얼굴의 감정 분류를 위한 DFLM(Deeplearning facial landmark model)

전자기기는 일상에 깊게 자리 잡아, 대부분 시간을 차지할 정도로 많이 쓰인다. 이런 전자기기를 이용해 인간의 심리상태를 판단하고 상황에 맞는 피드백을 주는 것은 삶에 많은 도움을 줄 수 있다. 기존 얼굴 감정 분류 기법으로 CNN을 이용한 방식이 연구되어 있는데 해당 방식은 수만 개의 픽셀을 입력 데이터로 받기 때문에 많은 학습 데이터가 필요하다는 단점이 있다. 본 논문에서는 이를 해결하기 위해 얼굴의 특징점을 입력 데이터로 받아 얼굴의 감정을 분류하는 딥러닝 모델 DFLM(Deeplearning facial 특징점 model)을 제안한다. 제안한 DFLM은 얼굴에 68개의 특징점을 입력으로 하여 완전 연결 신경망을 구성해 7가지 표정을 분류할 수 있다. 시뮬레이션 결과 CNN 모델에 비해 빠른 학습이 가능하고, 동작 시간이 짧아 실시간으로 예측할 필요가 있는 분야에 도움이 될 것이다. Electronic devices are deeply entrenched in our daily lives and are used so much that they take up most of our time. Using these electronic devices to judge a person's psychological state and give feedback appropriate to the situation can help a lot in life. A method using CNN has been studied as an existing facial emotion classification technique, but this method has the disadvantage that it requires a lot of training data because it receives tens of thousands of pixels as input data. In this paper, to solve this problem, we propose a deep learning model DFLM (Deeplearning facial landmark model) that receives facial landmarks as input data and classifies facial emotions. The proposed DFLM can classify 7 facial expressions by constructing a fully connected neural network with 68 landmarks as inputs. As a result of the simulation, it is possible to learn faster than a CNN model, and its operation time is short, so it will be helpful in areas that need to make predictions in real time.