[논문]키넥트 카메라 기반 FBX 형식 모션 캡쳐 애니메이션에서의 관절 오류 보정을 위한 인체 부위 길이와 관절 가동 범위 제한

정주헌; 김상준; 윤명석; 박구만

doi:10.5909/jbe.2020.25.3.405

[국내논문] 키넥트 카메라 기반 FBX 형식 모션 캡쳐 애니메이션에서의 관절 오류 보정을 위한 인체 부위 길이와 관절 가동 범위 제한
Body Segment Length and Joint Motion Range Restriction for Joint Errors Correction in FBX Type Motion Capture Animation based on Kinect Camera 원문보기

방송공학회논문지 = Journal of broadcast engineering, v.25 no.3, 2020년, pp.405 - 417

정주헌 (서울과학기술대학교 전자IT미디어공학과) , 김상준 (서울과학기술대학교 정보통신미디어공학전공) , 윤명석 (서울과학기술대학교 미디어IT공학과) , 박구만 (서울과학기술대학교 전자IT미디어공학과)

초록
AI-Helper

확장현실의 대중화로 사람의 동작을 실시간 3D 애니메이션으로 구현하는 연구가 활발히 진행 중이다. 특히 Microsoft에서 키넥트 카메라를 개발함에 따라 설비의 부담 없이 간단한 조작만으로도 3D 모션 정보 취득이 가능해져 FBX와 같은 3D 형식과 결합하여 실시간 애니메이션 생성이 가능해졌다. 하지만 키넥트는 마커 기반 모션 캡쳐 시스템에 비해 관절 정보의 추정 성능이 뒤떨어져 낮은 정확도를 보인다. 이에 본 논문에서는 키넥트 카메라 기반 FBX 형식의 모션 캡쳐 애니메이션 시스템에서의 자연스러운 인체 움직임을 구현하고자 관절 추정 오류를 보정하는 두 알고리즘을 제안한다. 첫 번째로 키넥트로 사람의 위치 정보를 취득하고 깊이 지도를 생성하여 인체 부위 길이 제약 정보를 이용해 잘못된 관절 위치 값을 보정, 새로운 회전 값을 추정한다. 두 번째로 기존 및 추정된 회전 값들에 미리 설정된 관절 가동 범위 제약을 적용, FBX로 구현해 비정상적인 동작을 제거한다. 실험으로부터 사람의 동작이 개선되는 것을 확인하였고 알고리즘 간 오차를 비교하여 시스템의 우수성을 입증하였다.

Abstract ▼ AI-Helper

Due to the popularization of the Extended Reality, research is actively underway to implement human motion in real-time 3D animation. In particular, Microsoft developed Kinect cameras for 3D motion information can be obtained without the burden of facilities and with simple operation, real-time animation can be generated by combining with 3D formats such as FBX. Compared to the marker-based motion capture system, however, Kinect has low accuracy due to its lack of estimated performance of joint information. In this paper, two algorithms are proposed to correct joint estimation errors in order to realize natural human motion in motion capture animation system in Kinect camera-based FBX format. First, obtain the position information of a person with a Kinect and create a depth map to correct the wrong joint position value using the human body segment length constraint information, and estimate the new rotation value. Second, the pre-set joint motion range constraint is applied to the existing and estimated rotation value and implemented in FBX to eliminate abnormal behavior. From the experiment, we found improvements in human behavior and compared errors between algorithms to demonstrate the superiority of the system.

주제어

표/그림 (14)

