[논문]SIFT 알고리즘 기반 터치인식

정성훈

doi:10.9708/jksci.2013.18.11.069

SIFT 알고리즘 기반 터치인식
Touch Recognition based on SIFT Algorithm 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.18 no.11, 2013년, pp.69 - 75

초록
AI-Helper

본 논문에서는 터치스크린 시스템에 강한 잡음이 존재하는 상황에서 안정적으로 터치를 인식하기 위하여 SIFT(Scale Invariant Feature Transform) 알고리즘을 기반으로 고안한 터치인식 방법을 소개한다. SIFT알고리즘을 기반으로 하여 잡음에 강하며 다양한 크기의 터치를 효과적으로 추출하는 것이 가능하다. 제안한 방법을 검증하기 위하여 터치스크린 상에서 얻은 채널데이터를 이용하여 매트랩 상에서 터치인식을 시뮬레이션 해 보았다. 시뮬레이션 결과 강한 잡음이 존재하는 상황에서 터치 크기와 방향에 상관없이 안정적으로 터치를 인식하는 것을 볼 수 있었다. 그러나 터치인식 알고리즘을 실제 터치스크린 상에 구현한 결과 SIFT 알고리즘에서 사용하는 DoG(Difference of Gaussian) 연산에 많은 계산 량이 필요하여 실시간 터치인식에 문제가 발생하였다. 우리는 이를 극복하기 위하여 DoG의 빠른 근사 방법인 DoM(Difference of Mean)을 사용하여 문제를 해결하였다.

Abstract ▼ AI-Helper

This paper introduces a touch recognition method for touch screen systems based on the SIFT(Scale Invariant Feature Transform) algorithm for stable touch recognition under strong noises. This method provides strong robustness against the noises and makes it possible to effectively extract the various size of touches due to the SIFT algorithm. In order to verify our algorithm we simulate it on the Matlab with the channel data obtained from a real touch screen. It was found from the simulations that our method could stably recognize the touches without regard to the size and direction of the touches. But, our algorithm implemented on a real touch screen system does not support the realtime feature because the DoG(Difference of Gaussian) of the SIFT algorithm needs too many computations. We solved the problem using the DoM(Difference of Mean) which is a fast approximation method of DoG.

주제어

AI 본문요약
AI-Helper

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

문제 정의

적분이미지는 이미지를 x,y 축으로 미리 적분해 놓은 이미지로서 이를 이용하면 어떤 크기의 2D평균 필터도 동일한 시간 안에 빠르게 계산할 수 있다. 논문[6]은 [5]와 유사하게 적분이미지나 이동평균필터를 사용하여 빠르게 평균을 구하고 이러한 평균필터를 여러 번 적용하여 크기에 상관없이 제한된 시간 내에 가우시안과 유사한 가중치를 갖는 필터를 제공하는 방법이다. 논문[7]에서는 하나의 적분이미지로부터 여러 개의 2D 평균필터를 빠르게 계산하고 이를 누적함으로서 가우시안과 유사한 가중치를 갖는 필터를 제공하였다.
본 논문에서는 상호정전용량방식의 터치스크린에서 잡음이 심한 경우에도 터치 손가락이나 터치크기 그리고 손가락 방향에 상관없이 안정적으로 터치위치를 인식하는 알고리즘을 제안하고 이 알고리즘의 동작성을 테스트하였다. 이를 위하여 기존에 연구된 알고리즘들을 검토하여 SIFT 알고리즘의 특징점 추출 방법을 기반으로 터치인식 알고리즘을 제안하였다.
본 절에서는 제안한 터치인식 알고리즘의 기본이 되는 SIFT 알고리즘과 실시간처리를 위하여 도입한 DoM 알고리즘에 대하여 설명한다.

가설 설정

4. 찾은 극대점을 정렬하고 일정치 이하는 버린다.

