[논문]동작인식을 위한 배경 분할 및 특징점 추출 방법

유휘종; 김태영

doi:10.7583/jkgs.2011.11.2.161

초록
AI-Helper

본 논문에서는 동작인식 위한 정확한 배경 분할 및 특징점 추출 방법을 제안한다. 배경 분할 과정에서는 먼저, HSV 입력 이미지를 RGB 색상 공간에서 HSV 색상 공간으로 변환한 뒤, H와 S 값에 대한 두 개의 임계치를 사용하여 살색 영역을 분할, 프레임간의 차영상을 이용하여 움직임이 있는 영역을 추출한다. 차영상에서 발생하는 잔상 영역을 제거하기 위하여 헤시안 어파인 영역 검출기를 적용하고, 잡음이 제거된 차 영상과 살색 영역의 이진화 영상을 이용하여 사람의 동작이 나타나는 영역을 분할한다. 특징점 추출 과정은 전체 영상을 블록 단위로 나눠서 각 블록 안에서 분할된 영상에 포함되는 픽셀들의 중점을 구하여 특징점을 추출한다. 실험결과 복잡한 환경에서도 정확한 배경 분할과 사용자 동작을 대표하는 특징점 추출이 약 12 fps로 가능함을 알 수 있었다.

Abstract ▼ AI-Helper

In this paper, we propose a novel background segmentation and feature point extraction method of a human motion for the augmented reality game. First, our method transforms input image from RGB color space to HSV color space, then segments a skin colored area using double threshold of H, S value. An...

In this paper, we propose a novel background segmentation and feature point extraction method of a human motion for the augmented reality game. First, our method transforms input image from RGB color space to HSV color space, then segments a skin colored area using double threshold of H, S value. And it also segments a moving area using the time difference images and then removes the noise of the area using the Hessian affine region detector. The skin colored area with the moving area is segmented as a human motion. Next, the feature points for the human motion are extracted by calculating the center point for each block in the previously obtained image. The experiments on various input images show that our method is capable of correct background segmentation and feature points extraction 12 frames per second.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 기존 기법들의 문제점을 개선하여 복잡한 배경에서도 사람의 동작을 인식할 수 있는 배경 분할 및 특징점 추출 기법을 제안한다. 본 논문의 구성은 2장에서 배경 분할 방법, 3장에서 특징점 추출 방법을 설명하고 4장에서 제안하는 방법의 실험 결과를 기술한다.
본 논문에서는 인체의 살색과 유사한 색이 배경에 존재하는 경우, 인체의 모션을 인식할 수 있도록 하는 배경분할 및 특징점을 추출 방법에 대하여 제안하였다. 제안된 방법은 배경에서 차 영상을 이용하여 고정된 물체를 제거 하였고, 헤시안 어파인 영역 검출기를 사용하여 차 영상에서 잔상이 남는 문제를 해결하였다.
일반적인 헤시안 어파인 영역 검출기를 사용하게 되면 속도의 저하 문제를 야기시킨다. 이러한 문제를 해결하기 위하여 본 논문에서는 가우시안 블러를 적용하여 영상에 블러를 발생시켜 기술자의 개수를 줄여서 속도를 향상시켰다. 본 논문에서는 (a)영상만을 사용했을 경우 손뿐만 아니라 뒤에 나타나는 살색들도 인식됨을 알 수 있다.

