초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문은 조명변화가 심한 주변환경에서 동적객체의 특징정보를 안정적으로 추출하는 기법을 제시한다. 제안기법에서는 우선 조명변화의 효과를 최소화 하기위해 HSI 컬러공간에서 색상(Hue) 강도 및 색상기울기에 대한 평균값과 표준편차 값으로 이루어진 배경모델을 생성한다. 실시간으로 입력되는 동적 객체를 포함한 연속영상에 대하여 각 화소에 대한 색상(Hue) 성분을 추출하고 이웃 화소와의 색상성분에 대한 기울기 크기를 계산한다. 이를 기구축된 배경모델과 비교하여 그 차분값이 일정 임계값을 초과하는 경우 동적 객체의 영역으로 판별한다. 마지막으로 모폴로지 연산을 수행하여 배경영상의 노이즈 영역을 제거한다. 본 논문에서는 기존 동적객체 추출기법과 제안기법을 핸드 트래킹과 전체 몸 움직임 추적의 비교실험을 통하여 제안 기법의 안정성을 보였다. 제안 기법은 극심한 조명변화에 강건하게 동적 객체의 영역정보를 실시간 추출하였다.

본 논문은 조명변화가 심한 주변환경에서 동적객체의 특징정보를 안정적으로 추출하는 기법을 제시한다. 제안기법에서는 우선 조명변화의 효과를 최소화 하기위해 HSI 컬러공간에서 색상(Hue) 강도 및 색상기울기에 대한 평균값과 표준편차 값으로 이루어진 배경모델을 생성한다. 실시간으로 입력되는 동적 객체를 포함한 연속영상에 대하여 각 화소에 대한 색상(Hue) 성분을 추출하고 이웃 화소와의 색상성분에 대한 기울기 크기를 계산한다. 이를 기구축된 배경모델과 비교하여 그 차분값이 일정 임계값을 초과하는 경우 동적 객체의 영역으로 판별한다. 마지막으로 모폴로지 연산을 수행하여 배경영상의 노이즈 영역을 제거한다. 본 논문에서는 기존 동적객체 추출기법과 제안기법을 핸드 트래킹과 전체 몸 움직임 추적의 비교실험을 통하여 제안 기법의 안정성을 보였다. 제안 기법은 극심한 조명변화에 강건하게 동적 객체의 영역정보를 실시간 추출하였다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 기존 관련 연구를 수행하는 연구팀과 연구 내용에 대한 분석 작업을 선행하고, 조명환경에 대한 강건한 객체 추적 개발을 위하여 다양한 컬러 모델에 대한 Background Subtraction 수행 결과를 비교 분석하여 조명변화에 안정적으로 반응하는 컬러 채널 조합을 정의한다. 또한 연속으로 입력되는 연속 영상을 기반으로 추출된 사용자 영역에서 사용자의 특징점을 추출하고 인체 세그먼트 모델과의 정합을 수행한다.
• 본 연구에서는 불편한 장비의 착용이나 마커의 부착 없이 제스처를 인식하기 위한 기술 개발을 위하여 우선, 기존 관련 연구들을 분석하였고, 카메라 캘리브레이션 기법 연구와 함께, 고정된 카메라에서 얻어진 연속영상을 사용하여 서로 다른 다양한 조명 환경에서 조명변화에 강건한 정확한 동적 객체 추적을 위한 배경모델 구축 및 동적객체 영역정보 추출 기법을 제시하였다. 제안기법을 적용한 결과 급격한 조명변화에도 동적객체의 영역정보를 안정적으로 검출할 수 있었다.
• 이에 본 논문에서는 사용자에게 마커를 부착하거나 별도의 장비 착용의 부담을 요구하지 않는 비전 기반 제스처 인터렉션 기술에 대한 연구를 수행한다. 비전 기반 제스처 인터렉션의 정확성을 높이기 위해서는 조명환경에 강건한 객체 추적 기술개발이 수행되어야 하고, 추적된 객체의 움직임 특성을 파악하기 위한 특성 추출 및 추적 기술 개발이 요구된다.
• 이에 본 논문에서는 조명의 변화가 심하게 발생하는 환경에서도 안정적으로 동적 객체를 추적할 수 있는 색상(Hue) 강도 및 기울기 기반 배경 모델링 기법을 제안하고, 다양한 조명하에서 제안 배경 모델을 이용한 동적 객체의 윤곽정보 추출 실험결과를 제시하였다. 실험결과로서 RGB, 정규화 RGB, HSI컬러모델 기반 배경모델을 이용한 기존 동적 객체 추적기법과 본 논문에서 제시한 기법을 비교하여, 제안기법이 다양한 조명 환경에서 보다 안정적으로 동적 객체의 윤곽정보를 추출할 수 있음을 가시적으로 입증하였다.

