본 연구에서는 작업자의 일정한 동작을 보다 효율적으로 인식할 수 있는 시스템을 제안하고자 한다. 먼저, 작업자의 동작을 촬영한 동영상에서 연속된 프레임간의 차를 기반으로, 고정된 배경과 움직이는 대상을 분리한다. 다음으로, 에지 검출을 이용하여 동작의 중심 위치를 추정하여 연속적으로 움직이는 동작을 인식할 수 있도록 하였다. 본 연구에서 설계한 동작 인식시스템은 기존의 산업헌장에서 적용되고 있는 동작인식 시스템의 문제점을 보완하기 위하여 작업자의 동작을 고정된 CCTV로 촬영한 영상을 인식의 대상으로 취함으로써 동작 정보를 얻기 위한 각종 장비들이 최소화되었다. 또한, 작업자의 신체 부분별 특성을 추출하기 위한 계산 작업에 소요되는 시간을 줄이기 위하여 프레임간의 차연산과 에지검출을 통한 동작인식을 실시하여 인식에 필요한 작업시간을 단축하여, 효율적이면서 비용이 저렴한 동작 인식시스템을 설계하였다.
본 연구에서는 작업자의 일정한 동작을 보다 효율적으로 인식할 수 있는 시스템을 제안하고자 한다. 먼저, 작업자의 동작을 촬영한 동영상에서 연속된 프레임간의 차를 기반으로, 고정된 배경과 움직이는 대상을 분리한다. 다음으로, 에지 검출을 이용하여 동작의 중심 위치를 추정하여 연속적으로 움직이는 동작을 인식할 수 있도록 하였다. 본 연구에서 설계한 동작 인식시스템은 기존의 산업헌장에서 적용되고 있는 동작인식 시스템의 문제점을 보완하기 위하여 작업자의 동작을 고정된 CCTV로 촬영한 영상을 인식의 대상으로 취함으로써 동작 정보를 얻기 위한 각종 장비들이 최소화되었다. 또한, 작업자의 신체 부분별 특성을 추출하기 위한 계산 작업에 소요되는 시간을 줄이기 위하여 프레임간의 차연산과 에지검출을 통한 동작인식을 실시하여 인식에 필요한 작업시간을 단축하여, 효율적이면서 비용이 저렴한 동작 인식시스템을 설계하였다.
In this Study, we try to suggest a system that recognize worker's regular motion more effectively First, based on frame difference that separates still background from movable object to video that make a film of worker's motion. The next, with edge detection, estimating the center of motion could re...
In this Study, we try to suggest a system that recognize worker's regular motion more effectively First, based on frame difference that separates still background from movable object to video that make a film of worker's motion. The next, with edge detection, estimating the center of motion could recognize continuous motion. By action cognition system that design in this research films worker's action using fixed CCTV to supplement problem of action awareness system that is applied in existent industry spot, various mountings to get action information minimized. Also, shorten session that need in awareness enforcing action awareness through image subtraction and edge detection between frame to reduce time necessary to draw worker's body part special quality, expense designed inexpensive action cognition system as being efficient.
In this Study, we try to suggest a system that recognize worker's regular motion more effectively First, based on frame difference that separates still background from movable object to video that make a film of worker's motion. The next, with edge detection, estimating the center of motion could recognize continuous motion. By action cognition system that design in this research films worker's action using fixed CCTV to supplement problem of action awareness system that is applied in existent industry spot, various mountings to get action information minimized. Also, shorten session that need in awareness enforcing action awareness through image subtraction and edge detection between frame to reduce time necessary to draw worker's body part special quality, expense designed inexpensive action cognition system as being efficient.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 이러한 문제점을 보완하기 위하여 작업자의 동작을 고정된 CCTV로 촬영한 영상을 인식의 대상으로 취함으로써 동작 정보를 얻기 위한 각종 장비를 최소화하였다. 또한, 작업자의 신체 부분별 특성을 추출하기 위한 계산작업에 소요되는 시간을 줄이기 위하여 프레임 간의 차연산과 에지검출을 통한 동작 인식을 실시하여 인식에 필요한 작업시간을 단축하여, 효율적이면서 비용이 저렴한 동작 인식시스템을 설계하였다.
본 연구에서는 이러한 점들을 보완하기 위하여 작업자의 동작을 촬영한 동영상에서 연속한 프레임 간의 차를 기반으로 작업자의 일정한 동작을 보다 효율적으로 인식할 수 있는 시스템을 제안하고자 한다. 먼저, 작업자의 동작을 측정한 동영상에서 프레임을 추출하고, 인접한 두 프레임 사이의 이미지 차를 사용하여, 고정된 배경과 움직이는 대상을 분리한다.
가설 설정
연구되고 있다.[7] 이미지 시퀀스에서 motion image들은 연속된 두 이미지 간의 차 연산을 통하여 계산된 후 이진화된다. 이렇게 얻어진 Motion image들을 시간에 따라 계속 쌓으면 MED} 만들어진다.
제안 방법
장비를 최소화하였다. 또한, 작업자의 신체 부분별 특성을 추출하기 위한 계산작업에 소요되는 시간을 줄이기 위하여 프레임 간의 차연산과 에지검출을 통한 동작 인식을 실시하여 인식에 필요한 작업시간을 단축하여, 효율적이면서 비용이 저렴한 동작 인식시스템을 설계하였다.
장비를 최소화하였다. 또한, 작업자의 신체 부분별 특성을 추출하기 위한 계산작업에 소요되는 시간을 줄이기 위하여 프레임 간의 차연산과 에지검출을 통한 동작 인식을 실시하여 인식에 필요한 작업시간을 단축하여, 효율적이면서 비용이 저렴한 동작 인식시스템을 설계하였다.
