[논문]인공지능 객체인식에 관한 파라미터 측정 연구

최병관

doi:10.17662/ksdim.2019.15.3.015

인공지능 객체인식에 관한 파라미터 측정 연구
A Study On Parameter Measurement for Artificial Intelligence Object Recognition 원문보기

디지털산업정보학회논문지 = Journal of the Korea Society of Digital Industry and Information Management, v.15 no.3, 2019년, pp.15 - 28

최병관 (연세대학교 컴퓨터정보통신공학부)

Abstract ▼ AI-Helper

Artificial intelligence is evolving rapidly in the ICT field, smart convergence media system and content industry through the fourth industrial revolution, and it is evolving very rapidly through Big Data. In this paper, we propose a face recognition method based on object recognition based on object recognition through artificial intelligence. In this method, Were experimented and studied through the object recognition technique of artificial intelligence. In the conventional 3D image field, general research on object recognition has been carried out variously, and researches have been conducted on the side effects of visual fatigue and dizziness through 3D image. However, in this study, we tried to solve the problem caused by the quantitative difference between object recognition and object recognition for human factor algorithm that measure visual fatigue through cognitive function, morphological analysis and object recognition. Especially, The new method of computer interaction is presented and the results are shown through experiments.

주제어

AI 본문요약
AI-Helper

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

문제 정의

둘째, 패턴인식을 통한 파라미터의 감성공학 기술로서 시청자가 시각피로 없이 휴먼팩터를 인식하고 영상인식 기술을 이용할 수 있도록 하기 위한 최적의 시청 환경에 대한 연구이다.
이 행렬은 차원이 크므로(영상의 픽셀 수와 동일) 계산하기가 어렵다. 따라서 XX^T와 X^TX의 고유치는 같고, 고유 벡터는 X를 곱하고 정규화 한 것과 동일하다는 사실을 이용해 계산을 쉽게 하고자 한다. 위 식의 고유값들을 λ_k라 하고, 고유벡터들을 E_k라 가정한다.
셋째, 객체인식과 휴먼인지에 대한 심리학적 평가 기술로서 이상적 시스템을 개발하기 위한 여러 단계를 거치면서 각 단계마다 개발된 시스템의 완성도를 사용자에게 제시하여 개발된 시스템의 심리학적 성능을 효과적으로 평가하기 위한 연구이다. 따라서 이러한 관점에서 본 논문에서는 중요시 하고 평가할 수 있는 핵심 원인과 인공지능 휴먼인식 파라미터 측정을 보다 더 확실히 이해하고, 제시한 세 가지의 기술요소에 대한 자세한 상세 사항에 대해 알아보기로 한다.
인공지능 분야에서 객체인식 연구는 기존의 3D영상을 통해 많은 연구가 진행되고 있었으나 3D영상을 통해 나타나는 시각적 피로감과 어지러움증 발생등 양, 안시차를 통해서 나타나는 부작용이 해결되지 않고 연구가 진행됨에 따라 많은 문제가 야기되고 있다. 따라서, 본 연구는 인공지능을 통해 패턴인식과, 객체인식, 휴먼인지 기술등 파라미터의 시각적 요소와 피로감등 양, 안시차를 통해 발생되었던 문제점들에 대해 객체인식에 관한 연구와 휴먼팩터를 통한 얼굴인식 요소에서 나타났던 문제점들을 보다 쉽고 사용자가 편리하게 인식하고 접근할 수 있는 방법론과 파라미터 측정에 관한 연구를 실험을 통해 측정값을 확인하고 연구 하였다.
따라서, 본 연구에서는 인공지능을 통한 객체인식 기술을 휴먼팩터 측정 연구를 통해 시청자의 시청 위치와 양안거리 및 위치를 추적할 수 있는 인공지능 포스트휴머니즘(AI Post-Humanism)실감 인지 기술에 대한 개념을 토대로 실험하고 연구를 하였다. 인문학적 관점에서 영상객체 인식의 평가기준을 정하는 연구 주체는 인공지능 관계소통학, 윤리규범학, 생리학적 평가방법등을 구분하고 있으며, 특히, 의 과학분야를 통해 집중적으로 연구되어야 할 뇌파 및 안구 운동의 변화를 3차원 영상을 통해 시청할 때와 시청하지 않을 때에 대한 각각의 측정값을 실험 함 으로써 시청자가 시각적 피로와 두통을 느낄 때 뇌파와 안구 운동 변화에 어떤 영향을 주고 변화를 알아낼 수 있는지를 평가할 수 있다.
따라서, 본 연구의 향후 목표는 가상화(VR) 공간에서 3D 실감 미디어와 연계된 완전한 인공지능 기반의 휴머노이드 연구와 결합 함으로써 스마트디바이스 Plat form을 보다 안정화된 환경으로 적용하고 연구해 보는 것이 연구자로서의 가장 큰 바램이고 목표이다.
본 연구에서는 인공지능에 적용 될 객체 이미지 추출을 위해 3D패턴인식 검출 모델링과 사람의 얼굴 특징과 표정을 확인하기 위한 랜드마크를 적용하여 형태 변화의 통계적 모델링 값을 얻기 위해, 3D이미지 추출과 얼굴 특징점 추출 표본 데이터를 얻어 시험에 적용하였다[9].
본 연구에서는 인공지능을 통한 휴먼팩터 인식기술을 제대로 반영하기 위해서 HVS(Human Visul System )를 이해하고 3차원 영상이미지 시스템에 대한 이해와 휴먼팩터 측정을 통해서 나타나는 문제의 원인을 정확하게 진단하고 그 해결 방안을 제시해야할 필요가 있다. 이렇듯 사전에 발생 할 문제점을 미리 예측하고 그 대안으로 해결할 수 있는 요소들은 다음과 같은 세부 연구를 선행적으로 연구가 이루어져야 한다[2].
본 연구의 핵심은 객체인식 기반의 휴먼팩터를 통해 다양한 파라미터 측정에 대한 객체인식 기술을 인공지능을 통해 객체인식 분야의 측정 연구를 사람의 양안 시차에서 느끼는 눈의 피로감과 휴먼팩터 핵심 기술인 패턴인식과 형태소 분석등 인공지능에서 필수 요소로 사용되는 인간의 공간과 지각 사이의 함수 관계를 규명하는 것을 목적으로 연구를 하였고 실험을 하였다.
셋째, 객체인식과 휴먼인지에 대한 심리학적 평가 기술로서 이상적 시스템을 개발하기 위한 여러 단계를 거치면서 각 단계마다 개발된 시스템의 완성도를 사용자에게 제시하여 개발된 시스템의 심리학적 성능을 효과적으로 평가하기 위한 연구이다. 따라서 이러한 관점에서 본 논문에서는 중요시 하고 평가할 수 있는 핵심 원인과 인공지능 휴먼인식 파라미터 측정을 보다 더 확실히 이해하고, 제시한 세 가지의 기술요소에 대한 자세한 상세 사항에 대해 알아보기로 한다.