제안 방법

2. n개의 가우시안 필터링데이터에서 이웃하는 데이터와의 차를 이용하여 n- 1개의 DoG(difference of Gaussian) 데이터를 구한다.
2. 각 옥타브이미지에 여러 개의 표준편차를 적용하여 여러 스케일의 가우시안 필터링 이미지를 생성한다.
우리는 이 문제를 해결하고자 DoM방식을 적용하였다. DoM 방식을 적용하여 속도를 3배 정도 향상시켰으며 초당 100프레임 이상을 처리할 수 있었다.
터치스크린은 스크린 위에 설치되기 때문에 정전용량의 변화를 센싱하는 센서로 투명전극필름인 ITO(Indium Tin Oxide)가 많이 사용되고 있다. ITO를 스크린위에 가로 세로로 다수개의 채널을 배치하고 터치로 인한 정전용량의 변화를 측정하여 터치된 위치를 계산한다. 정전용량의 변화를 측정하는 방식에는 크게 두 종류가 있는데, 투명전극필름 자체의 정전용량의 변화를 측정하는 자기정전용량(self capacitance)방식과 투명전극필름 사이의 정전용량 변화를 측정하는 상호정전용량(mutual capacitance)방식이 있다[1].
매트랩 상에서 터치인식이 제대로 되는 것을 확인한 후에 실제 터치스크린에 제안 알고리즘을 구현하여 테스트하였다. 그러나 3절에서 언급한 것처럼 DoG를 적용하여 계산량이 많이 소모되었고 초당 60프레임처리가 되지 않았다.
본 논문에서 제안한 알고리즘의 동작성을 확인하기 위하여 여러 가지 테스트를 하였다. 먼저 실제 터치스크린에서 얻어진 데이터를 이용하여 매트랩 상에서 DoG 방식을 시뮬레이션 하였다. 시뮬레이션은 원터치에서 멀티터치 그리고 선 그리기 등 많은 경우에 대하여 수행하였다.
먼저 실제 터치스크린에서 얻어진 데이터를 이용하여 매트랩 상에서 DoG 방식을 시뮬레이션 하였다. 시뮬레이션은 원터치에서 멀티터치 그리고 선 그리기 등 많은 경우에 대하여 수행하였다. 특히 터치 실험의 난이도를 높이기 위하여 여러 개의 터치가 세로나 가로로 연속으로 있는 경우에 대하여 테스트하였다.
그러나 해당 알고리즘을 실제 터치스크린에 적용하여 실험한 결과 SIFT의 특징 점 추출에 사용하는 DoG 연산에서 많은 계산 량이 필요하여 실시간 처리에 문제가 발생하였다. 우리는 이를 해결하기위하여 DoG를 빠르게 근사화하는 알고리즘을 찾았다. 그 중에 비록 근사정도는 낮지만 빠른 계산이 가능한 DoM을 채택하였다[5].
우리는 제안한 알고리즘을 검증하기 위하여 매트랩 상에서 알고리즘을 구현하여 시뮬레이션 하였다. 실제 터치스크린 상에서 얻은 채널데이터를 이용하여 시뮬레이션 한 결과 강한 잡음 하에서도 안정적으로 다양한 크기의 터치를 인식함을 볼 수 있었다.
본 논문에서는 상호정전용량방식의 터치스크린에서 잡음이 심한 경우에도 터치 손가락이나 터치크기 그리고 손가락 방향에 상관없이 안정적으로 터치위치를 인식하는 알고리즘을 제안하고 이 알고리즘의 동작성을 테스트하였다. 이를 위하여 기존에 연구된 알고리즘들을 검토하여 SIFT 알고리즘의 특징점 추출 방법을 기반으로 터치인식 알고리즘을 제안하였다. 실제 터치스크린에서 얻은 데이터를 이용하여 제안한 알고리즘을 매트랩 상에서 테스트한 결과 알고리즘이 정상적으로 동작함을 확인하였다.
잡음에 강건하면서 스케일이나 회전 및 방향에 불변하는 SIFT의 특징 점 추출 알고리즘을 기본으로 하여 터치인식 알고리즘을 제안하였다..
시뮬레이션은 원터치에서 멀티터치 그리고 선 그리기 등 많은 경우에 대하여 수행하였다. 특히 터치 실험의 난이도를 높이기 위하여 여러 개의 터치가 세로나 가로로 연속으로 있는 경우에 대하여 테스트하였다.

