[논문]키넥트를 이용한 실내에서의 키 추정 방법

김성민; 송종관; 윤병우; 박장식

doi:10.13067/jkiecs.2014.9.3.343

키넥트를 이용한 실내에서의 키 추정 방법
Height Estimation using Kinect in the Indoor 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.9 no.3, 2014년, pp.343 - 350

김성민 (경성대학교 전자공학과) , 송종관 (경성대학교 전자공학과) , 윤병우 (경성대학교 전자공학과) , 박장식 (경성대학교 전자공학과)

초록
AI-Helper

객체 인식은 지능적이고 다양화된 범죄 예방을 위해 감시 시스템에서 중요한 기술이다. 사람의 신체 정보인 키는 대상이 가지고 있는 신체적인 특징으로 신원을 확인하는데 중요한 정보가 될 수 있다. 본 논문에서는 RGB-Depth 카메라, 키넥트를 활용한 새로운 키 추정 방법을 제안한다. 사람의 키를 측정하기 위해 키넥트의 높이를 알고 있는 것으로 가정하고, 키넥트에서 머리와 발까지의 거리를 키넥트의 깊이 정보를 이용하여 사람의 키를 추정한다. 실험을 통하여 제안하는 방법이 실내에서 사람의 키를 추정하는데 효과적임을 확인한다.

Abstract ▼ AI-Helper

Object recognition is one of the key technologies of the monitoring system for the prevention of crimes diversified the intelligent. The height is one of the physical information of the person, it may be important information to confirm the identity with physical characteristics of the subject has. In this paper, we provide a method of measuring the height that utilize RGB-Depth camera, the Kinect. Given that in order to measure the height of a person, and know the height of Kinect, by using the depth information of Kinect the distance to the head and foot of Kinect, estimating the height of a person. The proposed method throughout the experiment confirms that it is effective to estimate the height of a person in the room.

주제어

AI 본문요약
AI-Helper

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

문제 정의

한편, 실험결과 기존의 수동 및 반자동 측정 방식에 비해 실시간으로 키 측정이 가능하였지만, 측정 대상의 머리 숙임이나 작은 움직임에도 센서가 반응을 하여 실시간 키 측정에 있어서 오차를 발생시켰다. 따라서 보다 많은 사람에 대하여 측정 실험을 수행함으로써 정확도를 높이기 위한 보정과 키 추정 알고리즘을 개선하고자 한다.
본 논문에서는 사무실 출입자의 신체 특성 중에서 키를 추정하기 위하여 마이크로소프트사의 키넥트를 활용하는 방법을 제안한다. 키넥트는 색영상(color image) 뿐만 아니라 적외선 패턴과 적외선 카메라(IR camera)를 이용하여 깊이 정보(depth)를 획득할 수 있다.
본 논문에서는 이 오차를 보정하기 위하여 보정식을 구하고 보정 값을 관절 점 정보에 더해서 오차를 보상하고 키 측정을 한다. 보정식을 적용한 거리 측정 결과를 표 2와 그림 7에 나타내었다.
본 논문에서는 키넥트 센서를 이용하여 키를 추정하는 방법을 제안하였다. 키 추정은 키넥트의 깊이 정보와 관절점 정보를 이용하여 머리와 발까지의 거리를 측정하여 키를 추정한다.
특히, 키넥트는 깊이 정보를 이용하여 머리를 포함한 관절점의 정보를 제공하기 때문에 키를 측정하는데 실질적인 정보를 제공한다. 본 논문에서는 키넥트에서 제공하는 깊이와 관절점 정보를 활용하여 실내에서 사람의 키를 추정하는 방법을 제안한다.

가설 설정

그리고 적외선 카메라로부터 참조 영역까지의 거리 Z_o에 객체가 존재하고 객체 위의 적외선 패턴이 적외선 카메라의 영상영역에 상이 나타난다고 가정한다. 객체가 적외선 카메라 쪽으로 가까이 이동하거나 멀리 이동하게 되면 객체영역(object plane)에서 패턴의 변화가 생기는데, 변화된 패턴은 참조영역에서의 패턴과 시차 비교를 통해 깊이 정보를 계산하게 된다[12-13].