그림 그림 1. 관절 가동 범위^[7] Fig. 1. Range of motion^[7]
그림 그림 2. 키넥트 카메라의 (좌) 색상 및 (우) 깊이 영상^[9] Fig. 2. (left) Color and (right) depth image of Kinect camera^[9]
그림 그림 3. FBX의 (좌) 스켈레톤과 (우) 메쉬^[11] Fig. 3. (left) Skeleton and (right) mesh of FBX format^[11]
그림 그림 4. 키넥트 관절 활용정보 Fig. 4. Kinect joints usage
그림 그림 5. BSL 알고리즘 구현 절차 Fig. 5. Process of implementing BSL algorithm
그림 그림 6. 표준 골격 형태로의 관절 위치 변환 Fig. 6. Transforming the position of the joint into a default skeleton shape
그림 그림 7. 3D 평면상 관절의 회전 운동^[13] Fig. 7. Joint rotation on the 3D plane^[13]
그림 그림 8. 키넥트에서 제공하는 뼈의 회전 정보 Fig. 8. Bone rotation from Kinect
표 표 1. 여러 구간의 관절당 오일러 각도(°)의 최대-최소 값 Table 1. Maximum and minimum values of Euler angles per joint in multiple sections
그림 그림 9. ROM 알고리즘 구현 Fig. 9. Implementing ROM algorithm
그림 그림 10. BSL 알고리즘 실험 Fig. 10. Experiment of BSL algorithm
그림 그림 11. ROM 알고리즘 실험 Fig. 11. Experiment of ROM algorithm
표 표 2. 다섯 가지 경우에 대한 알고리즘 별 실제 값(m), 실험 값, 오차(%), 평균오차 Table 2. True value, measured value, error, and average error by each algorithm for each of the five cases
표 표 3. CPU i7-6700, RAM 8G에서 252개의 프레임에 대한 알고리즘 별 모듈 내 처리 시간(㎳), 프레임 레이트(fps) Table 3. Processing time and frame rate within module by each algorithm for 252 frames in CPU i7-6700, RAM 8G

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 논문에서는 키넥트와 FBX를 이용한 실시간모션 캡쳐 애니메이션 시스템에서의 관절 추정 오류를 보정하고자 사전에 주어진 인체 부위 길이의 제약을 이용하는 것과 미리 설정된 관절 가동 범위 제약을 이용하는 두가지 알고리즘을 제안한다. 첫 번째로 키넥트로 취득한 관절 위치 정보로부터 인체 깊이 지도를 생성하고 사전적으로 설정된 BSL 정보를 적용해 잘못된 관절 위치 정보를보정, 이로부터 새로운 회전 정보를 추정한다.
본 실험은 키넥트 카메라로 촬영한 실험 데이터에 두 보정 알고리즘을 적용한 뒤 FBX로 생성된 3D 애니메이션으로부터 자세 및 동작이 개선되었는지를 확인하고 키넥트로촬영된 색상 및 깊이 영상으로부터 직접 실제 위치 값을구해 각 알고리즘의 오차를 구한 뒤 알고리즘간의 오차를비교하기 위해 진행되었다.