대상 데이터

왜냐하면 이 표준편차의 값에 따라서 인식하는 대표 터치 크기가 결정되기 때문이다. 5개의 가우시안 필터링 데이터를 이용하여 4개의 DoG데이터를 구한다. 이는 각 데이터 별로 큰 스케일의 데이터에서 작은 스케일의 데이터를 빼는 방식으로 구한다.
본 논문에서는 상호정전용량방식의 터치스크린을 가정하기 때문에 데이터는 총 X^*Y개의 2차원 채널데이터가 획득된다. 터치가 되지 않았을 때 일정 기간 획득한 데이터의 평균을 갖고 있으면서 이 값을 계속 빼주기 때문에 터치가 일어나지 않은 경우 잡음이 크지 않은 환경에서는 대부분의 데이터가 0의 값을 갖으며 일부분에서 무작위적인 작은 잡음 데이터가 발생한다.
터치스크린에서 획득한 2차원 채널데이터를 이용하여 스케일에 따라서 5개의 가우시안 필터링 데이터를 얻는다. 이때 스케일에 따라서 가우시안 필터에 적용하는 표준편차 값을 증가시킨다.

이론/모형

DoG 연산을 빠르게 수행하기 위한 여러 가지 알고리즘 들이 제안되었다[5-7]. 논문 [5]는 가우시안을 빠르게 구하기 위해 가우시안필터 대신에 평균필터를 사용하였으며 빠른 평균을 구하기 위해 적분이미지(Integral image)를 사용하였다. 적분이미지는 이미지를 x,y 축으로 미리 적분해 놓은 이미지로서 이를 이용하면 어떤 크기의 2D평균 필터도 동일한 시간 안에 빠르게 계산할 수 있다.
그러나 3절에서 언급한 것처럼 DoG를 적용하여 계산량이 많이 소모되었고 초당 60프레임처리가 되지 않았다. 우리는 이 문제를 해결하고자 DoM방식을 적용하였다. DoM 방식을 적용하여 속도를 3배 정도 향상시켰으며 초당 100프레임 이상을 처리할 수 있었다.

성능/효과

그러나 그림에서 보듯이 본 논문에서 제안한 방법은 정확히 모든 터치를 인식하는 것을 볼 수 있다. 그림 2에서 보듯이 좌표 (7,11)과 (9,11)은 터치크기가 작아 스케일 2로 찾아졌으며 좌표 (3,10)은 터치 크기가 커서 스케일 3으로 찾아졌다.
실제 터치스크린에서 얻은 데이터를 이용하여 제안한 알고리즘을 매트랩 상에서 테스트한 결과 알고리즘이 정상적으로 동작함을 확인하였다. 그러나 해당 알고리즘을 실제 터치스크린에 구현한 결과 DoG의 많은 계산량으로 실시간 특성이 좋지 않음을 확인하였다. 이를 극복하기 위하여 DoG를 대체하는 빠른 알고리즘으로 DoM을 찾아서 적용하였으며 적용결과 성능이 유사하면서도 빠른 처리가 가능함을 확인하였다.
우리는 제안한 알고리즘을 검증하기 위하여 매트랩 상에서 알고리즘을 구현하여 시뮬레이션 하였다. 실제 터치스크린 상에서 얻은 채널데이터를 이용하여 시뮬레이션 한 결과 강한 잡음 하에서도 안정적으로 다양한 크기의 터치를 인식함을 볼 수 있었다. 그러나 해당 알고리즘을 실제 터치스크린에 적용하여 실험한 결과 SIFT의 특징 점 추출에 사용하는 DoG 연산에서 많은 계산 량이 필요하여 실시간 처리에 문제가 발생하였다.
이를 위하여 기존에 연구된 알고리즘들을 검토하여 SIFT 알고리즘의 특징점 추출 방법을 기반으로 터치인식 알고리즘을 제안하였다. 실제 터치스크린에서 얻은 데이터를 이용하여 제안한 알고리즘을 매트랩 상에서 테스트한 결과 알고리즘이 정상적으로 동작함을 확인하였다. 그러나 해당 알고리즘을 실제 터치스크린에 구현한 결과 DoG의 많은 계산량으로 실시간 특성이 좋지 않음을 확인하였다.
시뮬레이션과 유사하게 세 개와 네 개의 터치를 나란히 하여 실험하였다. 실험결과 그림에서처럼 정확히 터치를 인식함을 보았다.
속도 향상에도 불구하고 터치인식 결과는 DoG의 결과와 거의 유사하였다. 이런 결과로 보았을 때 본 논문에서 제안한 알고리즘이 실용적으로 유용함을 알 수 있다. 그림 4와 5는 실제 터치스크린 상에서 실험한 결과이다.
그러나 해당 알고리즘을 실제 터치스크린에 구현한 결과 DoG의 많은 계산량으로 실시간 특성이 좋지 않음을 확인하였다. 이를 극복하기 위하여 DoG를 대체하는 빠른 알고리즘으로 DoM을 찾아서 적용하였으며 적용결과 성능이 유사하면서도 빠른 처리가 가능함을 확인하였다.