가설 설정

인공지능을 통한 객체인식 얼굴모델 추출은 얼굴 움직임에 대한 추적을 통해 현재의 위치를 기준으로 상하 좌우로 움직일 수 있다는 가설을 세우게 되고, 이러한 가설을 기반으로 머리 자세 평가자를 통해 위치를 설정하게 된다. 또한 새로 입력되는 스트림 영상에 의해 백그라운드 모델이 갱신되게 되며, 이력에 있는 모델의 정보에 따라 새로운 특징점의 위치를 계산하고 3D 얼굴 모델의 추적을 하게 된다.

제안 방법

인공지능을 위한 객체인식은 얼굴 검출을 3D모델링을 통해 설계를 하게 되며, 영상객체를 통한 디자인 구성 요소는 다음 그림과 같다. 2개의 카메라를 이용하여 각각의 위상차를 이용한 깊이 정보를 계산하고 이 과정을 통하여 생성하게 되는데, 본 논문에서는 패턴인식을 통해 형태소분석과 얼굴검출등 인공지능을 통해 적용할 수 있는 얼굴검출의 패턴을 Landmark를 적용하여 단일 카메라 입력을 통해 얻어진 각각의 얼굴 영역의 객체 값을 얼굴의 정면 모델로 적용하며, 3D 변환행렬을 구성하여 얼굴 객체 모델에 매핑하여 3D 좌표를 얻어내는 방법을 사용하여 실험에 적용하였다[9].
또한, 객체인식 기술은 입체 영상과 무안경 디스플레이를 비롯하여 영화, 방송, 공연, 의료, 게임, 애니메이션 등 첨단 스마트미디어를 기반으로 광범위하게 사용되고 있음으며, 인공지능을 통한 패턴인식 기술이 급속히 성장하고 많은 분야에서 사용되고 있음에 따라 3D와 HCI(Human Computer Interaction) 인간과 컴퓨터 상호작용 입체영상 ICT융합 산업으로 급속히 성장하고 있다. 객체인식 분야는 휴먼팩터의 파라미터 측정을 통한 디스플레이와 양안시차의 좌/우안용 영상을 각각의 눈에 입력해 주고 양안시차 원리를 이용하여 사람의 인지정보 체계에서 3D로 인식하도록 설계를 하였으며, 인공의 시각차를 발생시켜서 좌/우안 영상을 디스플레이에서 분리시켜 두 눈에 전달함으로써 뇌에서 패턴인식을 통한 객체인식 체계를 느끼도록 설계를 하였다[1].
객체인식을 통한 얼굴 포인트 검출은 눈썹과 입술 추적 그리고 입술의 움직임을 통해 입이 벌어진 정도, 턱의 움직임등 입술의 돌출, 뺨의 움직임등과 같은 복합적인 움직임을 감지하여 표정인식과 패턴인식을 병행하여 검출을 하고 이 과정을 통해서 이들의 복합적인 움직임을 포착하고 객체검출을 하게된다.
하지만 입술의 돌출과 뺨의 움직임 등은 2차원적 접근 방법으로는 실험을 통해 정확한 데이터 값을 얻기는 어렵다. 따라서 본 연구에서는 입력된 동영상과 정합된 3차원모델로부터 3차원 특징 벡터를 얻을 수 있도록 데이터 분석을 하고, 아래의 그림과 같이 12개의특징점을 사용하여 4개의 객체와 특징점의 벡터값을 추출하여 본 실험의 결과를 확인하게 된다. 아래의 <그림8>은 얼굴추적을 위한 특징 추출 Landmark 중요 Point를 표기하여 나타내고 있다.