제안 방법

제안하는 키넥트를 이용한 키 추정방법에 대하여 성능을 검증하기 위하여 실내 공간인 실험실에서 진행하였고, Window7 운영체제에서 윈도우용 키넥트 센서를 사용하였다. 그리고 Microsoft Visual Studio 2010과 Microsoft 사에서 제공하는 키넥트 SDK를 이용하여 구현하였다. 실험은 총 10명에 대하여 진행하였고, 표 3은 사람의 키 추정 실험결과이다.
사람 검출과 촬영 장면의 깊이 영상 생성은 Microsoft 사에서 제공하는 키넥트 SDK를 활용하여 구현하였다. 그리고 머리와 발의 깊이 값은 키넥트에서 제공하는 사람 전신의 관절점 정보를 이용하여 생성된 깊이 영상에서 추출한다.
그리고 본 논문에서 제안하는 알고리즘은 추출한 머리와 발의 깊이 값을 보정하는 과정과 제안된 방법을 통해 사람의 키를 추정하는 과정을 포함한다. 깊이 값의 보정은 키넥트에서 제공하는 깊이 값의 오차를 최소화하는 과정이고, 키 추정은 보정된 머리와 발의 깊이 값을 이용하여 사람의 키를 추정한다.
키넥트는 사용자의 얼굴과 동작을 인식하는 입력장치로 사용자의 몸에서 48개의 점을 찾아 사용자의 동작을 인지하고, 이 점들을 이용하여 사용자의 골격과 전신의 생김새에 따라 자동으로 전신 지도를 화면에 보여주는 장비이다[8-9]. 또한 키넥트는 RGB 색영상과 함께 깊이 영상을 초당 30프레임씩 실시간으로 획득할 수 있는 장비로써[10], 본 논문에서는 키넥트로 부터 획득할 수 있는 머리와 발의 관절 정보 및 깊이 정보를 활용하여 사람의 키를 측정하는 방법을 제안한다.
키 측정을 하기에 앞서 키넥트에서 획득한 관절점 정보에 보정값을 더하여 오차를 보상하도록 한다. 보정식은 여러 대상에 대해 측정한 머리와 발의 오차를 종합하여 거리평균에 대한 오차를 구한 뒤, 이 오차들의 중간값을 이용하여 일차식으로 구하였다.
본 논문에서는 앞에서 설명한 정보를 이용하여 사람의 키(height)를 측정한다. 먼저, 깊이 영상으로부터 키넥트 센서와 사람까지의 수평거리(L)를 식 (5)를 이용하여 계산한다.
전처리 과정은 키넥트 센서에 의한 사람 검출 과정과 센서가 촬영하고 있는 장면에 대한 깊이 영상을 생성하는 과정, 그리고 깊이 영상에서 머리와 발의 깊이 값을 추출하는 과정을 포함하고 있다. 사람 검출과 촬영 장면의 깊이 영상 생성은 Microsoft 사에서 제공하는 키넥트 SDK를 활용하여 구현하였다. 그리고 머리와 발의 깊이 값은 키넥트에서 제공하는 사람 전신의 관절점 정보를 이용하여 생성된 깊이 영상에서 추출한다.
키넥트로부터 사람의 머리와 발까지의 거리 정보를 획득하는 방법은 키넥트에서 제공하는 관절 점 정보를 활용하였다. 키넥트는 그림 4와 같이 20개의 관절점 정보를 영상과 함께 제공하는데, 본 논문에서는 이중 머리 관절 점(head)과 오른발 관절 점(foot right) 정보를 사용하여 키 측정을 하였다. 그림 5는 깊이 영상에서 머리 관절 점과 오른발 관절 점을 점(point)으로 표시한 것이다.
키넥트로부터 사람의 머리와 발까지의 거리 정보를 획득하는 방법은 키넥트에서 제공하는 관절 점 정보를 활용하였다. 키넥트는 그림 4와 같이 20개의 관절점 정보를 영상과 함께 제공하는데, 본 논문에서는 이중 머리 관절 점(head)과 오른발 관절 점(foot right) 정보를 사용하여 키 측정을 하였다.

대상 데이터

그리고 Microsoft Visual Studio 2010과 Microsoft 사에서 제공하는 키넥트 SDK를 이용하여 구현하였다. 실험은 총 10명에 대하여 진행하였고, 표 3은 사람의 키 추정 실험결과이다.
제안하는 키넥트를 이용한 키 추정방법에 대하여 성능을 검증하기 위하여 실내 공간인 실험실에서 진행하였고, Window7 운영체제에서 윈도우용 키넥트 센서를 사용하였다. 그리고 Microsoft Visual Studio 2010과 Microsoft 사에서 제공하는 키넥트 SDK를 이용하여 구현하였다.