후속연구

그러나 제안한 알고리즘을 실제로 터치스크린에 구현하여 실험한 결과 최소한의 사양인 초당 60프레임이상을 처리하지 못하였다. 이는 제안한 방법에서 사용한 DoG가 연산 량이 많아서 많은 시간을 소요했기 때문이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	자기정전용량(self capacitance)방식은 어떠한 단점이 있는가?	정전용량의 변화를 측정하는 방식에는 크게 두 종류가 있는데, 투명전극필름 자체의 정전용량의 변화를 측정하는 자기정전용량(self capacitance)방식과 투명전극필름 사이의 정전용량 변화를 측정하는 상호정전용량(mutual capacitance)방식이 있다[1]. 자기정전용량방식은 터치에 따라 정전용량이 크게 바뀌기 때문에 신호대 잡음비가 좋은 장점을 가지나 멀티터치에서 고스트현상이 발생하는 단점이 있다. 이에 비하여 상호정전용량방식은 고스트현상이 발생하지 않으나 신호 대 잡음비가 낮기 때문에 잡음이 강한 곳에서 안정적으로 터치를 인식하기 어렵다.
	터치스크린은 어떠한 장점이 있는가?	최근 들어 모바일 기기의 사용이 활성화 되면서 입력장치로 터치스크린이 각광받고 있다[1,2]. 터치스크린은 스크린 위에 터치를 인식할 수 있는 기능을 부가한 것으로 입력장치의 공간적 추가 배치를 최소화 할 수 있으며 사용자가 스크린 상에 직접 입력함으로 사용의 직관성과 편리성을 제공할 수 있는 장점이 있다[1,2]. 터치스크린에서 터치를 센싱하는 방법은 터치압력에 따른 저항의 변화를 측정하는 방식인 저항방식과 터치로 인하여 변화하는 정전용량을 측정하는 방법인 정전용량방식이 있다.
	터치스크린에서 터치를 센싱하는 방법으로 무엇들이 있는가?	터치스크린은 스크린 위에 터치를 인식할 수 있는 기능을 부가한 것으로 입력장치의 공간적 추가 배치를 최소화 할 수 있으며 사용자가 스크린 상에 직접 입력함으로 사용의 직관성과 편리성을 제공할 수 있는 장점이 있다[1,2]. 터치스크린에서 터치를 센싱하는 방법은 터치압력에 따른 저항의 변화를 측정하는 방식인 저항방식과 터치로 인하여 변화하는 정전용량을 측정하는 방법인 정전용량방식이 있다. 정전용량방식은 압력을 가하지 않고 가볍게 터치만 해도 센싱이 되기 때문에 최근에는 주로 정전용량방식이 많이 사용되고 있다[2].

참고문헌 (7)

F. Wang, X. Ren, and Z. Liu, "A Robust Blob Recognition and Tracking Method in Vision-based Multi-touch Technique," 2008 International Symposium on Parallel and Distributed Processing with Applications, pp. 971-974, 2008.
X. Wu, B. W. Lee, C. Joung, and S. Jang, "Touchware: a software based implementation for high resolution multi-touch applications," 2010 10th IEEE International Conference on Computer and Information Technology (CIT 2010), pp. 1703-1710, 2010.
D. G. Lowe, "Distinctive Image Features from Scale-Invariant Keypoints," International Journal of Computer Vision, vol. 60, pp. 91-110, Nov. 2004.

상세보기
P. Viola and M. Jones, "Rapid Object Detection using a Boosted Cascade of Simple Features," IEEE Conference Computer Vision and Pattern Recognition, vol. 1, pp. 511-518, Dec. 2001.
M. Grabner, H. Grabner, and H. Bischof, "Fast approximated SIFT," 7th Asian Conference on Computer Vision, pp. 918-927, 2006 .
P. Kovesi, "Fast Almost-Gaussian Filtering," 2010 International Conference on Digital Image Computing: Techniques and Applications (DICTA), pp. 121-125, 2010.
E. Elboher and M. Werman, "Efficient and Accurate Gaussian Image Filtering Using Running Sums," 2012 12th International Conference on Intelligent Systems Design and Applications (ISDA), pp. 897-902, 2012.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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