제안 방법

영상에서 받은 색은 일반적으로 RGB 모델로 표현된다. 그 값 중 R과 G의 값은 빛에 영향을 많이 받는 단점이 있어 본 연구에서는 RGB 영상을 HSV(Hue, Saturation, Value) 영상으로 변환하여 사용한다. H는 빛의 파장의 자체적인 시각적 특성을 나타
본 논문이 제안하는 배경 분할의 과정은 먼저, HSV 컬러 기반의 임계값을 이용하여 살색 영역을 분할한 뒤 이진화를 수행한다. 그 후 프레임간의 차 영상[8]을 이용하여 움직임이 있는 영역을 추출하고, 차 영상에서 발생하는 잔상 영역을 제거하기 위하여 헤시안 어파인 영역 검출기(Hessian Affine Region Detector)[9]를 적용한 후, 잡음이 제거된 차 영상과 살색 영역의 이진화 영상을 이용하여 사람의 동작이 나타나는 영역을 분리한다. [그림 1]은 본 논문에서 제안하는 알고리즘의 전체 과정을 도식화한 것이다.
본 논문이 제안하는 배경 분할의 과정은 먼저, HSV 컬러 기반의 임계값을 이용하여 살색 영역을 분할한 뒤 이진화를 수행한다. 그 후 프레임간의 차 영상[8]을 이용하여 움직임이 있는 영역을 추출하고, 차 영상에서 발생하는 잔상 영역을 제거하기 위하여 헤시안 어파인 영역 검출기(Hessian Affine Region Detector)[9]를 적용한 후, 잡음이 제거된 차 영상과 살색 영역의 이진화 영상을 이용하여 사람의 동작이 나타나는 영역을 분리한다.
본 논문에서는 (a)영상만을 사용했을 경우 손뿐만 아니라 뒤에 나타나는 살색들도 인식됨을 알 수 있다. 이러한 문제를 제거하기 위해 차영상을 사용하였고 차 영상에서 나타나는 정확한 손의 위치를 얻기 위해 헤시안 어파인 영역 검출기를 사용하였다.
제안된 방법은 배경에서 차 영상을 이용하여 고정된 물체를 제거 하였고, 헤시안 어파인 영역 검출기를 사용하여 차 영상에서 잔상이 남는 문제를 해결하였다. 잡음이 제거된 차 영상과 살색 영역의 이진화 영상을 이용하여 사람의 동작이 나타나는 영역을 분할한다. 특징점 추출 과정은 전체 영상을 블록 단위로 나눠서 각 블록 안에서 분할된 영상에 포함되는 픽셀들의 중점을 구하여 특징점을 추출한다.
본 논문에서는 인체의 살색과 유사한 색이 배경에 존재하는 경우, 인체의 모션을 인식할 수 있도록 하는 배경분할 및 특징점을 추출 방법에 대하여 제안하였다. 제안된 방법은 배경에서 차 영상을 이용하여 고정된 물체를 제거 하였고, 헤시안 어파인 영역 검출기를 사용하여 차 영상에서 잔상이 남는 문제를 해결하였다. 잡음이 제거된 차 영상과 살색 영역의 이진화 영상을 이용하여 사람의 동작이 나타나는 영역을 분할한다.

대상 데이터

본 논문의 실험 환경은 Window7에서 Visual Studio 2005와 OpenCV를 사용하였고 Intel(R) Core(TM) i5 CPU 760 @ 2.8GHz, 4.00GB RAM의 하드웨어에서 실험하였다. 실험 결과 표1에서 보는 바와 같이 배경이 복잡한 영상에서도 높은 인식률로 약 12fps의 속도로 배경 분할을 통한 특징점이 추출됨을 알 수 있었다.

이론/모형

현재 영상과 이전 영상을 비교하는 차 영상을 이용하여 배경을 제거 하고, 움직인 부분만 남게 되면 영상은 잔상이 생기며, 이러한 잔상이 남은 부분들을 잡음으로 인식한다. 본 논문에서는 차영상의 잡음을 제거하기 위해 SURF[9]에서 사용된 헤시안 어파인 영역 검출기를 이용한다.

성능/효과

이러한 문제를 해결하기 위하여 본 논문에서는 가우시안 블러를 적용하여 영상에 블러를 발생시켜 기술자의 개수를 줄여서 속도를 향상시켰다. 본 논문에서는 (a)영상만을 사용했을 경우 손뿐만 아니라 뒤에 나타나는 살색들도 인식됨을 알 수 있다. 이러한 문제를 제거하기 위해 차영상을 사용하였고 차 영상에서 나타나는 정확한 손의 위치를 얻기 위해 헤시안 어파인 영역 검출기를 사용하였다.
00GB RAM의 하드웨어에서 실험하였다. 실험 결과 표1에서 보는 바와 같이 배경이 복잡한 영상에서도 높은 인식률로 약 12fps의 속도로 배경 분할을 통한 특징점이 추출됨을 알 수 있었다.