또한, 본 실험을 통해서 눈이 응시하는 각도를 정확히 파악하기 어려울 경우, 눈 추적 각도가 작은 경우의 수를 파악하고 정확한 실험을 할 수 없는 문제를 가정하여 눈의 응시각도를 정확히 파악할 수 있도록 음의 시차와 양의시차를 각각의 알고리즘을 통해 얼굴 전체의 특징점을 찾아 각도를 측정하는 방식을 활용하였으며, 본 실험의 방법과 결과는 다음장 “IV 인공지능패턴인식 얼굴검출”에서 연구를 통해 실험 결과를 확인 할 수 있다.
본 논문에서는 인공지능 파라미터 패턴인식 기술을 적용하여 데이터 해석 알고리즘과 파노라마 카메라를 통해 움직이는 피사체를 촬영하여 사용자 콘텐츠를 인식하고, 시청자의 눈을 실시간으로 추적하는 방법에 대해서 인공지능 패턴인식 기술을 통해 실험을 하였다. <그림 1>의 실험에서는 눈 추적 알고리즘을 통해 눈의 위치에 대한 특징점을 추적하고 눈 동공을 파악한 후 눈 추적 알고리즘을 통해 눈동자의 좌표를 출력하는 방식을 적용하여 실험을 한다[8].
본 실험에서는 인공지능의 효과 값을 찾아내고 패턴인식을 통해 눈의 추적 알고리즘을 적용하여 눈 구조에서 나타나는 양의시자를 분석하여 동공 한 가운데에 위치한 홍채(Iris)와 흰자위(Sclera)의 경계선을 얼굴 영상에서 검출한 후 추적하는 방식을 사용한다.
본 실험은 Adaboost face detection을 이용한 얼굴인식 영상측정 흐름에 관한 프로토타입을 측정 실험을 통해 영상분류 값을 찾아내었다.
본 실험은 인공지능을 통해 추진되는 객체인식 기반의 얼굴 추적을 휴먼팩터 측정에 대한 인식 기술을 적용하고 이를 통해 3D기반의 인공지능 패턴인식과 형태소 분석등 얼굴 검출 모델링으로 가장 잘 표현할 수 있는 측정법을 제시하고 이를 통해 나타내는 다양한 입체영상 객체 모델링을 Platform 환경과 연계하여 측정하도록 환경구성을 하여 실험표준(Test bed)통해 구성요소로 나타내었다.
본 연구는 인공지능을 기반으로 설계되고 휴먼팩터를 통한 휴먼인지 실험을 통해 나타나는 다양한 인식표현에 대한 데이터 추출 값을 프로그램을 통해 패턴성능의 실시간 인지와 얼굴인식 기반으로 추출되는 추적상태의 인식 가능한 표현들을 나타내도록 최소한의 얼굴 픽셀값과 크기, 그리고 최대 인지값의 표현과 임계치의 각도에 따른 Error율을 검색하고 오류데이타를 추출하여 CPU의 로드등을 확인하고 그 연구 값을 얼굴표정과 Landmark적용을 통한 실험값에 적용하여 과 같이 파노라마 촬영을 통해 얼굴의 패턴인식 3D 특징점을 x-RAY 촬영을 통해 실험을 하였다.
본 연구에서는 표현되는 인공지능 패턴인식과 객체인식의 영상 휘도치 분포값을 다단계 임계값에 적용하여 특징점을 검출 하였으며, 특히 휘도치 분포값은 다단계값의 임계치로 변환하는 방법을 알고리즘 구현에 적용시켜 나타내도록 구성을 하였다. 임의의 대상 영상들로부터 획득된 확률ㆍ통계적 분석에 의해 다단계 임계화 구간을 수직/수평으로 투영하여 얼굴부위에 해당하는 휘도치 분포의 경계 값을 결정하도록 정의하였다.