성능/효과

키 추정은 키넥트의 깊이 정보와 관절점 정보를 이용하여 머리와 발까지의 거리를 측정하여 키를 추정한다. 키넥트에서 머리와 발까지 각각 측정 오차가 발생하여 이를 보상하는 방법을 제안하였고, 키 추정 결과 오차가 현저히 감소되었음을 확인할 수 있었다. 한편, 실험결과 기존의 수동 및 반자동 측정 방식에 비해 실시간으로 키 측정이 가능하였지만, 측정 대상의 머리 숙임이나 작은 움직임에도 센서가 반응을 하여 실시간 키 측정에 있어서 오차를 발생시켰다.
표 3에 나타낸 것처럼 대상에 따라서, -2mm에서 +28mm 까지의 오차를 나타내고 있다. 평균 오차는 11.2mm로서 영상기반의 비접촉식 키 추정으로 오차가 적은 것을 확인할 수 있다. 그림 9는 사람의 키를 추정하기 위하여 캡쳐한 영상이며 왼쪽 상단에 추정한 키를 mm 단위로 표시한 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	지능형 영상 감시 시스템은 영상을 효과적으로 분석하기 위해 어떤 기술을 요구하는가?	최근 영상 감시 시스템은 영상분석, 패턴인식 등의 기술을 적용하여 자동으로 범죄자를 찾거나 화재를 탐지하는 등 지능형으로 발전하고 있다. 지능형 영상 감시 시스템은 영상을 효과적으로 분석하기 위한 전처리 과정과, 원거리 환경에 적합한 객체검출 및 신원확인 기술이 요구된다. 원거리 영상 감시 시스템에서 신원확인을 위한 신체 정보로는 얼굴, 걸음걸이, 키 등이 있고 그 외 옷이나 모자 등의 정보를 추가로 이용하는 방법들이 연구되고 있다.
	키넥트는 어떻게 구성되는가?	키넥트는 적외선 패턴 인식을 통해 깊이 값을 인지 하여 사용자의 동작 인식에 활용 되도록 고안되어진 장치이다. 키넥트의 구성은 RGB 센서, 깊이 정보를 획득하는 적외선 카메라, 그리고 적외선 프로젝터로 이루어져 있다. RGB 센서에서는 색 영상을 획득하고 적외선 카메라에서는 프로젝터를 통해 방사된 적외선 특정 패턴을 이용하여 깊이 정보를 획득한다.
	키넥트의 RGB 센서는 무엇을 획득하는가?	키넥트의 구성은 RGB 센서, 깊이 정보를 획득하는 적외선 카메라, 그리고 적외선 프로젝터로 이루어져 있다. RGB 센서에서는 색 영상을 획득하고 적외선 카메라에서는 프로젝터를 통해 방사된 적외선 특정 패턴을 이용하여 깊이 정보를 획득한다. 키넥트를 통해 얻어진 RGB 정보는 32비트로 전송되고, 깊이 정보는 16비트로 전송된다.

참고문헌 (13)

H.-M. Moon and S.-B. Pan, "The Human Identification Method in Video Surveillance System," The Korean Institute of Information Technology, vol. 8, no. 5, May. 2010, pp. 199-206.
H.-M. Moon and S.-B. Pan, "The Analysis of De-identification for Privacy Protection in Intelligent Video Surveillance System," The Korean Institute of Information Technology, vol. 9, no. 7, July 2011, pp. 189-200.
D.-H. Kim, J.-Y. Lee, H.-S. Yoon, and E.-Y. Cha, "A Non-cooperative user authentication system in robot environments," IEEE Trans. Comsumer Electronics, vol. 53, no. 2, May 2007, pp. 804-811.

상세보기
A. Bovyrin and K. Rodyushkin, "Human height prediction and roads estimation for advanced video surveillance systems," In Proc. IEEE Conf. on Advanced Video and Signal Based Surveillance, Sept. 2005, pp. 219-223.
E. Jeges, I. Kispal, and Z. Hornak, "Measuring human height using calibrated cameras," In Proc. IEEE Conf. on Human System Interactions, May 2008, pp. 755-760.
C. BenAbdelkader and Y. Yacoob, "Statistical Body Height Estimation from a Single Image," Proc. of Int. Conf. on 8th Automatic Face & Gesture Recognition, Sept. 2008, pp. 1-7.
S.-W. Park and J.-S. Choi, "Robust Estimation of Heights of Moving People Using a Single Camera," Information, vol. 16, no. 8, Aug. 2013, pp. 5505-5522.
J.-G. Lee, Y.-H. Kim, I.-K. Lim, J.-P. Lee, and J.-G. Lee, "A Study on height methods that combine Kinect with ultrasonic sensor," J. of The Korean Institute of Communications and Information Sciences 2012, Nov. 2012, pp. 185-186.
J.-H. Na and N-Y. Ko, "Control of a Mobile Robot Using Kinect Sensor," J. of The Korean Institute of Electronic Communication Sciences, vol. 6, no. 1, June 2012, pp. 340-342.
C.-S. Won, S.-M. Kim, J.-S. Park, B.-W. Yoon, and J.-K. Song "Hand Shape Recognition Based on Kinect and Analysis of the Performance," Conf. of The Korean Institute of Electronic Communication Sciences, vol. 7, no 2, Nov. 2013, pp. 144-147.
B.-J. Choi, J.-K. Song, B.-W. Yoon, and J.-S. Park, "Smoke Detection using Kinect in the Indoor," Workshop on Image Processing and Image Understanding, Jeju Korea, Feb. 2014.
K. Khoshelham and S. O. Elberink, "Accuracy and Resolution of Kinect Depth Data for Indoor Mapping Application," Sensors, Feb. 2012, pp. 1437-1454.
S. Kwon, W. Kang, Y. Jeong, and S. Lee, "Stereoscopic Video Compositing with a DSLR and Depth Information by Kinect," J. of The Korean Institute of Communications and Information Sciences, vol. 38C, no. 10, Oct. 2013, pp. 920-927.

원문보기 상세보기

저자의 다른 논문 :

LOADING...

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