장치의 제어 방법.
  14. 삭제
  15. 제10항에 있어서,
    상기 시선 벡터를 획득하는 단계는,
    상기 추출된 얼굴 영역에 기초하여 상기 감지된 사용자의 얼굴 마스크를 생성하고, 복수 사용자의 얼굴 형태 및 시선 방향의 평균 데이터에 기초하여 생성된 기준 얼굴 마스크 및 기준 시선 벡터를 상기 생성된 사용자의 얼굴 마스크에 매칭시키며, 상기 기준 시선 벡터의 방향을 상기 매칭된 사용자의 얼굴 마스크의 상기 시선 벡터로 획득하는, 전자 장치의 제어 방법.
  16. 제10항에 있어서,
    상기 시선 벡터를 획득하는 단계는,
    상기 추출된 사용자의 얼굴 영역에 대응되는 가상의 계란형 입체 도형을 생성하고, 상기 생성된 계란형 입체 도형을 수직으로 절단한 절단면의 중심점을 획득하며, 상기 획득된 중심점의 법선 벡터 방향을 시선 벡터로 획득하는, 전자 장치의 제어 방법.
  17. 제10항에 있어서,
    상기 관심 물체를 판단하는 단계는,
    상기 공간 뎁스 맵 및 상기 시선 벡터에 기초하여 상기 관심 물체의 후보 물체를 식별하고, 상기 복수의 RGB 이미지 및 상기 시선 벡터의 방향에 기초하여 상기 식별된 후보 물체 중 상기 관심 물체를 판단하는, 전자 장치의 제어 방법.
  18. 제10항에 있어서,
    상기 공간 뎁스 맵 및 상기 복수의 RGB 이미지에 기초하여 상기 공간 전체에 존재하는 객체를 감지하는 단계;를 더 포함하고,
    상기 관심 물체를 판단하는 단계는,
    상기 감지된 객체의 좌표 및 상기 시선 벡터에 기초하여 관심 물체를 판단하는, 전자장치의 제어 방법.
KR1020190037225A 2019-03-29 2019-03-29 전자 장치 및 제어 방법 KR102250712B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190037225A KR102250712B1 (ko) 2019-03-29 2019-03-29 전자 장치 및 제어 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190037225A KR102250712B1 (ko) 2019-03-29 2019-03-29 전자 장치 및 제어 방법

Publications (2)

Publication Number Publication Date
KR20200114838A KR20200114838A (ko) 2020-10-07
KR102250712B1 true KR102250712B1 (ko) 2021-05-11

Family

ID=72883172

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190037225A KR102250712B1 (ko) 2019-03-29 2019-03-29 전자 장치 및 제어 방법

Country Status (1)

Country Link
KR (1) KR102250712B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113673479A (zh) * 2021-09-03 2021-11-19 济南大学 基于视觉关注点识别物体的方法
KR102443797B1 (ko) * 2022-03-30 2022-09-16 쉐어잇 주식회사 시선 추적을 통한 공간 이미지 추천 장치 및 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018524623A (ja) * 2015-05-14 2018-08-30 エスアールアイ インターナショナルＳＲＩ Ｉｎｔｅｒｎａｔｉｏｎａｌ モバイル機器キャプチャからの最適画像選択方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101874494B1 (ko) * 2011-11-25 2018-07-06 삼성전자주식회사 특징점의 삼차원 위치 계산 장치 및 방법
US9996150B2 (en) * 2012-12-19 2018-06-12 Qualcomm Incorporated Enabling augmented reality using eye gaze tracking
KR101647969B1 (ko) * 2014-09-12 2016-08-12 재단법인대구디지털산업진흥원 사용자 시선을 검출하기 위한 사용자 시선 검출 장치 및 그 방법과, 그 방법을 실행하기 위한 컴퓨터 프로그램

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018524623A (ja) * 2015-05-14 2018-08-30 エスアールアイ インターナショナルＳＲＩ Ｉｎｔｅｒｎａｔｉｏｎａｌ モバイル機器キャプチャからの最適画像選択方法

Also Published As

Publication number Publication date
KR20200114838A (ko) 2020-10-07

Similar Documents

Publication Publication Date Title
EP3779772B1 (en) Trajectory tracking method and apparatus, and computer device and storage medium
CN106415445B (zh) 用于观看者关注区域估计的技术
US9750420B1 (en) Facial feature selection for heart rate detection
US8254633B1 (en) Method and system for finding correspondence between face camera views and behavior camera views
US9665767B2 (en) Method and apparatus for pattern tracking
US10970528B2 (en) Method for human motion analysis, apparatus for human motion analysis, device and storage medium
US8571274B2 (en) Person-judging device, method, and program
US10063843B2 (en) Image processing apparatus and image processing method for estimating three-dimensional position of object in image
JP6589321B2 (ja) システム、検索方法およびプログラム
JP6609640B2 (ja) 電子デバイス上における環境マッピング用のフィーチャ・データの管理
JP2014182480A (ja) 人物認識装置、及び方法
WO2016107638A1 (en) An image face processing method and apparatus
JP6822482B2 (ja) 視線推定装置、視線推定方法及びプログラム記録媒体
KR101640014B1 (ko) 허위 안면 이미지 분류가 가능한 홍채 인식 장치
US10496874B2 (en) Facial detection device, facial detection system provided with same, and facial detection method
US10740934B2 (en) Flow line display system, flow line display method, and program recording medium
EP4174716A1 (en) Pedestrian tracking method and device, and computer readable storage medium
KR102250712B1 (ko) 전자 장치 및 제어 방법
JP6349448B1 (ja) 情報処理装置、情報処理プログラム、及び、情報処理方法
US9924865B2 (en) Apparatus and method for estimating gaze from un-calibrated eye measurement points
CN107231519B (zh) 视频处理装置及控制方法
US20200134862A1 (en) Mapping multiple views to an identity
JP7103443B2 (ja) 情報処理装置、情報処理方法、およびプログラム
US20230410562A1 (en) Method and electronic device for determining user's hand in video
KR102576795B1 (ko) 포즈 추정 기반의 정면 영상 획득 방법 및 이를 위한 장치

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant