성장 장애 중 저신장증은 빠른 진단과 치료를 통해 호전시킬 수 있는데 이를 위해서는 저신장증의 조기발견이 중요하다. 저신장증 조기발견 및 아이의 성장 과정 확인을 위해 꾸준히 키를 측정하는 것이 권장되지만 기존의 키 측정방법들에는 시간적·공간적 한계와 비용 발생, 기록유지의 어려움 등의 문제들이 존재한다. 그래서 본 논문에서는 사람들의 접근성이 높은 매체인 스마트폰을 이용하는 '컴퓨터 비전을 이용한 이미지 기반 아이 키 측정 애플리케이션 개발' 방법을 제안하였다. 스마트폰의 카메라를 통해 촬영된 이미지에서 컴퓨터 비전 라이브러리인 OpenCV의 알고리즘들을 이용하여 아이의 키를 측정하고, 그렇게 측정된 키는 성별·나이별 표준 신장과의 비교 그래프, 날짜별 리스트를 통해 화면에 출력함으로써 아이의 성장 과정 확인이 가능하도록 하였다. 이 제안된 방법을 통해 시간적·공간적 제약 및 비용 발생 없이 언제 어디서든 키를 측정할 수 있을 것이라 기대되고, 꾸준한 키 측정과 성장 과정 확인을 통한 저신장증 및 성장 장애의 조기발견에 도움이 될 것이라 기대된다.
성장 장애 중 저신장증은 빠른 진단과 치료를 통해 호전시킬 수 있는데 이를 위해서는 저신장증의 조기발견이 중요하다. 저신장증 조기발견 및 아이의 성장 과정 확인을 위해 꾸준히 키를 측정하는 것이 권장되지만 기존의 키 측정방법들에는 시간적·공간적 한계와 비용 발생, 기록유지의 어려움 등의 문제들이 존재한다. 그래서 본 논문에서는 사람들의 접근성이 높은 매체인 스마트폰을 이용하는 '컴퓨터 비전을 이용한 이미지 기반 아이 키 측정 애플리케이션 개발' 방법을 제안하였다. 스마트폰의 카메라를 통해 촬영된 이미지에서 컴퓨터 비전 라이브러리인 OpenCV의 알고리즘들을 이용하여 아이의 키를 측정하고, 그렇게 측정된 키는 성별·나이별 표준 신장과의 비교 그래프, 날짜별 리스트를 통해 화면에 출력함으로써 아이의 성장 과정 확인이 가능하도록 하였다. 이 제안된 방법을 통해 시간적·공간적 제약 및 비용 발생 없이 언제 어디서든 키를 측정할 수 있을 것이라 기대되고, 꾸준한 키 측정과 성장 과정 확인을 통한 저신장증 및 성장 장애의 조기발견에 도움이 될 것이라 기대된다.
Among growth disorders, 'Short Stature' can be improved through rapid diagnosis and treatment, and for that, it is important to detect early'Short Stature'. It is recommended to measure the height steadily for early detection of 'Short Stature' and checking the kid's growth process, but existing hei...
Among growth disorders, 'Short Stature' can be improved through rapid diagnosis and treatment, and for that, it is important to detect early'Short Stature'. It is recommended to measure the height steadily for early detection of 'Short Stature' and checking the kid's growth process, but existing height measurement methods have problems such as time and space limitations, cost occurrence, and difficulty in keeping records. So in this paper, we proposed an 'Development of Kid Height Measurement Application based on Image using computer vision' method using smart phones, a medium that is highly accessible to people. In images taken through a smartphone camera, the kid's height is measured using algorithms from OpenCV, a computer vision library, and the measured heights were printed on the screen through 'a comparison graph with the standard height by gender and age' and 'list by date', made possible to check the kid's growth process. It is expected to measure height anytime, anywhere without time and space limitations and costs through this proposed method, and it is expected to help early detection of 'Short Stature' and other disorder through steady height measurement and confirmation of growth process.
