선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 사용자의 움직임에 제한을 줄 수 있는 센서 대신에 가볍고 정확한 데이터를 얻어낼 수 있는 무선 적외선 발광 다이오드 밴드를 사용하여 정확하고 빠르게 모션인식을 할 수 있는 기법을 제안한다. 이것은 적외선 필터를 거쳐 배경과 잡음이 배제된 적외선 발광다이오드 좌표값을 입력으로 받아 각 다이오드의 위치에 따라서 사용자의 동작을 결정하는 방법이다.
- 동작을 인식할 수 있어야 한다. 본 연구에서는 이러한 조건을 만족하는 재활훈련 시스템을 설계하고, 사용자의 모션 인식 및 모범 동작과의 모션 일치 알고리즘을 제시하였다. 실험 결과 제시된 알고리즘으로 재활 훈련 시나리오 상의 모범동작과 일치하는 사용자의 동작을 높은 확률로 인식할 수 있었다.
제안 방법
- 본 실험은 별도의 재활훈련 전용 하드웨어를 사용하지 않고 일반 데스크탑 환경에서 Visual Studio .Net 2003에서 구현하여 성능 실험을 수행하였다. 본 실험환경으로는 사용자의 동작을 인식하기 위하여 적외선 필터 장치 카메라 1대, 사용자가 자기 자신을 볼 수 있도록 하는 카메라 1대가 사용되었으며 각각의 카메라는 사용자의 전체 몸 상태를 찍을 수 있을 정도의 거리에 위치시켰다.
- 기존 연구 중 센서를 사용하는 방법은 센서의 전선이 사용자의 동작에 방해가 되는 것에 비하여 본 실험에서는 무선 밴드를 사용함으로써 동작 방해 요인을 배제한다. 또한 운동 동작들은 중간 중간 정확한 동작을하고 있는지 알아내기 위하여 한 동작 당 4장면으로 나누어 장면마다 모션 일치 여부를 판단하고 최종 장면이 일치 되었을 때 한 동작의 일치를 결정한다.
- 여기서는 단순히 다이오드 좌표값만으로 동작을 인식하는 것이 아닌 이를 이용하여 일정한 구간으로 나눈 후 다이오드 좌표의 구간값을 알아내어 카메라의 위치변화뿐 만 아니라 다른 외부 변화에 의하여 결과값의 변화를 방지하는 방법을 제안한다. 또한 구간이 넓어 모션 인식의 정확도가 낮은 경우를 방지하기 위하여 바깥쪽 일수록 넓어지는 비교 구간을 조밀하게 하여 정확한 모션 인식을 가능케 하였다. 실험 결과, 제안한 방법은 2차원 다이오드 좌표 이외의 값은 필요 하지 않으며 모션 인식을 할 때 구간 비교만을 수행 하므로 기존 방법보다 속도상의 성능이 높아짐을 확인 할 수 있었다.
- 본 방법에서는 실시간으로 모션 인식 및 비교를 하기 위하여 각 좌표들의 구간을 간결하면서도 정확한 비교를 할 수 있도록 나누었기 때문에 단계 4의 템플릿의 동작 데이터들과의 비교 시간을 감소시킨다.
- 본 연구의 실험 동작인 재활 훈련 시나리오는 사용자의 근력, 유연성 그리고 균형감각을 훈련하기 위한 기본동작으로 이루어져 있으며 지체장애인 재활훈련으로서의 신뢰성을 위하여 장애인 재활학교인 삼육재활학교의 연구진에 의해 작성되었다. 본 실험에서는 표 1에서 보는 바와 같이 이 시나리오에 따라 제시된 동작들의 39가지 동작 중 가장 복잡한 2가지 유형의 동작을 사용하였다.
- 신체 부위의 통합 혹은 교차 현상 및 해결책으로는 신체 각 부위의 영상에서의 위치를 운동방정식(dynamics) 을 통하여 추적하고 예측함으로써 부위가 가까워져도 오류가 발생하지 않도록 독립적으로 처리하였다(그림3). 즉, 신체의 움직임은 임의의 한 방향으로 운동할 때, 계속해서 그 방향으로 운동하고자 하는 성질을 운동방정식을 통해서 적용한 것이다.
- 동작 데이터는 별도의 표시를 할 필요는 없지만 이해가 쉽도록 구간 간의 비교 그림을 사용하여 비교 하였다. 실제 시스템에서는 3구간, 19구간에 동작 데이터가 있는 경우, 바로 3번째 구간, 19번째 구간만을 검색하여 데이터가 유사도 값을 가지고 있는지 확인 후 모션 일치를 판단한다. 사용자의 동작이 템플릿과 일치 할 때 시스템은 다음 장면이 있을 경우는 다음 장면의 템플릿을 읽어 들여 다음 장면의 모션 인식 및 비교를 준비하고, 최종 장면이 일치할 경우는 한 동작의 일치가 완료되었음을 알리게 된다.