제안 방법

ROM 알고리즘은 그림 4의 모델 구현 관절들을 대상으로 한다. ROM 데이터를 취득하기 위해 수행자는 키넥트카메라 앞에서 그림 7과 같이 구현 대상 관절마다 XY평면, XZ평면, YZ평면에 대해 최대한으로 가능한 회전 운동을시행한다
ROM을 설정하기 위해 관절별 오일러 회전각을 시간축상에 나타내어 노이즈를 제거하고 최대, 최솟값을 분석하여 ROM을 결정한다. 관절 회전 값(˚)의 정상 범위는 E(E_X,E_Y,E_Z)∈ (-π, π) 성질상 값의 부호가 반전돼 값의 분포 영역이 복수로 이산되는 것을 고려하여 최대 3개의오름차순 복수구간 Ⅰ, Ⅱ, Ⅲ이 되도록 설정해 표 1에 나타내었다.
5가지 경우, Ⅰ~Ⅴ는 순서대로 팔꿈치, 손목, 무릎, 발목, 발의 위치 추적이 오류가발생했던, 서로 다른 시간대·실험자의 상황이다. Ⅲ절의 2.1절의 방법을 이용하여 키넥트로 촬영된 색상 및 깊이 영상속 해당 관절에 부착된 마커의 3D상 실제 위치 값을 구하였고 오류가 난 위치 값에 각 알고리즘을 적용하여 보정된실험 값을 구해 실제 값과의 오차들을 구한 뒤, 오차의 평균을 내었다.
다음으로 FBX SDK에서 3D 데이터를 제어하기 위해 우선 오브젝트가 위치할 FbxManager을 선언한뒤에 FbxScene를 생성하여 오브젝트를 할당한다. 그 다음FbxNode를 선언해 스켈레톤들을 생성, 관절들의 부모-자식 상속 관계를 지정하여 전체 골격 형태를 구조 짓고 메쉬를 입혀 3D 모델을 완성시킨다. 이때 각 관절의 속성과 위치, 크기, 회전 정보를 설정한다.
첫 번째로 키넥트로 취득한 관절 위치 정보로부터 인체 깊이 지도를 생성하고 사전적으로 설정된 BSL 정보를 적용해 잘못된 관절 위치 정보를보정, 이로부터 새로운 회전 정보를 추정한다. 두 번째로, 선행한 알고리즘의 한계를 보완하고자, 먼저 ROM을 설정하기 위해 키넥트 앞에서 관절들에 대해 회전 운동을 시행하여 관절 회전 정보를 취득하고 FBX의 관절 구조에 적용되기 위한 변환들을 거친 뒤 회전 값들을 분석하여 직접ROM을 구한다. 최종적으로 실험 데이터에 ROM을 적용하여 관절의 비정상적인 회전 운동을 제거해 인체의 자연스러운 움직임을 구현한다.
이때 각 관절의 속성과 위치, 크기, 회전 정보를 설정한다. 마지막으로 AnimationStack 및 Animation Layer를 선언하고 Time 및 Key Index를 지정해 모델의 애니메이션을 구현한다.