후속연구

향후 연구로 살색검출의 동적임계값 적용 방법과 특징점 추출을 위한 블록크기의 동적 계산방법에 대한 연구를 수행하고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	배경 분할을 수행하기 위한 방법은 무엇이 있나?	이와 같은 동작 인식이 가능하려면 입력받은 영상에서 인식해야 되는 객체와 배경의 분할이 필요하고 분할된 객체의 대표점을 구해야 하는 문제점이 발생하게 된다. 배경 분할을 수행하기 위한 방법은 색 기반의 영상 추출[4], Saliency Map[5], Motion History Image[6], Boundary Energy[7]를 이용한 방법 등이 있다. 색 기반의 영상추출은 영상에서 사람의 특징을 나타낼 수 있는 영역을 색에 의하여 분할하는 방법으로 구현이 간편한 장점이 있으나 분할 정확도가 낮고, Saliency Map은 영상에서 가장 두드러지는 부분영역을 추출하는데 복잡한 영상에서는 원하는 영역의 추출이 어렵다는 단점이 있다.
	Boundary Energy이 동작인식에는 부적합한 방법인 이유는?	Boundary Energy는 edge를 기반으로 edge의 복잡도가 높아지는 부분을 찾는 방법으로 손인식과 같이 영상에서 차지하는 부분이 많을 때 주로 사용한다. 하지만 동작인식과 같이 영상에서 차지하는 영역이 비교적 작은 영상에서는 동작인식 영역외의 부분에서도 edge의 복잡도가 높은 경우가 발생할 수 있으므로 동작인식에는 부적합한 방법이다.
	동작인식은 무엇인가?	동작인식은 사용자의 신체적인 움직임에 따라 감각적으로 상호작용할 수 있는 게임 기술에 적용될 수 있는 기술이다. 최근 동작인식 게임의 잠재력을 보여주는 여러 게임이 출시되고 있다.

참고문헌 (9)

http://www.eyeofjudgment.com/
김기영, 이민경, 박영민, 이종원, 우운택, "ARPushPush: 실내 환경 증강 현실 게임," KHCI, pp.354-359, 2005.
Cheok, A.D., Fong, S.W., Goh, K.H., Yang, X., Liu, W., Farzbiz, F., Li, Y., "Human Pacman: Amobile entertainment system with ubiquitous computing and tangible interaction over a wide outdoor area," Mobile HCI 2003, pp. 209 - 224, 2003.
Vezhnevets V, Sazonov V, Andreeva A, "A Survey on Pixel-Based Skin Color Detection Techniques", GraphiCon, 2003.
Fritz, Seifert, Paletta, Bischof, "Entropy based saliency maps for object recognition", ECOVISION, 2004
Takehito OGATA, Joo Kooi TAN, "High-Speed Human Motion Recogniton Based on a Motion History Image and an Eigenspace", IEICE, VOL.E89-D, 2006.
박상윤, 이응주 "복잡한 영상에 강인한 손동작 인식 방법", 멀티미디어 학회 논문지, 제13권, 제7호, 한국연구재단 등재 학술지, pp. 1000-1015, 2010년 7월.

원문보기 상세보기
Cao Xin-yan, Liu Hong-fei, Zou Ying-yong, "Gesture Segmentation Based on Monocular Vision Using Skin Color and Motion Cues", IASP, 2010
Herbert Bay, Andreas Ess, Tinne Tuytelaars, Luc Van Gool "SURF: Speeded Up Robust Features", Computer Vision and Image Understanding (CVIU), Vol. 110, No. 3, pp. 346-359, 2008.

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

동작인식을 위한 배경 분할 및 특징점 추출 방법
A Background Segmentation and Feature Point Extraction Method of Human Motion Recognition 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

동작인식을 위한 배경 분할 및 특징점 추출 방법 A Background Segmentation and Feature Point Extraction Method of Human Motion Recognition 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

김태영 (23)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

동작인식을 위한 배경 분할 및 특징점 추출 방법
A Background Segmentation and Feature Point Extraction Method of Human Motion Recognition 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper