다이버 안구 데이터 분석 및 시선 추적에 관한 연구

• Published in: 한국컴퓨터정보학회논문지 Vol. 29; no. 8; pp. 43 - 51
• Main Authors: 이예준(Ye Jun Lee), 김용국(Yong Kuk Kim), 김다영(Da Young Kim), 민정탁(Jeongtack Min), 김민규(Min-Kyu Kim)
• Format: Journal Article
• Language: Korean
• Published: 한국컴퓨터정보학회 01.08.2024
• Subjects: 컴퓨터학; Deep learning; Eye Tracking; Object Detection; 시선추적; SCUBA; 딥러닝; 다이버 마스크; 객체인식; Diver mask
• ISSN: 1598-849X; 2383-9945
• DOI: 10.9708/jksci.2024.29.08.043

본 논문은 수중 활동을 주로 하는 다이버를 대상으로 특수 목적용 다이버 마스크를 이용해서안구 데이터를 획득 및 분석하고, 이를 이용해서 사용자의 시선을 추적하는 방법에 대해 제안한다. 안구 데이터 분석을 위해 자체 제작한 안구 데이터 셋을 구축하였고, YOLOv8-nano 모델을 활용해서 학습 모델을 생성하였다. 학습 모델의 프레임 당 소요 시간은 평균 45.52ms를 달성하였고, 눈을 뜬 상태와 감는 상태를 구별하는 인식 성공률은 99%를 달성하였다. 안구 데이터 분석 결과를 바탕으로 현실 세계 좌표를 매칭할 수 있는 시선 추적 알고리즘을 개발하였다. 이 알고리즘의검증 결과 x축은 약 1%, y축은 약 6%의 평균 오차율을 나타내는 것을 알 수 있었다. This paper proposes a method for acquiring and analyzing ocular data using a special-purpose diver mask targeted at divers who primarily engage in underwater activities. This involves tracking the user's gaze with the help of a custom-built ocular dataset and a YOLOv8-nano model developed for this purpose. The model achieved an average processing time of 45.52ms per frame and successfully recognized states of eyes being open or closed with 99% accuracy. Based on the analysis of the ocular data, a gaze tracking algorithm was developed that can map to real-world coordinates. The validation of this algorithm showed an average error rate of about 1% on the x-axis and about 6% on the y-axis. KCI Citation Count: 0