Among growth disorders, 'Short Stature' can be improved through rapid diagnosis and treatment, and for that, it is important to detect early'Short Stature'. It is recommended to measure the height steadily for early detection of 'Short Stature' and checking the kid's growth process, but existing height measurement methods have problems such as time and space limitations, cost occurrence, and difficulty in keeping records. So in this paper, we proposed an 'Development of Kid Height Measurement Application based on Image using computer vision' method using smart phones, a medium that is highly accessible to people. In images taken through a smartphone camera, the kid's height is measured using algorithms from OpenCV, a computer vision library, and the measured heights were printed on the screen through 'a comparison graph with the standard height by gender and age' and 'list by date', made possible to check the kid's growth process. It is expected to measure height anytime, anywhere without time and space limitations and costs through this proposed method, and it is expected to help early detection of 'Short Stature' and other disorder through steady height measurement and confirmation of growth process.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 비용 발생이나 기록유지 및 공간적 한계의 문제점을 해결하고 더 접근성이 높은 키 측정을 위해 현재 사람들이 많이 이용하고 있는 매체 중 하나인 스마트폰을 이용한 방법을 제안한다. 스마트폰으로 촬영된 이미지에서 컴퓨터 비전 객체 검출 (Object detection) 기술을 통해 아이와 실제 길이를 알고 있는 기준이 되는 물체를 검출하고, 검출된 사람과 기준이 되는 물체의 화소 비율과 기준이 되는 물체의 실제 길이를 비교하여 키를 측정하는 방법을 제안한다.
본 논문에서는 사람들의 접근성이 높은 스마트폰의 카메라를 이용하여 촬영된 이미지에서 사람과 기준이 되는 물체를 검출하여 아이의 실제 키를 측정하는 애플리케이션을 개발하였다. 촬영된 이미지에서 사람·물체를 검출하여 키를 측정하기 위해 본 논문에서는 OpenCV 라이브러리의 SURF 알고리즘과 Haar Cascade 알고리즘을 이용하여 촬영된 이미지에서 사람과 실제 길이를 알고 있는 기준이 되는 물체를 검출하고 검출된 데이터 비교를 통해 실제 키를 측정하는 방법을 제안하였다.
본 논문의 연구에서는 스마트폰으로 촬영된 이미지에서 컴퓨터 비전 객체 검출(Object detection)을 통해 사람과 기준이 되는 물체를 검출하고, 검출된 사람과 기준이 되는 물체의 화소 길이 비율과 기준이 되는 물체의 실제 길이를 비교하여 사람의 실제 키를 측정하는 애플리케이션을 개발하였다. 그림 4는 애플리케이션에서 사용자로부터 촬영된 이미지를 받아 사람과 기준이 되는 물체를 검출하여 사용자에게 잘 검출되었는지 확인받고, 사용자 확인 후 측정한 키 데이터를 보여주는 화면이다.
본 논문의 연구에서는 시간적·공간적 한계 없이 언제 어디서든 아이의 키를 측정하고 기록하여 꾸준한 성장 기록을 통한 저신장 조기발견 및 올바른 성장 과정을 추진할 수 있어야 하기에 대부분의 사람들이 가지고 있는 모바일 디바이스(스마트폰)을 이용하여 키를 측정하도록 하였다.
본 논문의 연구에서는 카메라 촬영으로 인한 키 측정 방법을 제안하기에 카메라 화각에 의해 사람의 발 모양 전체가 카메라에 촬영되어 사람의 기존 길이보다 더 크게 잡히는 문제가 생긴다. 그래서 발뒤꿈치가 위치한 정확한 바닥 위치 측정을 위해 키 측정 사진 촬영 시 기준이 되는 물체를 사람의 발뒤꿈치 옆 바닥에 놓고 촬영해야 한다는 조건을 제시한다.
개발하였다. 촬영된 이미지에서 사람·물체를 검출하여 키를 측정하기 위해 본 논문에서는 OpenCV 라이브러리의 SURF 알고리즘과 Haar Cascade 알고리즘을 이용하여 촬영된 이미지에서 사람과 실제 길이를 알고 있는 기준이 되는 물체를 검출하고 검출된 데이터 비교를 통해 실제 키를 측정하는 방법을 제안하였다. 본 논문의 연구를 통해 공간적·시간적 제약 없이 스마트폰을 통해 언제 어디서든 간편하게 아이의 키를 측정하고 측정된 아이의 키와 그 아이의 나이·성별에 맞는 표준 신장과의 비교 그래프를 통해 아이가 정상 성장 과정을 밟고 있는지 확인하여 저신장증 및 성장 장애의 조기발견 및 올바른 성장 추진에 도움이 될 것이라 기대된다.