제안 방법

• 또한, 전체 몸 움직임 추적을 위하여 포인트그레이사의 드레곤플라이 CCD 카메라를 이용하여 연속된 640 x 480의 32bit RGB영상을 획득하였다. 50프레임동안 캡처된 영상으로부터 HSI 컬러모델로 변환하여 배경모델에 대한 평균값과 표준편차값 및 H성분의 기울기 값의 평균과 표준편차를 구하여 H 성분 기반 배경모델을 생성하였다. 이후 실시간으로 입력되는 영상의 각 픽셀에서 H성분의 강도 및 기울기 값을 추출하여 평균화된 H 배경영상 및 H 기울기 배경영상과 식 (4)과 같이 비교하여 동적객체의 영역 정보만을 담은 이진영상을 생성하였다.
• HSI 컬러모델에서 H 요소와 H 기울기성분에 대한 배경 영상의 훈련과정은 재귀적인 방법을 이용하여 시간 Ti 동안 업데이트되는 평균영상과 표준편차영상을 계산하는 방법으로 구한다.
• 또한 Ti 동안 입력된 연속 배경영상에서 평균화된 H 배경 영상의 각 픽셀에서 인접픽셀과의 H 성분 값에 대한 기울기 크기를 계산한다. 이후 이와 마찬가지 방법으로 영상영역 내에 있는 각 픽셀들의 H 성분 값에 대한 기울기 크기의 평균 영상과 표준편차 영상을 구하여, H 기울기 성분 값에 대한 평균화된 배경영상을 구축한다.
• 본 논문에서는 기존 관련 연구를 수행하는 연구팀과 연구 내용에 대한 분석 작업을 선행하고, 조명환경에 대한 강건한 객체 추적 개발을 위하여 다양한 컬러 모델에 대한 Background Subtraction 수행 결과를 비교 분석하여 조명변화에 안정적으로 반응하는 컬러 채널 조합을 정의한다. 또한 연속으로 입력되는 연속 영상을 기반으로 추출된 사용자 영역에서 사용자의 특징점을 추출하고 인체 세그먼트 모델과의 정합을 수행한다.
• 본 논문에서 제안하는 동적객체 영역정보 추출 알고리즘을 적용하여 서로 다른 조명 조건에서 청색 크로마키 단순배경 앞에 위치한 동적객체의 영역정보추출 실험을 수행하였다. 동적 객체 영역으로 추적되는 부분은 붉은색으로 표시하였다.
• 우선 HSI 컬러모델에서 학습할 배경영상에 대해서 평균영상과 표준편차영상을 구한다. 본 논문에서는 조명변화로 인한 배경의 H 강도 변화를 측정하기 위해 일정시간 Ti 동안 배경영상을 취득하여, 영상영역 내에 있는 각 픽셀들의 H에 대한 평균 값과 표준편차 값을 구하여, 평균화된 H 배경영상을 생성한다.
• 손을 포함한 인체 움직임을 추적하기 위하여 Mandala 시스템과 유사한 블루스크린 환경에 본 논문에서 제안하는 알고리즘을 적용하여 실험하였다. (그림 9 참조) Mandala 시스템은 폐쇄된 공간과 최적화된 조명환경 내에서 배경제거를 수행할 때에만 만족할만한 동적객체분리 결과를 가져온다.
• 실험은 초기에 배경모델을 구축할 때와 동일한 조명환경에서 기존 기법과 제안기법을 사용하여 사용자 손의 움직임을 추적하였고, 그 다음으로 배경모델 구축시와 다른 조명환경을 적용하여 달라진 조명환경에서 사용자 손의 움직임 추적을 기존 방법과 제안 방법을 이용하여 비교 수행하였다.
• 배경학습 단계에서는 각 픽셀에 대한 색상 H요소와 기울기 H 크기 값에 대해서 각각 학습을 한다. 우선 HSI 컬러모델에서 학습할 배경영상에 대해서 평균영상과 표준편차영상을 구한다. 본 논문에서는 조명변화로 인한 배경의 H 강도 변화를 측정하기 위해 일정시간 Ti 동안 배경영상을 취득하여, 영상영역 내에 있는 각 픽셀들의 H에 대한 평균 값과 표준편차 값을 구하여, 평균화된 H 배경영상을 생성한다.
• 우선 동적 객체가 포함된 Ti 이후부터의 연속 입력영상 RGB에 대하여 HSI 컬러모델로 변환을 수행한다. 변환된 입력 H성분과 평균화된 H 배경영상의 표준편차 영상과 차이를 비교하여, 평균화된 H 배경영상의 표준편차 값보다 큰 값을 보이는 영역을 동적 객체의 후보영역으로 간주한다.
• 이경미의 연구에서는 다중 동적객체들간의 피부색 영역을 추출하기 위해 YCbCr 컬러모델을 사용하였다[15]. 이호석의 연구에서는 동적객체분할에 그레이레벨 강도를 사용하였다. 그는 배경영상과 픽셀기반 프레임간 차분을 연동하여 동적객체의 훼손된 외곽정보를 복원하는데 주안점을 두었다[16].
• 또한 Ti 동안 입력된 연속 배경영상에서 평균화된 H 배경 영상의 각 픽셀에서 인접픽셀과의 H 성분 값에 대한 기울기 크기를 계산한다. 이후 이와 마찬가지 방법으로 영상영역 내에 있는 각 픽셀들의 H 성분 값에 대한 기울기 크기의 평균 영상과 표준편차 영상을 구하여, H 기울기 성분 값에 대한 평균화된 배경영상을 구축한다.
• 제안기법은 움직임정보가 포함된 입력영상의 H에 대한 기울기 크기를 이용하여 움직이는 객체의 영역 정보를 추출함으로써 컬러공간 기반의 일반적인 검출시 나타나는 유사영역에 의한 노이즈 및 그림자에 의한 영향을 대폭 줄이는 효과를 보여 주었다. 제안기법을 위한 실험은 단순배경에서 수행되었다. 복잡배경의 경우, 유사한 H 기울기들이 발생하여 단순배경의 경우에 비해 결과영상에 많은 노이즈가 포함되었다.