먼저 5명이 실험에 참가하여 인체의 관절에 마커를 부착한 뒤 전체 시스템을 실행시키고 키넥트 카메라 앞에서임의의 동작을 수행하였다. 실험 결과 그림 10 (a)는 GUI(Graphical User Interface)에 표출된 오류가 난 특정 시간에서의 특정 실험자의 원본 FBX이며 (b)는 이것에 BSL 알고리즘이 적용된 결과를 보여준다.
본 연구에서 인체 관절 좌표 취득은 Kinect SDK 2.0를이용했으며 BSL 및 ROM 알고리즘 개발은 C/C++를, 그리고 실시간 3D 애니메이션 형성 및 표출은 FBX SDK 2019,Open Frame Work 0.9.8로 자체 개발된 프로그램을 이용하였다.
그러나 키넥트카메라는 관절 위치 및 회전 정보 추정 성능에 문제가 많아 추가적인 보정 알고리즘을 필요로 한다. 이를 해결하기위하여 본 논문에서는 깊이 지도와 사전에 설정된 BSL을이용하여 잘못된 관절의 위치 값을 보정하고 새로운 회전값을 추정한 뒤 이것과 키넥트에서 제공하는 회전 정보의ROM을 구하고 FBX SDK에서 스켈레톤의 각 관절에 적용되는 회전 정보에 이를 제약으로 적용하여 부정확한 자세 및 동작을 개선하는 알고리즘을 개발하였다. 실험결과순간적으로 인체 윤곽과 ROM을 벗어난 관절 값을 감지하고 전자의 경우는 관절의 위치 값을 조건을 만족하는 위치로 근사하고 후자의 경우엔 관절의 회전 값을 이전 프레임의 회전 값으로 대체하여 동작이 더욱 자연스러워지는 것을 확인하였다.
따라서 본 논문에서는 키넥트와 FBX를 이용한 실시간모션 캡쳐 애니메이션 시스템에서의 관절 추정 오류를 보정하고자 사전에 주어진 인체 부위 길이의 제약을 이용하는 것과 미리 설정된 관절 가동 범위 제약을 이용하는 두가지 알고리즘을 제안한다. 첫 번째로 키넥트로 취득한 관절 위치 정보로부터 인체 깊이 지도를 생성하고 사전적으로 설정된 BSL 정보를 적용해 잘못된 관절 위치 정보를보정, 이로부터 새로운 회전 정보를 추정한다. 두 번째로, 선행한 알고리즘의 한계를 보완하고자, 먼저 ROM을 설정하기 위해 키넥트 앞에서 관절들에 대해 회전 운동을 시행하여 관절 회전 정보를 취득하고 FBX의 관절 구조에 적용되기 위한 변환들을 거친 뒤 회전 값들을 분석하여 직접ROM을 구한다.
키넥트 카메라로 촬영한 실험 데이터의 FBX에 적용되는 관절 회전 값 Rtj(Xtj,Ytj,Ztj) 중 한 성분이라도 표 1의해당 ROM 구간을 벗어날 경우 이전 프레임의 회전 값Rt-1j(Xt-1j,Yt-1j,Zt-1j)으로 대체하는 방식으로 ROM을 적용한다.