이러한 실험 연구는 영상추출을 위해 입력 스트림 값이 들어오면 스트림이미지를 피부색과 타원 얼굴 모델로부터 얼굴 후보 영역을 구하게 된다. 얼굴 후보 영역에서 24x24 크기의 부분 이미지를 추출해내고 다음으로 앞서 설명한 학습을 통해서 얻어진 약분류기를 직접이미지에 대입해서 얼굴임을 판독하도록 설계를 하였다.
얼굴영상에 일치하는 공분산 행렬의 고유벡터를 구하고, 새로운 영상을 구해진 고유벡터를 이용해 부수공간으로 투영시켜 학습 집합과 비교함으로써 인식을 수행한다. 각 개인의 얼굴은 고유벡터들의 선형 결합에 의해 표현되며, 고유벡터의 계산량을 고려하여 가장 큰 고유값과 대응하는 것으로부터 M개의 고유벡터만을 사용함으로써 고차원의 영상 데이터를 저차원으로 차원 감소시킨다[9].
본 논문에서는 인공지능 파라미터 패턴인식 기술을 적용하여 데이터 해석 알고리즘과 파노라마 카메라를 통해 움직이는 피사체를 촬영하여 사용자 콘텐츠를 인식하고, 시청자의 눈을 실시간으로 추적하는 방법에 대해서 인공지능 패턴인식 기술을 통해 실험을 하였다. <그림 1>의 실험에서는 눈 추적 알고리즘을 통해 눈의 위치에 대한 특징점을 추적하고 눈 동공을 파악한 후 눈 추적 알고리즘을 통해 눈동자의 좌표를 출력하는 방식을 적용하여 실험을 한다[8].
임의의 대상 영상들로부터 획득된 확률ㆍ통계적 분석에 의해 다단계 임계화 구간을 수직/수평으로 투영하여 얼굴부위에 해당하는 휘도치 분포의 경계 값을 결정하도록 정의하였다. 이 결정된 임계값에 따라 얼굴 이외의 성분으로 부터 얼굴의 분할된 부위를 안면요소의 특징점(눈, 코, 입)으로 구분하여 검출을 하였다[10].
특히 형태소 분석을 통한 얼굴 패턴의 임계치 값은 임의의 대상 영상들로부터 획득된 확률ㆍ통계적 분석에 의해 다단계 임계화 된 구간을 수직ㆍ수평으로 투영하여 얼굴부위에 해당하는 휘도치 분포의 경계값을 결정한다. 이 결정된 임계값에 따라 얼굴이외의 성분으로부터 얼굴을 분할하고, 분할된 얼굴부위를 바탕으로 안면 요소 특징점(눈,코,입) 등을 추출한다. 생성된 3D 얼굴 모델은 8개(양눈끝에 4개 코에 2개, 입양끝에 2개)의 기본적인 포인트를 포함하게 된다.
인공지능의 객체인식 구성은 패턴인식을 통해서 3D모델링의 얼굴추출 측정값을 찾아내고 이를 통해 휴먼팩터 측정에 적용되는 객체인식의 실험을 통해 얼굴모델링의 패턴인식 값을 얻어내며 이러한 시험을 측정을 위해서 다음과 같은 개발 Platform을 구성하여 연구 환경을 구축하여 실험을 하였다.
본 연구에서는 표현되는 인공지능 패턴인식과 객체인식의 영상 휘도치 분포값을 다단계 임계값에 적용하여 특징점을 검출 하였으며, 특히 휘도치 분포값은 다단계값의 임계치로 변환하는 방법을 알고리즘 구현에 적용시켜 나타내도록 구성을 하였다. 임의의 대상 영상들로부터 획득된 확률ㆍ통계적 분석에 의해 다단계 임계화 구간을 수직/수평으로 투영하여 얼굴부위에 해당하는 휘도치 분포의 경계 값을 결정하도록 정의하였다. 이 결정된 임계값에 따라 얼굴 이외의 성분으로 부터 얼굴의 분할된 부위를 안면요소의 특징점(눈, 코, 입)으로 구분하여 검출을 하였다[10].