대상 데이터

• 우선, PC용 카메라인 로지텍 퀵캠쳇을 사용하여 320 x 240의 24bit RGB모델로 핸드 트래킹을 위한 실험 영상을 입력 받았다. 또한, 전체 몸 움직임 추적을 위하여 포인트그레이사의 드레곤플라이 CCD 카메라를 이용하여 연속된 640 x 480의 32bit RGB영상을 획득하였다. 50프레임동안 캡처된 영상으로부터 HSI 컬러모델로 변환하여 배경모델에 대한 평균값과 표준편차값 및 H성분의 기울기 값의 평균과 표준편차를 구하여 H 성분 기반 배경모델을 생성하였다.
• 0GHz인 CPU와 1GB 메모리 사양인 WINDOWS XP 환경에서 실험하였다. 실험영상 획득을 위한 카메라로는 두 가지 종류의 카메라를 사용하였다. 우선, PC용 카메라인 로지텍 퀵캠쳇을 사용하여 320 x 240의 24bit RGB모델로 핸드 트래킹을 위한 실험 영상을 입력 받았다.
• 실험영상 획득을 위한 카메라로는 두 가지 종류의 카메라를 사용하였다. 우선, PC용 카메라인 로지텍 퀵캠쳇을 사용하여 320 x 240의 24bit RGB모델로 핸드 트래킹을 위한 실험 영상을 입력 받았다. 또한, 전체 몸 움직임 추적을 위하여 포인트그레이사의 드레곤플라이 CCD 카메라를 이용하여 연속된 640 x 480의 32bit RGB영상을 획득하였다.

이론/모형

• Ninad Takoor의 연구에서는 움직이는 카메라에 의해 캡처된 그레이레벨의 영상에서 동적객체를 추적하였다[14]. 이경미의 연구에서는 다중 동적객체들간의 피부색 영역을 추출하기 위해 YCbCr 컬러모델을 사용하였다[15]. 이호석의 연구에서는 동적객체분할에 그레이레벨 강도를 사용하였다.

