• Proceedings of the Korean Society of Computer Information Conference
• /
• 2011.01a
• /
• pp.181-183
• /
• 2011

최근 게임 산업에서는 게임을 인공지능적인 측면으로 접근하는 방식 중 하나로 인공감정을 주목하고 있다. 인공감정은 감정자극과 감정, 그리고 감정의 표현 방식이라는 총 3가지 기본요소로 이루어져 있다. 본 연구에서는 인공감정을 사람들에게 꾸준하게 인지도가 상승하고 있는 캐주얼 게임에 적용시켜 보았다. 캐주얼 게임은 다른 게임들에 비해 게임 속에서 감정을 느낄 수 있는 환경요소가 한정적이고, 표현할 수 있는 감정이 적어 인공감정에 대한 플레이어의 반응을 실험하기에 적합한 게임 장르이다. 본 연구에서는 쉽게 제작 가능한 버튼 클릭 방식의 캐주얼 게임을 만들었다. 그리고 게임에 플레이어의 행동을 통해 감정적 영향을 받는 인공감정이 적용된 게임 에이전트를 제작했다.

• Annual Conference of KIPS
• /
• 2003.05a
• /
• pp.313-316
• /
• 2003

인터넷 기반 서비스업체들이 기하급수적으로 늘어나면서 업체들은 다른 업체들과는 차별화 시킬 수 있고, 사용자들에는 친근감을 제공하기 위해서 캐릭터 에이전트 연구를 진행 중에 있다. 그러나 현재 서비스되고 있는 캐릭터들은 사용자맞춤형이 아닌 단지 페이지기반으로 모든 사용자들에게 일괄적인 감정, 행동을 보여주고 있다. 이러한 방법은 항상, 누구에게나 같은 서비스를 해줌으로써 점차 사용자들의 신뢰성이 떨어질 수밖에 없다. 본 논문에서는 이러한 캐릭터 에이전트들의 신뢰성 증가를 위하여 사용자와 상호작용하면서 사용자의 성향을 파악하고 이를 학습하여 감정을 생성, 표현하는 Interactive, personalized, emotional 지능형 에이전트를 개발하고자 한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.19 no.4
• /
• pp.562-567
• /
• 2009

As a key mechanism of the human emotion interaction, Facial Expression is a powerful tools in HRI(Human Robot Interface) such as Human Computer Interface. By using a facial expression, we can bring out various reaction correspond to emotional state of user in HCI(Human Computer Interaction). Also it can infer that suitable services to supply user from service agents such as intelligent robot. In this article, We addresses the issue of expressive face modeling using an advanced active appearance model for facial emotion recognition. We consider the six universal emotional categories that are defined by Ekman. In human face, emotions are most widely represented with eyes and mouth expression. If we want to recognize the human's emotion from this facial image, we need to extract feature points such as Action Unit(AU) of Ekman. Active Appearance Model (AAM) is one of the commonly used methods for facial feature extraction and it can be applied to construct AU. Regarding the traditional AAM depends on the setting of the initial parameters of the model and this paper introduces a facial emotion recognizing method based on which is combined Advanced AAM with Bayesian Network. Firstly, we obtain the reconstructive parameters of the new gray-scale image by sample-based learning and use them to reconstruct the shape and texture of the new image and calculate the initial parameters of the AAM by the reconstructed facial model. Then reduce the distance error between the model and the target contour by adjusting the parameters of the model. Finally get the model which is matched with the facial feature outline after several iterations and use them to recognize the facial emotion by using Bayesian Network.