제안 방법
먼저 키 측정 전에 사용자로부터 기준이 되는 물체의 사진과 실제 길이를 입력받아 저장한다. 그런 다음 키 측정을 하기 위해 사용자로부터 사람과 기준이 되는 물체가 포함되어있는 이미지를 입력받으면 Hessian 임계값을 800으로 지정한 SURF 객체를 생성하여 입력된 이미지에서 기존에 저장되어있던 기준이 되는 물체의 이미지와의 매칭되는 포인트를 구한다. 매칭되는 포인트 중 상위 매칭 포인트들을 통해 특징점(Keypoint)들을 얻어 해당 기준이 되는 물체의 coner의 위치 x, y 값을 추출한다.
그런 다음 사용자로부터 아이의 이름, 나이, 성별을 입력받아 아이를 등록하고, 해당 아이의 이미지를 입력받아 이전에 입력받았던 ‘기준이 되는 물체’의 사진 데이터를 통해 입력된 이미지에서 기준 물체를 검출한다. 물체 검출 후 이미지에서 사람을 검출하고, 검출된 물체·사람의 화소 단위 길이와 이전에 입력받았던 물체의 실제 길이를 이용하여 사람의 실제 키를 측정한다. 키 측정이 끝난 후에는 측정된 키 데이터 수치를 비교 그래프와 날짜별 리스트로 표현하여 해당 아이의 성별·나이 표준 신장 데이터와의 차이를 보여준다.
Haar Cascade 알고리즘은 검출하길 원하는 오브젝트가 포함된 이미지와 포함되지 않은 이미지를 사용하여 Haar Cascade Classifier를 학습시키고 그분류기를 사용하여 오브젝트를 검출한다. 본 연구는 사람의 전신 이미지 검출을 학습한 XML 포맷으로 저장된 분류기 haarcascade_fullbody.xml을 이용하여 이미지에서 사람 전신이 위치한 직사각형 영역을 검출한 후 검출된 데이터의 왼쪽 상반 모서리의 x, y 좌표와 width, height 값을 추출하여 검출된 사람을 입력된 이미지 위에 표시하고 사람 전신의 화소 단위 길이를 구한다. 추가로 본 논문의 연구에서는 간혹 사람의 길이 데이터 정확도가 떨어진 상태로 검출 시재 검출을 진행하기 위해 사람 얼굴 위치 데이터를 기반으로 오차 조건을 지정하여 검출된 사람 데이터가 해당 오차 조건에 포함되면 사람을 재검출하도록 한다.
스마트폰으로 촬영된 이미지에서 컴퓨터 비전 객체 검출 (Object detection) 기술을 통해 아이와 실제 길이를 알고 있는 기준이 되는 물체를 검출하고, 검출된 사람과 기준이 되는 물체의 화소 비율과 기준이 되는 물체의 실제 길이를 비교하여 키를 측정하는 방법을 제안한다. 이는 스마트폰을 활용하여 아이의 키를 쉽게 자주 측정할 수 있게 해 줌으로써 아이가 정상 성장 과정을 밟고 있는지 확인하여 저신장증 및 성장 장애의 조기발견 및 올바른 성장 추진에 도움이 될 것으로 기대한다.
깊이 영상을 이용한 사람 키 추정 방법 [5] 연구에서도 역시 키넥트의 깊이 측정 기능을 이용하고 있다. 이 연구에서는 배경 깊이 영상을 촬영 후 배경 데이터를 축적하고, 그 이후의 촬영된 깊이 영상과 먼저 측정한 배경 깊이 영상의 깊이 데이터를 비교하여 객체를 도출한 다음 도출된 객체의 정수리와 발바닥 x, y, z축을 구하여 키를 측정하는 방법을 제안하였다. 이 연구 역시 키넥트를 이용한다는 점과 객체 도출을 위해 객체가 없을 때의 배경 깊이 영상을 먼저 측정해야 하기 때문에 디바이스가 특정 위치에 고정되어있어야 한다는 조건이 존재한다.
