[논문]유아 상상력을 위한 연상 인터렉티브 놀이 콘텐츠

장은정; 임찬

doi:10.17703/jcct.2019.5.1.371

유아 상상력을 위한 연상 인터렉티브 놀이 콘텐츠
Associative Interactive play Contents for Infant Imagination 원문보기

Journal of the convergence on culture technology : JCCT = 문화기술의 융합, v.5 no.1, 2019년, pp.371 - 376

장은정 (숭실대학교 글로벌미디어학부) , 임찬 (숭실대학교 글로벌미디어학부)

초록
AI-Helper

창조적 사고는 언어로 표현되기 전부터 나타나며, 논리학이나 언어학법칙이 작동하기 전에 감정과 직관, 이미지와 몸의 느낌을 통해 그 존재를 드러낸다. 본 연구에서는 레고 놀이를 이미지 표현 방식으로, 이미지 프로세싱 기법을 중심으로 컴퓨터 비전을 응용한 실험적인 유아 참여형 인터렉티브 콘텐츠를 제시하고자 한다. 특히 유아의 경우 손의 소 근육 발달과 상상력을 실재로 구현하는 것은 매우 중요한 창조의 과정이다. 사물인식으로 대표되는 이미지 프로세싱 기술의 지각변동 속에서 'OpenCV 라이브러리'의 분석 알고리즘과 그것을 'Node'로써 구현한 'VVVV'로 이미지 프로세싱을 진행하고, 웹캠을 이용하여 물체를 촬영하고, 인식하고, 해당 분석에 맞는 결과를 도출해 내어 사용자가 참여함으로 완성되는 인터렉티브 콘텐츠를 제작하는 것을 목표로 한다. 연구를 통해서 아이들이 만든 레고가 어떤 작품인지 알 수 있고, 아이들은 스스로 무언가를 만들며 창의성을 기를 수 있다. 나아가, 더 많은 데이터를 기반으로 다양하고 개성적인 사람의 사고를 유추할 수 있을 것이라 기대한다.

Abstract ▼ AI-Helper

Creative thinking appears even before it is expressed in language, and its existence is revealed through emotion, intuition, image and body feeling before logic or linguistics rules work. In this study, Lego is intended to present experimental child interactive content that is applied with a computer vision based on image processing techniques. In the case of infants, the main purpose of this content is the development of hand muscles and the ability to implement imagination. The purpose of the analysis algorithm of the OpenCV library and the image processing using the 'VVVV' that is implemented as a 'Node' in the midst of perceptual changes in image processing technology that are representative of object recognition, and the objective is to use a webcam to film, recognize, derive results that match the analysis and produce interactive content that is completed by the user participating. Research shows what Lego children have made, and children can create things themselves and develop creativity. Furthermore, we expect to be able to infer a diverse and individualistic person's thinking based on more data.

주제어

표/그림 (8)

그림 그림 1. 레고 광고, 어떻게 “상상” 없이 말할 것인가. Figure 1. Lego advertisement, "Imagination" without talking.
그림 그림 3. OpenCV 데이터 정리. Figure 3. OpenCV Data Cleanup.
그림 그림 2. Haar 알고리즘 특징 추출. Figure 2. Extraction of Haar Algorithm Features.
그림 그림 4. Positive 이미지 데이터 정리. Figure 4. Positive Image Data Cleanup.
그림 그림 5. Positive 샘플 추출. Figure 5. Positive Sample extraction.
그림 그림 6. Detect Project 기능과 10초 입력 제한 노드 맵. Figure 6. Detect Project Function and 10-second Input Limit Node Map.
그림 그림 7. VVVV 노드 맵. Figure 7. VVVV node map.
표 표 1. 이미지 분석 및 비디오 사운드 재생. Table 1. Analyze images and play videos and sounds.