대상 데이터

그림 4에 나타난 키넥트가 제공하는 인체 25개의 관절중 주요 부위 18개(회색 점)의 관절들을 시스템의 모델 구현 대상으로 하며 이 중 움직임이 많고 위치 추정 오류가잦은 8개(빗금 점)의 관절들을 BSL 알고리즘의 오류 보정대상으로 한다.

이론/모형

첫 번째 V1은 2012년에 발매됐으며 IR 센서에서 투광한 적외선패턴을 읽고 패턴의 왜곡으로부터 깊이 정보를 얻는 방식을이용한다. 두 번째 V2는 2014년에 발매됐으며 IR 센서에서투광한 적외선이 반사되는 시간으로부터 깊이 정보를 얻는TOF(Time of Flight) 방식을 이용한다. IR 센서는 실시간으로 깊이 정보뿐만 아니라 RGB 카메라의 색상 영상에서의인체 움직임의 관절 추적 정보를 제공한다.

성능/효과

2.2 알고리즘간 비교표 2에서 BSL 알고리즘이 ROM 알고리즘보다 전반적으로 매우 낮은 오차를 보임에 따라 BSL의 평균 오차가ROM의 평균 오차보다 낮다. 두 알고리즘을 병행하면 경우Ⅰ, Ⅱ에서 BSL의 높은 오차가 ROM의 오차로 대체됨에따라 가장 낮은 평균 오차를 보인다.
2 알고리즘간 비교표 2에서 BSL 알고리즘이 ROM 알고리즘보다 전반적으로 매우 낮은 오차를 보임에 따라 BSL의 평균 오차가ROM의 평균 오차보다 낮다. 두 알고리즘을 병행하면 경우Ⅰ, Ⅱ에서 BSL의 높은 오차가 ROM의 오차로 대체됨에따라 가장 낮은 평균 오차를 보인다.
모션 캡쳐 시스템은 모션 데이터의 취득 방식에 따라 크게 광학식, 자기식, 관성식, 기계식, 음향식으로 나누어지는데 최근Microsoft에서 개발한 키넥트(Kinect) 카메라는 대표적인마커리스 광학식 모션 캡쳐 시스템으로 RGB(Red·Green·Blue) 카메라와 IR(Infra Red) 센서만으로도 인체의 관절정보를 제공한다. 따라서 비콘(Vicon)과 같은 다른 마커 기반 모션 캡쳐 시스템들과 달리 설비의 부담과 전문적인 프로그램 사용하지 않고도 FBX(Filmbox)와 같은 3D 데이터형식과 결합하여 실시간 3D 애니메이션 구현이 가능해졌다. 하지만 키넥트는 다른 마커 기반 시스템에 비해 관절정보 추정 성능이 현저히 낮아 추정 오류로 인한 비정상적인 움직임을 유발할 확률이 매우 높기 때문에 이를 보정하기 위한 연구로 다수의 키넥트 카메라, DSRL(DigitalSingle Lens Reflex) 카메라, 노이즈 데이터 또는 데이터 베이스를 이용해 추정 성능을 향상시키거나 추정된 정보에칼만(Kalman) 필터 또는 RANSAC(Random Sample Consensus) 알고리즘을 적용해 오류를 제거하는 것과 같은 다양한 방법이 제안되었다^[2,3,4,5].
실험결과순간적으로 인체 윤곽과 ROM을 벗어난 관절 값을 감지하고 전자의 경우는 관절의 위치 값을 조건을 만족하는 위치로 근사하고 후자의 경우엔 관절의 회전 값을 이전 프레임의 회전 값으로 대체하여 동작이 더욱 자연스러워지는 것을 확인하였다. 또한 직접 실제 위치 값을 도출하여 보정된 실험 값과 비교해 알고리즘들의 평균 오차를 구하고이들을 비교하여 제안된 알고리즘의 우수성을 입증하였다.
이를 해결하기위하여 본 논문에서는 깊이 지도와 사전에 설정된 BSL을이용하여 잘못된 관절의 위치 값을 보정하고 새로운 회전값을 추정한 뒤 이것과 키넥트에서 제공하는 회전 정보의ROM을 구하고 FBX SDK에서 스켈레톤의 각 관절에 적용되는 회전 정보에 이를 제약으로 적용하여 부정확한 자세 및 동작을 개선하는 알고리즘을 개발하였다. 실험결과순간적으로 인체 윤곽과 ROM을 벗어난 관절 값을 감지하고 전자의 경우는 관절의 위치 값을 조건을 만족하는 위치로 근사하고 후자의 경우엔 관절의 회전 값을 이전 프레임의 회전 값으로 대체하여 동작이 더욱 자연스러워지는 것을 확인하였다. 또한 직접 실제 위치 값을 도출하여 보정된 실험 값과 비교해 알고리즘들의 평균 오차를 구하고이들을 비교하여 제안된 알고리즘의 우수성을 입증하였다.
따라서 BSL-ROM 순으로 두 알고리즘을 병행해 일반적인 상황에서는 BSL 알고리즘을 적용하고 특정 상황에서는ROM 알고리즘을 적용함에 따라 두 알고리즘의 한계를 보완할 수 있다. 표 2의 경우 Ⅲ~Ⅴ에서는 선행된 BSL 알고리즘의 적용 결과가 다음의 ROM 알고리즘에선 정상으로 판단, 결과가 유지되어 처음과 같은 오차를 보였으나 경우 Ⅰ, Ⅱ에서는 비정상으로 판단, ROM이 적용되어 ROM 알고리즘만을 적용했을 때와 오차와 같게 돼 모든 경우에 대해낮은 오차를 보이게 되었다.