그림 2는 본 논문의 연구에서 사용한 ‘기준이 되는 물체’의 이미지와 검출된 결과 이미지이다. 이 제안된 방법은 길이 비교가 쉽도록 사각형 모양의 기준이 되는 물체를 사용하여 입력된 이미지에서 사각형 형태로 검출한다.
xml을 이용하여 이미지에서 사람 전신이 위치한 직사각형 영역을 검출한 후 검출된 데이터의 왼쪽 상반 모서리의 x, y 좌표와 width, height 값을 추출하여 검출된 사람을 입력된 이미지 위에 표시하고 사람 전신의 화소 단위 길이를 구한다. 추가로 본 논문의 연구에서는 간혹 사람의 길이 데이터 정확도가 떨어진 상태로 검출 시재 검출을 진행하기 위해 사람 얼굴 위치 데이터를 기반으로 오차 조건을 지정하여 검출된 사람 데이터가 해당 오차 조건에 포함되면 사람을 재검출하도록 한다. 사람의 얼굴 이미지를 학습한 XML 포맷 분류기인 haarcascade_frontalface_alt2.
키가 성장하는 데이터를 측정하기엔 시간적인 한계가 존재하여 본 논문의 연구는 측정한 데이터의 오차율과 데이터 정확도를 기준으로 평가한다. 본 논문의 연구에서는 스마트폰 Samsung Galaxy S7 기종을 이용하였고, 더 정확한 측정을 위해 사람의 가슴과 배사이에 카메라의 중점을 둔 상태에서 스마트폰이 바닥과 수직을 이루어야 한다는 조건을 만족하였다.
키를 측정하기 위해서는 입력된 이미지에서 기준이 되는 물체와 사람을 검출하고 화소 단위의 크기 비율을 구해 저장되어 있던 기준 물체의 실제 크기와 비교하여 검출된 사람의 실제 키를 측정한다.
그래서 발뒤꿈치가 위치한 정확한 바닥 위치 측정을 위해 키 측정 사진 촬영 시 기준이 되는 물체를 사람의 발뒤꿈치 옆 바닥에 놓고 촬영해야 한다는 조건을 제시한다. 해당 조건에 만족한 후 사람 검출 시 이전 과정에서 검출된 기준이 되는 물체의 coner의 위치 좌표 x, y 값 중하위 y 값을 바닥의 위치로 지정하여 사람을 검출함으로써 카메라 화각에 의해 생기는 문제를 해결한다. 그림 3은 본 논문 연구에서 설명한 조건들을 적용하여 도출한 사람 검출 결과 화면이다.
측정하는 방법을 제안한다. 해당 카메라에서 먼저 길이가 알려진 객체를 통해 근거리, 원거리 화소 데이터(각 거리의 객체 화소와 실제 크기를 비교하여 측정된 데이터)를 수집한 다음, 그 이후로 촬영된 객체는 해당 객체의 화소와 수집한 데이터의 화소 비율을 비교하여 해당 객체의 실제 길이를 측정하였다. 이 연구는 카메라가 신규로 설치되거나 설치 환경이 바뀌면 그 환경에서 실제 길이를 아는 객체를 통해 화소별 실제 길이 데이터를 재측정해야 한다.
이론/모형
입력된 이미지에서 기준이 되는 물체를 검출하기 위해 본 논문의 연구에서는 OpenCV의 SURF 알고리즘을 이용한다. 먼저 키 측정 전에 사용자로부터 기준이 되는 물체의 사진과 실제 길이를 입력받아 저장한다.
입력된 이미지에서 사람을 검출하기 위해 본 논문의 연구는 OpenCV의 Haar Cascade 알고리즘을 이용한다. Haar Cascade 알고리즘은 검출하길 원하는 오브젝트가 포함된 이미지와 포함되지 않은 이미지를 사용하여 Haar Cascade Classifier를 학습시키고 그분류기를 사용하여 오브젝트를 검출한다.
성능/효과
데이터 정확도를 기준으로 평가한다. 본 논문의 연구에서는 스마트폰 Samsung Galaxy S7 기종을 이용하였고, 더 정확한 측정을 위해 사람의 가슴과 배사이에 카메라의 중점을 둔 상태에서 스마트폰이 바닥과 수직을 이루어야 한다는 조건을 만족하였다.
0cm인 B를 제시한 조건에 만족한 상태로 7번 측정했을 때 측정된 키 데이터의 결과표이고 표 3은 그 데이터와 실제 키의 오차 결과표이다. 해당 결과를 통해 평균 약 1cm의 오차가 발생하는 키 측정 애플리케이션의 개발이 가능하다는 것을 보였다. 키 측정 시 제한 주었던 몇 가지 조건(촬영 시 기준이 되는 물체를 발뒤꿈치 뒤에 두는 것, 사람의 가슴과 배 사이에 카메라의 중점을 둔 상태에서 스마트폰을 바닥과 수직을 이루게 하는 것)을 만족시키면서 몇 개월 또는 몇 년의 지속하는 데이터를 수집하게 되면 다소 오차는 있지만, 아이가 올바르게 성장하고 있는지에 대한 판단은 할 수 있을 것으로 보인다.