먼저 에지를 검출하여 작업자의 위치를 추정하고 인접 프레임 간의 차 영상에서 작업자의 중심이 이동하는 것을 추정하여 동작을 인식하도록 하였다. 에지 검출 후 수평 방향으로의 작업 동작을 추정하기 위하여 수평 .
먼저, 작업자의 동작을 측정한 동영상에서 프레임을 추출하고, 인접한 두 프레임 사이의 이미지 차를 사용하여, 고정된 배경과 움직이는 대상을 분리한다. 분리된 차 영상에서 에지 검출을 실시하고 지정된 위치별로 에지의 중간값을 추정하여 작업자의 동작을 분석할 수 있도록 하였다.
본 논문에서는 작업자의 동작 방향에 대한 정보를 얻어내기 위하여 에지(edge) 검출을 이용하였다. 에지란 영상 안에서 영역의 경계를 나타내는 특징으로 픽셀 밝기의 불연속적인 점을 나타낸다.
본 연구에서는 CCTV를 이용하여 고정된 배경에서 작업자의 동작을 측정했으며, 그 대상으로 삼은 작업은 다음과 같다.
먼저, 작업자의 동작을 측정한 동영상에서 프레임을 추출하고, 인접한 두 프레임 사이의 이미지 차를 사용하여, 고정된 배경과 움직이는 대상을 분리한다. 분리된 차 영상에서 에지 검출을 실시하고 지정된 위치별로 에지의 중간값을 추정하여 작업자의 동작을 분석할 수 있도록 하였다.
에지 검출 후 수평 방향으로의 작업 동작을 추정하기 위하여 수평 . 수직 에지에 민감한 프리윗(Prewitt) 마스크 기법을 이용하여 에지를 검출하였다.
작업자의 동작을 추정하기 위하여 그림 7과 같이 영상의 y좌표에 7개의 점 (pl, p2, p3, , p7)을 위치시키고 각 점에서 에지를 구성하는 픽셀 X 좌표좌표 중간값을 구하였다. 이것은 앞서 밝힌 본 연구의 작업 대상이 수평방향 위주로 이동하기 때문이다.
이렇게 얻어진 MEE] 움직임의 방향에 대한 정보를 부과하기 위하여 각 픽셀에서 움직임의 지속시간에 비례하게 픽셀의 값을 설정함으로써 MHI가 얻어진다. 정해진 개수의 동작들에 대해 다양한 각도에서 촬영하여 얻어진 이미지 시퀀스를 분석하여 MEI와 MHI를 구성한다. 모멘트 기반 특징들이 MEI와 MHI에서 추출되어 인식에 사용되어진다.
대상 데이터
잘 나타내지 못한다. 따라서, 본 연구에서는 한 명의 작업자가 수행하는 작업을 대상으로 하였다.
작업자의 동작을 분리시켜야 한다. 본 연구에서는 영상처리 분야에서 자주 사용하고 있는 이미지 차 연산(image s* ubtraction) 이용하여 고정된 배경고} 움직이는 대상을 분리하였다.
이론/모형
에지 검출 후 수평 방향으로의 작업 동작을 추정하기 위하여 수평 . 수직 에지에 민감한 프리윗(Prewitt) 마스크 기법을 이용하여 에지를 검출하였다.
성능/효과
p7 위치에서 작업자의 중심이 이동되는 것을 그래프를 통해 확인할 수 있다. 2번 프레임부터 7번 프레임까지는 Y축 값이 계속 증가되는 것으로 보아 작업자의 움직임이 우측으로 이동하는 것을 확인할 수 있고, 7번에서 8번 프레임 사이에서는 잠깐 좌측으로 이동했다 다시 우측으로 이동하는 것을 확인할 수 있다. 14번 프레임에서는 Y축 값이 '0'이므로 작업자가 CCTV의 범위를 이탈한 것을 확인할 수 있다.
본 연구에서 설계한 동작 인식시스템은 기존의 산업 현장에서 적용되고 있는 동작 인식 시스템의 문제점을 보완하기 위하여 작업자의 동작을 고정된 CCTV로 촬영한 영상을 인식의 대상으로 취함으로써 동작 정보를 얻기 위한 각종 장비들이 최소화되었다. 또한, 작업자의 신체 부분별 특성을 추출하기 위한 계산작업에 소요되는 시간을 줄이기 위하여 프레임간의 차 연산과 에지검출을 통한 동작 인식을 실시하여 인식에 필요한 작업시간을 단축하여, 효율적이면서 비용이 저렴한 동작 인식시스템을 설계하였다.
셋째, 작업자의 위치를 추정하기 위해 인접한 프레임 간의 차 이미지를 이용하는데, 차 연산 결과로 얻어진 이미지가 작업자의 위치를 잘 나타내기 위해서는 인접한 이미지 사이의 시간 간격이 짧아야 한다.
둘째, 동작을 인식하기 위해 연속된 프레임에서 작업자의 신체 부분에 대한 특징추출과 같은 많은 계산과정이 필요하다. 셋째, 추출된 특징 벡터에서 작업의 패턴을 인식하는 과정이 매우 어렵다. 넷째, 일정한 동작에 대해서만 인식을 수행하기 때문에, 다양한 작업에 적용하기가 어렵다.
첫째, 기본적으로 작업은 표준화가 되어있어야 한다. 표준화된 작업이란 작업 방법과 작업장 배치, 공구 등에 대해서 동작경제성의 원칙에 따라 설계된 작업을 말한다.
후속연구
본 연구는 앞서 기술한 제한된 환경에서의 작업을 대상으로 하였지만 보다 다양한 작업 환경으로의 확장이 필요하다고 생각된다. 이러한 연구들이 계속되어진다면 영상처리를 이용한 실용 동작 인식작인식 시스템의 개발이 가능하리라 생각된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.