관상학(Physiognomy)은 오랜 역사에도 불구하고 경험적 검증의 부재로 미신 으로 치부되어 왔으나, 일부 실용 분야에서는 활발히 참조되어 이론과 실제 간의 괴리가 존재했다. 이에 본 연구는 ‘외형이 내면을 반영한다’는 관상학의 핵심 전제를 현대 통계 방법론으로 실증적으로 검증하고자, MBTI의 감정형 (F)-사고형(T) 유형과 관상학적 얼굴 특징 간의 상관관계를 분석하였다. 총 77 명의 참여자로부터 사진 데이터를 수집하여, 관상학 이론에 기반한 6가지 얼 굴 특징(눈 크기, 눈동자 크기, 코끝의 살, 입술 두께 등)을 전문가와 함께 5점 척도로 코딩하였다. 수립된 가설을 검증하기 위해 선형 및 로지스틱 회귀분석 을 적용하였다. 분석 결과, F/T 유형은 ‘눈길이’를 제외한 5가지 특징에서 유의미한 차이를 보였으며, 감정형(F) 집단이 더 큰 눈, 도톰한 입술 등을 갖는 경향을 나타냈 다. 또한, F/T 유형을 예측하는 로지스틱 회귀 모델(Pseudo R²=.462)에서는 ‘눈 동자 크기’, ‘코끝의 살’, ‘입술 두께’가 통계적으로 유의미한 핵심 예측 변수로 확인되었다. 본 연구는 관상학적 특징과 성격 유형 간의 실증적 연관성을 규 명함으로써, 관상학을 탈신비화하고 과학적 탐구의 대상으로 전환할 수 있는 가능성을 제시하며, 이는 관상학이 향후 심리학, 인공지능 등과 융합될 수 있 는 토대를 마련했다는 점에서 학술적 의의를 지닌다.

한국인 20대 여성 얼굴의 DB에서 얼굴의 물리적 특징을 고루 반영하는 대표적인 얼굴들을 선정하고 감성 및 미모 평정을 실시하여 아름다운 얼굴의 감성 특징을 파악하였다. 연구 1에서는 얼굴 감성 평정을 요인 분석하였으며, 그 결과 두 개의 요인으로 전체 변량의 약 65%를 설명할 수 있었다. 이들 두 요인은 각각 샤프(sharp) 요인과 소프트(soft) 요인으로 명명되었다. 연구 2에서는 각 얼굴들에 대해 감성 평정과 미모 평정을 실시하고 둘 간의 상관을 내보았는데, 얼굴 미모는 소프트한 느낌보다는 샤프한 느낌과 상관이 있는 것으로 나타났다. 연구 3에서는 얼굴 합성법을 이용하여 합성 이미지에 대해 미모 평정과 감성 평정을 실시하였다. 그 결과 미인들을 평균한 '상위 평균' 이미지가 '전체 평균' 이미지보다 아름답다고 평가되었으며, 그보다는 약하지만 '상위 평균' 이미지를 과장한 '상위 + 50' 이미지가 '상위 평균' 이미지보다 더 아름답다고 평가되었다. 감성 평정 결과, 전반적으로 '전체 평균' 이미지는 소프트한 느낌을, '상위 평균' 이미지는 샤프한 느낌을 지니고 있는 것으로 나타났으며, '상위 + 50' 이미지는 양쪽 느낌을 고루 지니고 있는 것으로 나타났다. 본 연구의 결과는 아름다운 얼굴이 감성적 특징과 연결될 수 있는 독특한 물리적 특징을 지니고 있으며 이 물리적 특징의 과장이 이중적인 감성 특징을 유발하고 더 아름답게 평정될 수 있음을 시사한다.

Facial feature extraction and tracking are essential steps in human-robot-interaction (HRI) field such as face recognition, gaze estimation, and emotion recognition. Active shape model (ASM) is one of the successful generative models that extract the facial features. However, applying only ASM is not adequate for modeling a face in actual applications, because positions of facial features are unstably extracted due to limitation of the number of iterations in the ASM fitting algorithm. The unaccurate positions of facial features decrease the performance of the emotion recognition. In this paper, we propose real-time facial feature extraction and tracking framework using ASM and LK optical flow for emotion recognition. LK optical flow is desirable to estimate time-varying geometric parameters in sequential face images. In addition, we introduce a straightforward method to avoid tracking failure caused by partial occlusions that can be a serious problem for tracking based algorithm. Emotion recognition experiments with k-NN and SVM classifier shows over 95% classification accuracy for three emotions: "joy", "anger", and "disgust".

For natural human-robot interaction, we need to know location and shape of facial feature in real environment. In order to track facial feature robustly, we can use the method combining particle filter and active appearance model. However, processing speed of this method is too slow. In this paper, we propose two ideas to improve efficiency of this method. The first idea is changing the number of particles situationally. And the second idea is switching the prediction model situationally. Experimental results is presented to show that the proposed method is about three times faster than the method combining particle filter and active appearance model, whereas the performance of the proposed method is maintained.