- 그러나 다이오드 좌표값 비교 방법은 좌표값에 의존하기 때문에 카메라의 위치 변화에 따라 다른 좌표값을 얻을 수도 있고, 이로 인해 정확하지 못한 결과 값을 낼 수 도 있다. 여기서는 단순히 다이오드 좌표값만으로 동작을 인식하는 것이 아닌 이를 이용하여 일정한 구간으로 나눈 후 다이오드 좌표의 구간값을 알아내어 카메라의 위치변화뿐 만 아니라 다른 외부 변화에 의하여 결과값의 변화를 방지하는 방법을 제안한다. 또한 구간이 넓어 모션 인식의 정확도가 낮은 경우를 방지하기 위하여 바깥쪽 일수록 넓어지는 비교 구간을 조밀하게 하여 정확한 모션 인식을 가능케 하였다.
- 이상의 동작을 웹캠(2종류), 캠코더 등으로 촬영하여 미리 준비되어 있는 모범 동작의 Reference와 비교하였다. 운동 동작들은 확실한 동작 일치 여부를 가리기 위해 한 동작 당 4가지의 장면으로 나누어 장면마다 동작 일치 여부를 판단하였다. 그림 10과 같이 30여 회의 실험 결과, 다음과 같은 결과를 나타내었다.
- 위치 등에 의하여 변화될 수 있다. 이러한 변화에도 일정한 벡터 값(거리, 각도)을 얻어낼 수 있도록 다이오드 좌표들의 무게중심을 구한 후 그것을 중심으로 구간을 측정하도록 한다.
- 즉, 신체의 움직임은 임의의 한 방향으로 운동할 때, 계속해서 그 방향으로 운동하고자 하는 성질을 운동방정식을 통해서 적용한 것이다. 이를 위하여 5프레임과 3프레임 이전의 LED 좌표를 기억하여 LED의 이동 경로를 예측하게 된다. 이러한 운동방정식을 통한 추적 및 예측은 교차 현상(신체의 한 부위가 다른 부위와 순간적으로 겹쳐 뒤바뀌어 인식되는 현상)을 해결하는데도 유용하게 사용되었다.
- 이상의 동작을 웹캠(2종류), 캠코더 등으로 촬영하여 미리 준비되어 있는 모범 동작의 Reference와 비교하였다. 운동 동작들은 확실한 동작 일치 여부를 가리기 위해 한 동작 당 4가지의 장면으로 나누어 장면마다 동작 일치 여부를 판단하였다.
- 각 다이오드(특징점) 좌표가 이루는 다각형의 무게 중심을 계산한 후 무게 중심 좌표를 기준으로 각 발광 다.이오드의 벡터 값 (거리, 각도)을 측정한 후 이를 기반으로 거리 및 각도 구간을 결정하는 알고리즘을 계산한다.
대상 데이터
- Net 2003에서 구현하여 성능 실험을 수행하였다. 본 실험환경으로는 사용자의 동작을 인식하기 위하여 적외선 필터 장치 카메라 1대, 사용자가 자기 자신을 볼 수 있도록 하는 카메라 1대가 사용되었으며 각각의 카메라는 사용자의 전체 몸 상태를 찍을 수 있을 정도의 거리에 위치시켰다. 또한 동작인식을 위한 컴퓨터와 사용자가 자신의 모습을 볼 수 있도록 HMD Viewer를 실행 시키는 컴퓨터가 통신을 사용하여 서로 연결되었다.
- 사용자의 모션인식을 위하여 클러스터링 된 발광 다이오드 좌표 간의 관계 데이터를 획득한다. 각 다이오드(특징점) 좌표가 이루는 다각형의 무게 중심을 계산한 후 무게 중심 좌표를 기준으로 각 발광 다.
데이터처리
- 또한 모든 구간의 유사도 값의 일 정한값 이상을 가질 때 모션 일치로 판단하게 된다. 동작 데이터는 별도의 표시를 할 필요는 없지만 이해가 쉽도록 구간 간의 비교 그림을 사용하여 비교 하였다. 실제 시스템에서는 3구간, 19구간에 동작 데이터가 있는 경우, 바로 3번째 구간, 19번째 구간만을 검색하여 데이터가 유사도 값을 가지고 있는지 확인 후 모션 일치를 판단한다.