질의응답

핵심어	질문	논문에서 추출한 답변
	오늘날의 확장현실의 상태는 어떠한가?	오늘날 디지털 영상 장비와 영상 처리 기술의 발전으로확장현실(Extended Reality; XR)과 같은 3D 콘텐츠 보급이증가함과 동시에 현실 세계의 사람의 동작을 가상 세계의애니메이션으로 정확하게 구현시키는 기술에 대한 연구가활발히 진행 중이다. 모션 캡쳐란 몸에 센서를 부착하거나전파, 음향 등을 이용해 인체의 움직임을 디지털 형태로 기록하는 기술로 과거에 사람의 움직임을 손수 애니메이션으로 구현하던 것에 비해 매우 편리한 이점을 지녀 아직까지도 영화, 게임 산업에서 이용되고 있는 기술이다[1].
	모션 캡쳐란 무엇인가?	오늘날 디지털 영상 장비와 영상 처리 기술의 발전으로확장현실(Extended Reality; XR)과 같은 3D 콘텐츠 보급이증가함과 동시에 현실 세계의 사람의 동작을 가상 세계의애니메이션으로 정확하게 구현시키는 기술에 대한 연구가활발히 진행 중이다. 모션 캡쳐란 몸에 센서를 부착하거나전파, 음향 등을 이용해 인체의 움직임을 디지털 형태로 기록하는 기술로 과거에 사람의 움직임을 손수 애니메이션으로 구현하던 것에 비해 매우 편리한 이점을 지녀 아직까지도 영화, 게임 산업에서 이용되고 있는 기술이다[1]. 모션 캡쳐 시스템은 모션 데이터의 취득 방식에 따라 크게 광학식, 자기식, 관성식, 기계식, 음향식으로 나누어지는데 최근Microsoft에서 개발한 키넥트(Kinect) 카메라는 대표적인마커리스 광학식 모션 캡쳐 시스템으로 RGB(Red·Green·Blue) 카메라와 IR(Infra Red) 센서만으로도 인체의 관절정보를 제공한다.
	광학식 모션 캡쳐 시스템인 키넥트의 문제점은 무엇인가?	따라서 비콘(Vicon)과 같은 다른 마커 기반 모션 캡쳐 시스템들과 달리 설비의 부담과 전문적인 프로그램 사용하지 않고도 FBX(Filmbox)와 같은 3D 데이터형식과 결합하여 실시간 3D 애니메이션 구현이 가능해졌다. 하지만 키넥트는 다른 마커 기반 시스템에 비해 관절정보 추정 성능이 현저히 낮아 추정 오류로 인한 비정상적인 움직임을 유발할 확률이 매우 높기 때문에 이를 보정하기 위한 연구로 다수의 키넥트 카메라, DSRL(DigitalSingle Lens Reflex) 카메라, 노이즈 데이터 또는 데이터 베이스를 이용해 추정 성능을 향상시키거나 추정된 정보에칼만(Kalman) 필터 또는 RANSAC(Random Sample Consensus) 알고리즘을 적용해 오류를 제거하는 것과 같은 다양한 방법이 제안되었다[2,3,4,5]. 그러나 상기의 방법은 설비의 부담으로 인해 기존 키넥트 시스템이 지닌 장점이무의미해지며 또한 인체 부위 길이(Body Segment Length;BSL)가 비정상적인 값을 보이거나 움직임이 정상적인 관절 가동 범위(Range of Motion; ROM)를 넘어서는 추정 오류를 해결하는데 적합하지 않다.

참고문헌 (13)

Motion Capture, https://en.wikipedia.org/wiki/Motion_capture (accessed Jan. 6, 2020).
C. Jun, J. Lee, and S. Noh, "A Study on Modeling Automation of Human Engineering Simulation Using Multi Kinect Depth Cameras", Transactions of the Society of CAD/CAM Engineers, Vol.21, No.1, pp. 9-19, March 2016, DOI: 10.7315/CADCAM.2016.009

원문보기 상세보기
S. Park, "Motion Correction Captured by Kinect based on Synchronized Motion Database", Korea Computer Graphics Society, Vol.23, No.2, pp. 41-48, June 2017, DOI: 10.15701/kcgs.2017.23.2.41

원문보기 상세보기
J. Shu, F. Hamano, and J. Angus, "Application of Extended Kalman Filter for Improving the Accuracy and Smoothness of Kinect Skeleton-joint Estimates", Journal of Engineering Mathematics, Vol.88, No.1, pp.161-175, May 2014, DOI: 10.1007/s10665-014-9689-2

상세보기
H. Li, G. Wan, H. Li, A. Sharf, K. Xu, and B. Chen, "Mobility Fitting using 4D RANSAC", Computer Graphics Forum, Vol.35, No.5, pp. 79-88, August 2016, DOI: 10.1111/cgf.12965

상세보기
Range of Motion, https://blog.naver.com/kimpulse/221019431886 (accessed Jan. 6, 2020).
Joint Range of Motion, https://accessphysiotherapy.mhmedical.com (accessed Jan. 6, 2020).
Comparison of Kinect v1 and Kinect v2, https://design486.tistory.com/460 (accessed Jan. 6, 2020).
RGB and Depth Adjustment, https://tommyhsm.tistory.com/124 (accessed Jan. 6, 2020).
Loading Mesh in FBX File, https://blog.naver.com/lifeisforu/80105357896 (accessed Jan. 6, 2020).
Loading and Playing Skeletal Animations, http://www.downloads.redway3d.com (accessed Jan. 6, 2020).
Y. Ho, Acquiring and Processing Technology of Realistic Multi-view 3D Images, Jinsaem Media, Korea, pp.96-97, 2016.
Axis of Rotation, https://www.acefitness.org (accessed Jan. 6, 2020).

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