AI 본문요약
AI-Helper

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

문제 정의

본 콘텐츠는 OpenCV의 사물 인식 기능을 사용하여 LEGO 블록의조합을 이미지 센싱으로 파악하고 연상된 기호를 프로젝션하여 사용자와 기호로써 인터렉션하는 다감각 경험을 체험하도록 한다. 또한 언어가 아닌 유아의 직관과 상상을 거친 간단한 오브제 조합으로 구성된 이미지로 소통하고자 한다. 사용자는 레고를 조립함으로써 관념 속에 있는 이미지를 현실의 이미지로 재현하여 다감각으로 체험하고 변형함에 환호한다.
유아에게 상상력을 고양함은 구성과 재구성을 통해 견고화되는 모든 창작 동기와 잠재적 감각들을 고양함과 같다. 본 콘텐츠는 언어 구사 이전의 유아의 제한된 상상력과 간단한 오브제의 조합을 통한 참여로 완성되는 다감각 자극 콘텐츠를 제작함을 목적으로 한다
그림 1은 레고의 지면 광고로 기존의 상품의 장점을부각하는 네러티브형 광고에서 탈피하여 그 행간을 참여자의 ‘상상’으로 채우려는 카피 없는(non-verbal) 광고이다. 본 콘텐츠는 제시된 그림1 광고의 영역을 유아를 대상으로 다감각 확장을 목표로 기획 제작하였다.
일반적으로 1000장 이상의 positive 이미지를 학습시켜야 하는데, 많은 양의 이미지와 그 데이터를 담기 위해서 라벨링 프로그램을 사용해 데이 터를 정리한다. 이 프로젝트는 이미지와 비디오의 객체의 정보를 저장하는 프로그램을 사용해 positive 이미지 데이터를 효과적으로 정리했다.
언어 세계인 상징계 진입 이전의 유아에게 이미지란단지 그 결과를 표현하는 결과물이라기보다 언어의 체계 속에 편입되기 전 심상으로 자신을 표현하는 순수한 표상이다. 콘텐츠의 작업 흐름은 이러한 유아의 심상을 이미지와 직접 연결을 유도하기보다 이미지의 변형 과정에 주목하여 실시간으로 심상을 이미지 뿐 아니라 사운드 인터랙션을 통해 유아 상상을 자극하고 움직임을유도하여 심상의 다감각적 표현을 스스로 변화 과정에 참여하고 그 결과에 이르는 과정에 환호하게끔 구현하고자 한다.