이론/모형
- 밝은 부분과 배경을 제거하였다. 검출된 다이오드는 기본적으로 머리와 양 손목과 발목의 모양대로 오각형의 모습을 하고 있으며 각 밴드 중 다수(6~8)검출된 다이오드 중 1개의 대표중심 좌표만을 얻기 위해 K-Means 알고리즘을 적용하였다.(그림2의 오른쪽)
성능/효과
- 하지만 가전제품에 반사되는 적외선의 경우 극히 단시간 적이고 일부분의 영역이었으며 5개의 LED 들이 정상적으로 검출될 경우에는 노이즈가 운동 방정식 상 LED의 이동 예측 경로에 포함되지 않았으므로 문제가 되지 않는다. 그러나 self occlusion 으로 다이오드가 검출되지 않을 경우 새로운 다이오드로 인식하는 데에서 오류가 발생하였지만 이 같은 오류가 인식 결과에 큰 영향을 미치지 않을 정도로 노이즈 발생 빈도가 극히 적었으며, 지체장애인 재활훈련 동작의 경우 self occlusion 이 일어날 동작이 거의 존재하지 않기 때문에 전체적인 오류율은 극히 낮았다. 또한 self occlusion의 경우 5프레임 전의 특징점 좌표를 기억함으로써 가려졌다 다시 검출되는 특징점을 바르게 클러스터링 하는 것이 가능하였다.
- 사용자의 신체 각 부위의 발광 다이오드 밴드들은 각 원으로 표현되었으며 원의 중심 좌표가 각 특징점의 좌표가 된다. 본 연구에서 제시한 알고리즘을 수십여 회 실험한 결과, 시나리오에서 복잡한 자세에 해당하는 본 실험 자세에서 높은 인식률을 보였다. 또한 정확하지 않은 동작에 대하여는 훈련 실패의 결과를 얻어내었다.
- 표 3은 두 동작에 대한 속도를 보여준다. 본 연구에서 제시한 알고리즘의 수행 속도는 카메라의 속도에 영향을 받지 않는 바는 아니지만 아주 느린 카메라를 제외하고는 빠른 속도를 보임을 알 수 있다.
- 본 연구에서는 이러한 조건을 만족하는 재활훈련 시스템을 설계하고, 사용자의 모션 인식 및 모범 동작과의 모션 일치 알고리즘을 제시하였다. 실험 결과 제시된 알고리즘으로 재활 훈련 시나리오 상의 모범동작과 일치하는 사용자의 동작을 높은 확률로 인식할 수 있었다. 이는 본 연구의 최종목표인 모델기반의 모션 인식으로의 기반을 다지며 차후 다방면의 재활 훈련에 적용하여 시간적 공간적으로 제한되어 있는 지체 장애인들의 재활 훈련을 좀 더 쉽게 활용 할 수 있도록 하는데 도움이 될 것이다.
- 또한 구간이 넓어 모션 인식의 정확도가 낮은 경우를 방지하기 위하여 바깥쪽 일수록 넓어지는 비교 구간을 조밀하게 하여 정확한 모션 인식을 가능케 하였다. 실험 결과, 제안한 방법은 2차원 다이오드 좌표 이외의 값은 필요 하지 않으며 모션 인식을 할 때 구간 비교만을 수행 하므로 기존 방법보다 속도상의 성능이 높아짐을 확인 할 수 있었다.
- 또한 정확하지 않은 동작에 대하여는 훈련 실패의 결과를 얻어내었다. 템플릿 생성 시시험한 횟수에 따라서 매칭 판단 확률에 차이가 생겼으나 이는 유사도 정보의 차이에 따름으로 20회 이상의 횟수에서는 같은 정확도를 보였다. 몇 번의 오류가 발생한 것은 실내조명이 가전제품에 반사된 것을 LED로 잡는 현상이었다.
후속연구
- 이는 본 연구의 최종목표인 모델기반의 모션 인식으로의 기반을 다지며 차후 다방면의 재활 훈련에 적용하여 시간적 공간적으로 제한되어 있는 지체 장애인들의 재활 훈련을 좀 더 쉽게 활용 할 수 있도록 하는데 도움이 될 것이다. 그러나 본 알고리즘에서는 목이 긴 경우 또는 팔다리의 길이가 길거나 짧은 등의 체형이 많이 다른 장애인에 관하여 완벽하게 인식하지는 못할 것으로 예상되며 한계를 극복하기 위하여 차후 연구과제로 모델기반의 매칭이나 다중카메라를 이용한 각 특징점의 벡터 추적에 의한 매칭 방법에 관한 연구를 수행할 예정이다.
- 실험 결과 제시된 알고리즘으로 재활 훈련 시나리오 상의 모범동작과 일치하는 사용자의 동작을 높은 확률로 인식할 수 있었다. 이는 본 연구의 최종목표인 모델기반의 모션 인식으로의 기반을 다지며 차후 다방면의 재활 훈련에 적용하여 시간적 공간적으로 제한되어 있는 지체 장애인들의 재활 훈련을 좀 더 쉽게 활용 할 수 있도록 하는데 도움이 될 것이다. 그러나 본 알고리즘에서는 목이 긴 경우 또는 팔다리의 길이가 길거나 짧은 등의 체형이 많이 다른 장애인에 관하여 완벽하게 인식하지는 못할 것으로 예상되며 한계를 극복하기 위하여 차후 연구과제로 모델기반의 매칭이나 다중카메라를 이용한 각 특징점의 벡터 추적에 의한 매칭 방법에 관한 연구를 수행할 예정이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.