[논문]저가 카메라를 이용한 스마트 장난감 게임을 위한 모형 자동차 인식

강민혜; 홍원기; 고재필

doi:10.14372/iemek.2024.19.1.27

저가 카메라를 이용한 스마트 장난감 게임을 위한 모형 자동차 인식
Recognition of Model Cars Using Low-Cost Camera in Smart Toy Games

대한임베디드공학회논문지 = IEMEK Journal of embedded systems and applications, v.19 no.1, 2024년, pp.27 - 32

강민혜 (Kumoh National Institute of Technology) , 홍원기 (Daegu University) , 고재필 (Kumoh National Institute of Technology)

Abstract ▼ AI-Helper

Recently, there has been a growing interest in integrating physical toys into video gaming within the game content business. This paper introduces a novel method that leverages low-cost camera as an alternative to using sensor attachments to meet this rising demand. We address the limitations associated with low-cost cameras and propose an optical design tailored to the specific environment of model car recognition. We overcome the inherent limitations of low-cost cameras by proposing an optical design specifically tailored for model car recognition. This approach primarily focuses on recognizing the underside of the car and addresses the challenges associated with this particular perspective. Our method employs a transfer learning model that is specifically trained for this task. We have achieved a 100% recognition rate, highlighting the importance of collecting data under various camera exposures. This paper serves as a valuable case study for incorporating low-cost cameras into vision systems.

주제어

표/그림 (11)

그림 그림 1. 제안 비전 시스템이 탑재된 스마트 장난감 시제품 Fig. 1. Smart toy prototype with the proposed vision system
그림 그림 2. 모형 자동차 바닥 촬영을 위한 카메라 위치 및 모형 자동차 거치 투명창 Fig. 2. The transparent window on the table used to capture the underside of the model car
그림 그림 3. 다양한 패턴과 색상을 가진 모형 자동차 바닥 Fig. 3. The underside of model cars with various patterns and colors
그림 그림 4. 카메라 노출값에 따른 촬영영상 (상) 및 히스토그램 평활화 적용 영상 (하) Fig. 4. Images captured with varying camera exposure values (top) and images with applied histogram equalization (bottom)
그림 그림 5. VGG16기반 전이학습 모델 구조 Fig. 5. The architecture of transfer learning model based on VGG16
그림 그림 6. 노출에 따른 흰색과 검은색 모형 자동차 촬영 영상 Fig. 6. Images of white and black model cars captured for each dark and bright exposure
그림 그림 7. 거치대 투명창을 올려 촬영한 영상 Fig. 7. Images captured upward through the transparent window
그림 그림 8. 작은 투명창에서 촬영된 영상 FIg. 8. Images captured upward through the transparent narrowed window
그림 그림 9. 전이학습 모델 훈련용 데이터 픽셀 이동 증강 영상 Fig. 9. Images with pixel shift augmentation for training the transfer learning model
그림 그림 10. 카메라 노출 차이에 따른 PSNR 비교 Fig. 10. Comparison of PSNR at various camera exposures
그림 그림 11. 밝기증감에 따른 PSNR 비교 Fig. 11. Comparison of PSNR with varying brightness adjustments

참고문헌 (16)

김한결, K-스마트 토이 '루미' 중동시장 진출, 환경미디어, 2020.？
A. Krizhevsky, I. Sutskever, G. Hinton, "Imagenet Classification with Deep Convolutional Neural Networks," Advances in Neural Information Processing Systems, Vol. 25, 2012.？
K. Simonyan, A. Zisserman, "Very Deep Convolutional Networks for Large-scale Image Recognition," 3rd International Conference on Learning Representations, 2015.？
C. Szegedy, W. Liu, Y. jia, P. Sermanet, S. Reed, D. Anguelov, D. Erhan, V. Vanhoucke, A. Rabinovich, "Going Deeper with Convolutions," Proceedings of the IEEE Conference on Computer Vand Pattern Recognition, pp. 1-9, 2015.？
K. He, X. Zhang, S. Ren, J. Sun, "Deep Residual Learning for Image Recognition," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 770-778, 2016.？
A. G. Howard, M. Zhu, B. Chen, D. Kalenichenko, W. Wang, T. Weyand, M. Andreetto, H. Adam, "Mobilenets: Efficient Convolutional Neural Networks for Mobile Vision Applications," CoRR, Vol. abs/1704.04861, 2017.？
M. Tan, Q. Le, "Efficientnet: Rethinking Model Scaling for Convolutional Neural Networks," International Conference on Machine Learning, pp. 6105-6114, 2019.？
A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A. N. Gomez, L. Kaiser, I. Polosukhin, "Attention is All you Need," Advances in Neural Information Processing Systems, Vol. 30, 2017.？
A. Dosovitskiy, L. Beyer, A. Kolesnikov, D. Weissenborn, X. Zhai, T. Unterthiner, M. Dehghani, M. Minderer, G. Heigold, S. Gelly, "An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale," International Conference on Learning Representations, 2021.？
J. Deng, W. Dong, R. Socher, L.-J. Li, K. Li, L. Fei-Fei, "Imagenet: A Large-scale Hierarchical Image Database," 2009 IEEE Conference on Computer Vision and Pattern Recognition, pp. 248-255, 2009.？
S. J. Pan, Q. Yang, "A Survey on Transfer Learning," IEEE Transactions on Knowledge and Data Engineering, Vol. 22, No. 10, pp. 1345-1359, 2009.？
A. Hore, D. Ziou, "Image Quality Metrics: PSNR vs. SSIM," 2010 20th International Conference on Pattern Recognition, pp. 2366-2369, 2010.？
N. Srivastava, G. Hinton, A. Krizhevsky, I. Sutskever, R. Salakhutdinov, "Dropout: A Simple Way to Prevent Neural Networks from Overfitting," JMLR, pp. 1929-1958, 2014.？
D. K. Choi, C. H. Han, "Illuminance Dynamic Range Expansion using Gamma & Multi-Point Knee for Smart Phone Camera," IEMEK J. Embed. Sys. Appl., Vol. 8, No. 1, pp. 43-50, 2013 (in Korean).？
S. W. Park, K. R. Cha, "Dynamic Range Reconstruction Algorithm for Smart Phone Camera Pulse Measurement Robust to Light Condition," IEMEK J. Embed. Sys. Appl., Vol. 10, No. 1, pp. 1-6, 2015 (in Korean).？
D. P. Kingma, J. Ba, "Adam: A Method for Stochastic Optimization," ICLR, pp. 1-15, 2015.

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