영상처리에서 인식에 관련된 기술들은 환경에 아주 많은 영향을 받게 되는데 이러한 인식률을 결정짓는 요소 중인 파라미터는 환경에 적절한 값을 얼마나 잘 선택하느냐에 따라서 인식률의 큰 차이를 보인다. 본 논문은 눈동자 추적 알고리즘이 사람이나 실험 환경의 변화에 따라 인식률이 저하되는 현상을 보완하기 위한 성능 향상 및 환경에 적응하는 시스템의 구현에 대한 방법이다. 최적의 파라미터를 얻기 위해 전 처리에 사용되는 이진화 알고리즘의 문턱값을 학습이 필요한 시기를 적절히 판단해 강화학습을 이용하여 다시 학습시켜 인식률을 향상시키는 방법을 사용했다. 실험데이터를 수집하기 위해 입력 장치는 가격이 저렴하고 일반적인 웹 카메라를 사용 하였으며 얼굴 영역에 해당하는 많은 양의 이미지를 수집하여 강화학습의 적응력을 실험하였다. 이미지의 그룹을 다양하게 변화시켜 실험한 결과 강화학습을 사용한 경우 그렇지 않은 경우에 비해 작게는 3% 많게는 14%가량의 성능이 향상됨을 확인하였다. 이렇게 성능이 향상된 눈동자 추적 시스템은 휴먼 컴퓨터 인터랙션 분야에 효과적으로 활용될 수 있을 것이다.
Recognition and image processing technology depends on illumination variation. One of the most important factors is the parameters of algorithms. When it comes to select these values, the system has different types of recognition accuracy. In this paper, we propose performance improvement of the eye tracking system that depends on some environments such as, people, location, and illumination. Optimized threshold parameter was decided by using reinforcement learning. When the system accuracy goes down, reinforcement learning used to train the value of parameters. According to the experimental results, the performance of eye tracking system can be improved from 3% to 14% by using reinforcement learning. The improved eye tracking system can be effectively used for human-computer interaction.