이론/모형

<그림 3>은 얼굴검출을 위한 패턴인식과 형태소 분석 알고리즘을 적용하여 3D모델링의 분석 모델을 얼굴검출 데이터 추출을 하기 위해 구성하였으며, 얼굴의 특징점 추출을 위한 정합률과 입과 눈썹등 얼굴 정면의 필터 학습 알고리즘을 얼굴의 특징점으로 Landmark 구성하여 얼굴의 패턴을 측정하고, 얼굴의 모형을 검출하여 다양한 입력 스트림에 대한 얼굴 검출을 표현하는 기법을 분석하여 Adaboost 알고리즘을 적용하여 본 실험을 적용하고 연구를 하였다[9].

성능/효과

본 실험을 통해서 확인된 결과는 인공지능으로 표현될 수 있는 얼굴 포인트의 추출과 객체인식의 얼굴 검출 과정등 시청자의 얼굴 포인트를 패턴인식을 통해 3D인식 기반의 영상처리 기법으로 표현하고, 이를 통해 3D 와이어 프레임과 오버레이등 휴먼팩터 측정으로 표현되는 실험 결과의 값을 확인할 수 있었으며, 그 결과 값은 휴먼팩터 측정을 통한 인공지능 객체인식에 관한 파라미터 측정의 확인값으로 인식하고 인공지능으로 표현할 수 있는 다양한 패턴인식의 휴먼인지 테스트를 실험하고 그 결과 값을 실험결과로 표현하여 나타내었다.
인공지능을 이용한 패턴인식은 얼굴검출(Face Detec tion)과 인지모듈을 통해 형태소 분석과 패턴인식의 지능화된 검출 효과의 정보를 얻어 낼 수 있으며, 특히 얼굴검출에 따른 형태소 분석과 패턴인식을 이용한 얼굴의 윤곽과 얼굴모형의 Landmark를 정함으로써, 이를 통해 휴먼인지 객체인식의 결과값을 실험결과로 확인할 수 있다.
첫째, 인공지능을 이해하고 패턴인식의 알고리즘을 구현하기 이전 시스템 설계 단계에서부터 휴먼팩터를 고려해야 된다. 인공지능 객체인식의 기술 요소의 모든 경우에 그런 것은 아니지만 일단 시스템의 하드웨어 개발이 일정수준 궤도에 오르고 나면 추가적으로 휴먼팩터를 고려하기 위한 시스템을 수정하기가 곤란하다.