후속연구
촬영된 이미지에서 사람·물체를 검출하여 키를 측정하기 위해 본 논문에서는 OpenCV 라이브러리의 SURF 알고리즘과 Haar Cascade 알고리즘을 이용하여 촬영된 이미지에서 사람과 실제 길이를 알고 있는 기준이 되는 물체를 검출하고 검출된 데이터 비교를 통해 실제 키를 측정하는 방법을 제안하였다. 본 논문의 연구를 통해 공간적·시간적 제약 없이 스마트폰을 통해 언제 어디서든 간편하게 아이의 키를 측정하고 측정된 아이의 키와 그 아이의 나이·성별에 맞는 표준 신장과의 비교 그래프를 통해 아이가 정상 성장 과정을 밟고 있는지 확인하여 저신장증 및 성장 장애의 조기발견 및 올바른 성장 추진에 도움이 될 것이라 기대된다.
스마트폰으로 촬영된 이미지에서 컴퓨터 비전 객체 검출 (Object detection) 기술을 통해 아이와 실제 길이를 알고 있는 기준이 되는 물체를 검출하고, 검출된 사람과 기준이 되는 물체의 화소 비율과 기준이 되는 물체의 실제 길이를 비교하여 키를 측정하는 방법을 제안한다. 이는 스마트폰을 활용하여 아이의 키를 쉽게 자주 측정할 수 있게 해 줌으로써 아이가 정상 성장 과정을 밟고 있는지 확인하여 저신장증 및 성장 장애의 조기발견 및 올바른 성장 추진에 도움이 될 것으로 기대한다.
향후 연구로 사람의 측면 촬영을 통한 사람 검출기술을 추가하여 카메라 화각으로 인한 오차를 최소화하는 방법에 대해 연구를 하고자 한다.
참고문헌 (10)
Korean Society of Pediatric Endocrinology, "Causes and Treatment of Short Kidney Disease", URL: http://www.kspendo.or.kr/society/sub01_3.html
B. Lee, "If it is a preadolescent child, it have to grow at least 5 to 6 cm a year...," Health Chosun, Sept. 2017.
H. W. Lee, C. H. Liu, K. T. Chu, Y. C. Mai, P. C. Hsieh, K. C. Hsu, and H. C. Tseng, "Kinect Who's Coming-Applying Kinect to Human Body Height Measurement to Improve Character Recognition Performance," Smart Science, vol. 3, no. 2, 2015, pp. 117-121.
S. Kim, J. Song, B. Yoon, and J. Park, "Height Estimation using Kinect in the Indoor," J. of the Korea Institute of Electronic Communication Sciences, vol. 9, no. 3, Apr. 2014, pp. 343-350.
H. Kim, Y. Park, and S. Kwon, "A Method of Estimating the Human Height Using Depth Images," J. of the Korea Industrial Information Systems Research, vol. 22, no. 2, Apr. 2017, pp. 53-60.
S. Jeon, J. Song, J. Park, and B. Yoon, "Video Based Pedestrian Height Estimation Using Winer Optimization," J. of Korea Multimedia Society, vol. 19, no. 2, Feb. 2016, pp. 264-270.
S. Kim, J. Song, B. Yoon, and J. Park, "Height Estimation of pedestrian based on image," J. of the Korea Institute Of Information and Communication Engineering, vol. 18, no. 9, Sept. 2014, pp. 1035-1042.
K. Kim, and H. Wei, "Development of a Face Detection and Recognition System Using a RaspberryPi," J. of the Korea Institute of Electronic Communication Sciences, vol. 12, no. 5, Oct 2017, pp. 859-864.
M. Shin and W. Lee "A Driver's Condition Warning System using Eye Aspect Ratio," J. of the Korea Institute of Electronic Communication Sciences, vol. 15, no. 2, Apr. 2020, pp. 349-356.
C. Yoon, "The study of Authorized / Unauthorized Vehicle Recognition System using Image Recognition with Neural Network," J. of the Korea Institute of Electronic Communication Sciences, vol. 15, no. 2, Apr. 2020, pp. 299-306.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.