제안 방법

이후 저장한 좌표 값들을 텍스트 파일로 내보낸 다음물체의 개수와 이미지의 경로를 추가하여 1500장의 positive 이미지 정보가 담긴 positives.txt 파일을 만들었다.
DetectObject 노드를 통해서 전달되는 ID값은 1, 2, 3정수 값으로써, ‘=’연산을 통해 영상을 선택하여 재생할수 있도록 하였다.
OpenCV의 haarCascade를 이용하여 미리 정해둔 3개의 프로토타입 레고 모형을 학습한 뒤 xml 확장자의 파일로 만들어 둔다. 웹캠을 통해 입력되는 정보들 중 미리 학습한 xml 파일에 따라 어떤 레고 모형이 있는지를 파악한다.
VVVV에서 웹캠을 통해 비디오 정보를 가져온 후 DetectObject(freeframe) 노드를 이용해 레고 모형의 개수를 파악한다. DetectObject 노드는 미리 OpenCV를 이용해 만든 xml 파일을 가져와 학습시킨 레고 모형이 나오면 인식 후 On/Off를 토글 엣지 노드로 반환한다.
DetectObject 노드를 통해서 전달되는 ID값은 1, 2, 3정수 값으로써, ‘=’연산을 통해 영상을 선택하여 재생할수 있도록 하였다. 각각의 영상은 Filestream으로 받아와 소리와 영상을 재생 할 수 있도록 구현하였고, Quad 노드에 videoTexture를 이용하여 영상을 텍스쳐로 받아 재생하였다. 그리고 Play버튼을 Quad의 Enable에 연결하여 재생되지 않는 영상은 Disable 되게 하였고, 상단 입력값이 바뀔때는 Change노드를 통해 각각의 영상이 초기화되도록 Do Seek(각각의 오른쪽 Press Box) 에 연결해주었다.
이 프로젝트는 Cascade Trainer 프로그램을 이용하여 Positive 데이터 정리 이후의 단계를 진행하였다. 먼저 Positive 샘플을 추출하기 위해 positives.txt 파일을 불러온 후 multi expand 방법을 통해 1500장의 샘플을 추출하였다. 이때, multi expand 방식은 OpenCV의 방법에 프로그램의 개발자가 추가적으로 기능을 추가한 방식으로 이미지 리스트를 입력받아 각 이미지 별로 변형된 이미지를 생성하여 Positive 샘플 파일을 만들 수있다.
컴퓨터 비전으로 시각 정보를 인식하고 분석, 처리하는 이미지 프로세싱이 매체 속에서 활용되는 범위를꾸준히 확장 시키며 사용자가 언어를 사용하지 않고 컴퓨터와 직관적으로 상호 작용할 수 있는 환경과 기술 발전 속도는 가파르게 증가하고 있다. 본 콘텐츠는 OpenCV의 사물 인식 기능을 사용하여 LEGO 블록의조합을 이미지 센싱으로 파악하고 연상된 기호를 프로젝션하여 사용자와 기호로써 인터렉션하는 다감각 경험을 체험하도록 한다. 또한 언어가 아닌 유아의 직관과 상상을 거친 간단한 오브제 조합으로 구성된 이미지로 소통하고자 한다.
언어를 사용하지 않고 개인의 관념을 컴퓨터와 어떻게 시지각을 통해서 인터렉션 할 수 있을지, 그 과정에서 제한된 매체를 활용하여 어떠한 모양으로, 얼마나더 확실하게 재현해낼 수 있을지 실험적이고 흥미로운 프로젝트를 진행해보았다. 본 프로젝트를 통해 우리는 아이들의 생각을 유추해 볼 수 있고, 아이들은 스스로 무언가를 스스로 참여하여 만들며 창의성을 기르는데 도움이 된다.
OpenCV의 haarCascade를 이용하여 미리 정해둔 3개의 프로토타입 레고 모형을 학습한 뒤 xml 확장자의 파일로 만들어 둔다. 웹캠을 통해 입력되는 정보들 중 미리 학습한 xml 파일에 따라 어떤 레고 모형이 있는지를 파악한다. 그 뒤 VVVV로 인식한 모형의 ID를 보낸다.
positive 샘플 파일이 [사진의 경로 물체수 x좌표 y좌표 넓이 높이] 와 같은 형식을 필요로 한다면, negative 이미지는 인식할 물체가 없으므로 [사진의 경로]만을 지정해서 데이터화 한다. 이 프로젝트는 1500장의 positive 이미지 샘플을 가졌으므로 negative 이미지는 2000장 이상을 데이터화 해 텍스트 파일로 만들었다.
이 프로젝트는 Cascade Trainer 프로그램을 이용하여 Positive 데이터 정리 이후의 단계를 진행하였다. 먼저 Positive 샘플을 추출하기 위해 positives.
이 프로젝트에서는 DetectObject에서 ObjectID값을 Count 노드로 연결하여 1개 이상의 특성(Harr feature)가 감지 되면 Count가 증가하고 시그널을 우측의 ‘Blocker’와 ‘Blocker’하단에 output(* node)로 전달하도록 하였으며, 각각의 count이후 ‘>=’ 노드는 Boolean 0, 1 값을 도출하므로 각각 이미지들의 ID를 곱하여, 이미지가 검출되면 ID*1 = ID의 과정으로 정보를 생산하게 하였다.
기본 배경이미지도 넣어 1번 Layer로 등록하였다. 이후 Uniform Scale(size *2)를 Quad들에 적용하여 크기를 Renderer에 전체화면으로 채우고 그룹으로 묶어 연결해주었다.

이론/모형

이 프로젝트는 기존의 Haar Trainning 방식을 사용해학습을 진행하였다.