후속연구

이를 위한 것이 3D 영상 시스템의 평가 방법 연구이며, 이에는 평가항목, 주관적 평가 방법, 객관적 평가 방법 등에 대한 연구가 이에 속한다. 이러한 평가항목과 방법을 사용함으로써 개발할 시스템의 우수성에 대한 객관성을 확보할 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	인공지능은 어떤 것을 기반으로 중요 핵심기술로 자리잡아 가고 있는가?	인공지능은 4차 산업혁명을 통해 객체인식과 패턴인식, 형태소분석, 이미지프로세싱(Image Processing)등 빅데이터(Big_Data)를 기반으로 중요 핵심기술로 자리를 잡아가고 있다. 특히 포스트휴머니즘을 통한 인문학분야에서의 인공지능은 스마트디바이스 ICT융,복합 산업과 더불어 다양한 디바이스와 플랫폼등 각기 다양한 인식 기반의 파라미터 연구가 활발히 연구를 되고 있으며, 객체인식 기반의 안면 인식은 사람의 얼굴과 표정 그리고 눈의 동공을 통해서 인식할 수 있을 만큼 다양한 기술이 개발되고 있다.
	인공의 시각차를 발생시켜서 좌/우안 영상을 디스플레이에서 분리시켜 두 눈에 전달함으로써 3D를 구현한 입체영상의 경우 어떤 문제점이 생길 수 있는가?	일반적으로 2D영상은 좌/우안의 각도 차이 없이 카메라 리그를 이용하여 획득한 영상데이타를 나타내도록 제작되며 디스플레이에서 좌안/우안용 영상을 좌/우에 분리시키는 장치(특수 안경, 무안경식 모니터)없이 두 눈에 전달하게 된다. 이렇듯 두눈에 전달되는 입력 영상은 뇌에 전달되어 사람의 인지, 정보 체계를 통해 인식하게 되는데, 3D 입체영상의 경우 좌/우(안) 양안시차를 통해 나타내는 영상이 서로 바뀌어 전달되거나 두 영상 사이의 깊이(Depth)감이 매끄럽지 못할 경우 입체감 인식이 떨어지거나, 시각적 효과의 불편함으로 시청자가 어지러움과 구토등 부작용이 발생할 수 있다.
	포스트휴머니즘을 통한 인문학분야에서의 인공지능은 어떻게 연구, 개발 되고 있는가?	인공지능은 4차 산업혁명을 통해 객체인식과 패턴인식, 형태소분석, 이미지프로세싱(Image Processing)등 빅데이터(Big_Data)를 기반으로 중요 핵심기술로 자리를 잡아가고 있다. 특히 포스트휴머니즘을 통한 인문학분야에서의 인공지능은 스마트디바이스 ICT융,복합 산업과 더불어 다양한 디바이스와 플랫폼등 각기 다양한 인식 기반의 파라미터 연구가 활발히 연구를 되고 있으며, 객체인식 기반의 안면 인식은 사람의 얼굴과 표정 그리고 눈의 동공을 통해서 인식할 수 있을 만큼 다양한 기술이 개발되고 있다. 또한 양안 시차를 이용한 인지 기술은 얼굴 인식을 기반으로 객체 인식을 통해 식별할 수 있도록 연구 개발이 활발히 진행되고 있다.

참고문헌 (12)

3차원 영상연구회, 3차원 영상기술 연구 개발 계획 보고서, 전자공학회, 2017.
한국통신학회, 얼굴 및 눈 위치 추적을 통한 3DTV 화면 인터페이스제어에 관한 연구, 2018.
Y.Y. Yeh and L.D. Silverstein, "Limits of fusion and depth judgment in stereoscopic color displays," Human Factors, Vol.32, No.1, Feb. 2014, pp.45-60.
S. Pastoor and M. Wopking, "3-D Displays: A review of current technologies," Displays, Vol.17, 2016, pp.7-26, pp.100-110.
J.O. Merrit, "Stereoscopic display applications issues-Part 1: Human factor Issues," Course Notes, IS&T/SPIE Symposiumon Electronic Imaging Science and Technology, 2013.
S. Shiwa, K. Omura, and F. Kishino, "Proposal for a 3-D display with accommodative compen sation: 3DDAC," Journal of SID, Vol.4, 2018, pp.255-261.
M. Wopking, "Viewing comfort with stereoscopic pictures: An experimental study on the subjective effects of disparity magnitude and depth of focus," Journal of the SID, Vol.3, No.3, 2014, pp.101-103.
W. Blohm, I.P. Bleldie, K. Schenke, K. Fazel, S. Pastoor, "Stereoscopic image representation with synthetic depth of field, "Journal of the SID, Vol.5, No.3, 2015, pp.307-313.
P.Engeldrum, Psychometric Scaling Imcotek Press, Winchester, Massachusetts, USA.,2014.
N. Hiruma and T. Fukuda, "Accommodation response to binocular stereoscopic TV images and their viewing conditions," SMPTE Journal, Dec. 2018, pp.1137-1144.
최종명.김기원, "모바일 플랫폼을 이용한 상황인지 멀티미디어 서비스 시스템 분석," 디지털산업정보학회 논문지, 제2권 제3호, 2006, pp.95-102.
정도영.홍기천, "얼굴 특징 정보를 이용한 향상된 눈동자 추적을 통 한 졸음운전 경보 시스템 구현," 디지털산업정보학회 논문지, 제5권 제2호, 2009, pp.167-176.

원문보기 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