성능/효과

• 실험결과 HSI 모델의 H성분만을 고려하는 것보다는, H성분과 H기울기 성분을 비교대상으로 했을 때 더 좋은 결과를 보임을 알 수 있다. 그림 10(b)와 그림 10(c)의 결과와 같이, 서로 다른 색상의 옷을 착용하거나 배경 블루스크린과 유사한 색상계열의 옷을 착용한 객체에 대해서도 조명변화에 큰 변화없이 안정적인 객체영역을 추출하였다. 그림 11은 초기 T형 포즈에서 사용자의 머리 부분, 양 손 끝점, 무게 중심 정보를 구하고 이를 기반으로 초기 세그먼트 모델과의 결합을 수행한 결과 영상이다.
• 그림 8의 (d)는 HSI 컬러모델의 H 성분 강도값만을 기반으로 한 이진화 영상으로써, RGB 컬러 모델보다 우수한 실루엣추출을 나타내지만, 조명 변화에 따른 그림자 변화 문제에 반응함을 알 수 있다. 그림 8의 (e)는 제안 기법을 적용한 결과 조명변화에도 영역정보가 깨어지지 않고 안정적으로 검출됨을 보여주고 있다.
• 그림 8에서 보는 바와 같이, 좌측의 밝은 조명일 경우와 우측의 어두운 조명일 경우를 비교해보면, 본 논문에서 제안한 H강도 및 H기울기 강도에 의한 동적객체추출 방법을 이용하였을 경우 외곽선 정보가 가장 유사하게 유지됨을 알 수 있다.
• 색상성분인 H 강도만을 고려한 경우에는 그림 10(a)와 같이 조명변화가 일어날 경우 동적객체 외부 배경영역에 어느 정도의 잡음현상을 보인다. 실험결과 HSI 모델의 H성분만을 고려하는 것보다는, H성분과 H기울기 성분을 비교대상으로 했을 때 더 좋은 결과를 보임을 알 수 있다. 그림 10(b)와 그림 10(c)의 결과와 같이, 서로 다른 색상의 옷을 착용하거나 배경 블루스크린과 유사한 색상계열의 옷을 착용한 객체에 대해서도 조명변화에 큰 변화없이 안정적인 객체영역을 추출하였다.
• 이에 본 논문에서는 조명의 변화가 심하게 발생하는 환경에서도 안정적으로 동적 객체를 추적할 수 있는 색상(Hue) 강도 및 기울기 기반 배경 모델링 기법을 제안하고, 다양한 조명하에서 제안 배경 모델을 이용한 동적 객체의 윤곽정보 추출 실험결과를 제시하였다. 실험결과로서 RGB, 정규화 RGB, HSI컬러모델 기반 배경모델을 이용한 기존 동적 객체 추적기법과 본 논문에서 제시한 기법을 비교하여, 제안기법이 다양한 조명 환경에서 보다 안정적으로 동적 객체의 윤곽정보를 추출할 수 있음을 가시적으로 입증하였다.
• 제안기법은 움직임정보가 포함된 입력영상의 H에 대한 기울기 크기를 이용하여 움직이는 객체의 영역 정보를 추출함으로써 컬러공간 기반의 일반적인 검출시 나타나는 유사영역에 의한 노이즈 및 그림자에 의한 영향을 대폭 줄이는 효과를 보여 주었다. 제안기법을 위한 실험은 단순배경에서 수행되었다.
• 본 연구에서는 불편한 장비의 착용이나 마커의 부착 없이 제스처를 인식하기 위한 기술 개발을 위하여 우선, 기존 관련 연구들을 분석하였고, 카메라 캘리브레이션 기법 연구와 함께, 고정된 카메라에서 얻어진 연속영상을 사용하여 서로 다른 다양한 조명 환경에서 조명변화에 강건한 정확한 동적 객체 추적을 위한 배경모델 구축 및 동적객체 영역정보 추출 기법을 제시하였다. 제안기법을 적용한 결과 급격한 조명변화에도 동적객체의 영역정보를 안정적으로 검출할 수 있었다.