후속연구

유아의 상상의 구체화 과정이 레고 블록 조합으로 완성되었다면, 제안한 콘텐츠는 ‘손놀이’를 넘어 패턴 인식을 통한 이미지 구현, 연동 사운드 재생 그리고 손 인식을 통한 애니메이션 구현으로 이어지는 공감각 이미지로 확장 유도 과정에 유아 참여의 몰입도를 높이고만족감을 높이는 동시에 보다 입체적 오브제 조합 유도를 자연스레 유도하여 상상력의 범주를 확대한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	유아에게 레고 놀이를 이미지 표현 방식 교육으로 제시하고 있는 이유는?	본 연구에서는 레고 놀이를 이미지 표현 방식으로, 이미지 프로세싱 기법을 중심으로 컴퓨터 비전을 응용한 실험적인 유아 참여형 인터렉티브 콘텐츠를 제시하고자 한다. 특히 유아의 경우 손의 소 근육 발달과 상상력을 실재로 구현하는 것은 매우 중요한 창조의 과정이다. 사물인식으로 대표되는 이미지 프로세싱 기술의 지각변동 속에서 'OpenCV 라이브러리'의 분석 알고리즘과 그것을 'Node'로써 구현한 'VVVV'로 이미지 프로세싱을 진행하고, 웹캠을 이용하여 물체를 촬영하고, 인식하고, 해당 분석에 맞는 결과를 도출해 내어 사용자가 참여함으로 완성되는 인터렉티브 콘텐츠를 제작하는 것을 목표로 한다.
	창조적 사고란 무엇인가?	창조적 사고는 언어로 표현되기 전부터 나타나며, 논리학이나 언어학법칙이 작동하기 전에 감정과 직관, 이미지와 몸의 느낌을 통해 그 존재를 드러낸다. 본 연구에서는 레고 놀이를 이미지 표현 방식으로, 이미지 프로세싱 기법을 중심으로 컴퓨터 비전을 응용한 실험적인 유아 참여형 인터렉티브 콘텐츠를 제시하고자 한다.
	다감각 자극 콘텐츠 제작의 목적은 무엇인가?	유아에게 상상력을 고양함은 구성과 재구성을 통해 견고화되는 모든 창작 동기와 잠재적 감각들을 고양함과 같다. 본 콘텐츠는 언어 구사 이전의 유아의 제한된 상상력과 간단한 오브제의 조합을 통한 참여로 완성되는 다감각 자극 콘텐츠를 제작함을 목적으로 한다

참고문헌 (11)

Robert Root-Bernstein & Michele Root-Bernstein. (2007). Spark of Genius : Echo's study.
Sang-Cheul Choe & Ah-Rong Kim. (2012). The development and application of dance improvisation class model:based on creative thinking. The Korean Dance Education Society, 23(1), 99-128.
Jeong Jeong suk & Nam Hyun wook. (2009). Effect of LEGO base Engineering Invention Education on Children's Brain, Journal of Koran Practical Arts Education, 22(3), 275-293.
Mi-Ja Sa. (2005). A Theoretical Inquiry about Human Memory, Korea Presbyterian Journal of Theology, 24, 425-456.
Suk Won Yoo. (2018). Character Recognition Algorithm using Accumulation Mask, International Jounal of Advanced Culture Technology, 6(2), 123-128.
Chung Hye-Yeon. (2013). The Educational Roles of Interactive Spaces for Children in Contemporary Art Museums, Journal of Research in Art Education, 14(3), 59-79.

상세보기
Oh Chai-sun. (2016). A Study on the Exploration of Educational Meaning in Imagination from the Perspective of Early Childhood Education : Beyond the Developmental Perspective, Early Childhood Education Research & Review, 20(5), 5-30.
Ha Soo Jang. (2018). A Study on the Influenece of Internal Motivation and External Motivation on Creative Behavior : The Mediating Role of Job Satisfaction, The Journal of the Convergence on Culture Technology, 4(1), 175-182.
Ahn Ye-Chan, Lee Jeong-Pil, Lee Jae-Wook, Song Jun-Kwun & Lee Keun-Ho. (2016). Development of Convergence Smart Home Platform based on Image Processing and Sensor Network in IoT Environment, Journal of The Korea Internet of Things Society, 2(3), 37-41, 10.20465/KIOTS.2016.2.3.037.

원문보기 상세보기
Suk Won Yoo. (2018). Image Restoration for Character Recognition, The Journal of the Convergence on Culture Technology, 4(3), 241-246.
Ywon Kyoung Yang. (2014). The Study of Museum Edutainment Smart Contents Models, Korea Science & Art Forum, 17, 233-233.

상세보기

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