후속연구

• 이에 반해 착용의 번거로움이 없는 비전 기반의 제스처 분석 기기들의 경우, 분석 시간의 지연이나 정확성 저하 등의 문제가 발생하므로 실용화에 적용하기 위하여 다양한 각도의 연구가 요구되고 있다. 이러한 배경에서 별도의 장비 착용 등의 부담없이 제스처 분석 정확도가 개선된 저가의 포즈 인터렉션 기술 개발은 다양한 고부가가치 상품 개발을 유도하게 될 것으로 기대된다.
• 복잡배경의 경우, 유사한 H 기울기들이 발생하여 단순배경의 경우에 비해 결과영상에 많은 노이즈가 포함되었다. 향후 연구로서 다양한 컬러 모델의 특성을 분석하고 이를 기반으로 효율적인 복잡배경 기반 동적객체 움직임 추적에 대한 연구를 진행하고자 한다. 현재 초기 세그먼트 모델과의결합 정보를 기반으로 이후 연속으로 들어오는 영상에 대한 동적 세그먼트 모델 추적 모듈을 구현하고 있고, 이를 발전시켜, 복잡배경에서의 동적 인체 세그먼트 모델과의 결합 및 추적 연구를 계속 진행할 계획이다.
• 향후 연구로서 다양한 컬러 모델의 특성을 분석하고 이를 기반으로 효율적인 복잡배경 기반 동적객체 움직임 추적에 대한 연구를 진행하고자 한다. 현재 초기 세그먼트 모델과의결합 정보를 기반으로 이후 연속으로 들어오는 영상에 대한 동적 세그먼트 모델 추적 모듈을 구현하고 있고, 이를 발전시켜, 복잡배경에서의 동적 인체 세그먼트 모델과의 결합 및 추적 연구를 계속 진행할 계획이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

질의응답

핵심어	질문	논문에서 추출한 답변
사람의 동작	사람의 동작을 수치적으로 정량화 하는 방법은?	사람의 동작은 3차원 공간에서 매우 복잡한 구조를 가지고 있기 때문에 그 움직임을 수치적으로 정량화하는 일은 매우 어렵다. 그러나 변화량을 측정할 수 있는 부위에 물리적인 센서나 마커를 부착하면 움직임의 위치와 방향을 정확히 추출할 수 있다. 이러한 원리를 이용해 사람의 움직임을 수치적으로 표현하는 장비를 작동방식에 따라 크게 기계식, 자기식, 광학식으로 분류한다.
광학식 모션 캡쳐 시스템	광학식 모션 캡쳐 시스템에서 3차원 좌표를 얻는 것이 불가능한 이유는?	광학식의 경우 적외선 카메라에 반응하는 마커를 몸에 부착하고, 그 마커의 궤적을 추적함으로서 정확한 모션 데이터를 추출할 수 있기 때문에, 캐릭터 애니메이션이나 컴퓨터 그래픽스 분야에서 최근 많이 사용되고 있는 추세이다. 그러나 광학식 모션 캡쳐 시스템의 경우 다른 마커에 가려서 마커가 보이지 않는 마커들 간의 중첩(occulusion) 문제가 발생하여 3차원 좌표를 얻는 것이 불가능하고, 이 때문에 많은 후처리 과정을 필요로 하게 되며, 그 결과 실시간 처리가 불가능하게 되거나 모션 캡쳐 성능을 떨어트리는 요인이 되기도 한다[4].
스마트 공간에서 실제감을 구현하기 위한 중요한 접근 방법	스마트 공간에서 실제감을 구현하기 위한 중요한 접근 방법으로는 어떤 기술을 꼽을 수 있는가?	VR(Virtual Reality), AR(Augmented Reality) 기술을 접목한 유비쿼터스 스마트 공간에 대한 관심이 높아짐에 따라 실제감을 구현하는 기술에 대한 중요성이 높아지고 있다. 스마트 공간에서 실제감을 구현하기 위한 중요한 접근 방법으로서 자연스럽고 사실적인 휴먼-컴퓨터 상호작용 기술을 꼽을 수 있다. 마우스나 키보드와 같은 기존의 컴퓨터 입력 장치를 배제하고 자연스런 인간의 제스처를 통하여 컴퓨터와의 인터렉션이 지원될 수 있는 다양한 사실적 인터렉션 기술의 개발이 요구되고 있다.

질의응답 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기