선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 우리는 구글이 제공하는 Inception v3모델을 이용하여 데이터 학습을 시켰다. 5가지의 색과 4가지 패턴에 대한 모델들의 이미지에서 얼굴을 추출하여 grayscale변환 후, Denoising Autoencoder 기법을 활용하기 위해 기존 이미지에 노이즈를 추가한 이미지를 더해 학습시켜 레이블과 그래프를 생성했다. 생성된 색과 패턴에 대한 학습모델을 Thread를 통해 grayscale변환한 사용자의 얼굴과 비교하여 일치도가 가장 높은 색과 패턴에 맞는 옷을 가져와 사용자에게 오버레이 시킨다.
- Cascade Classifier를 통해 얻어낸 사용자의 x, y, w, h 좌표를 이용하여 ROI(Region Of Interest)를 지정해 준다. 그리고 detect가 계속 수행되면 영상 다중 검출로 인해 옷 이미지가 깜빡거리는 경우가 발생하여 이를 해결하기 위해 이전 좌표와 현재 좌표를 비교하여 차이가 작을 경우, 이전 프레임의 이미지를 출력하도록 구현하였다. ROI를 벗어나지 않을 경우, 이전에 받아온 좌표를 조정하여 사용자의 몸에 맞게 이미지를 오버레이 시켜준다.
- 옷이 움직이는 것 같이 보이게 하기위해, 이미지마다 옷의 좌표를 바꿔주었다. 그리고 원근법에 맞게 옷의 크기를 바꿔주기위해 옷의 크기를 이미지마다 가로와 세로의 길이를 바꿔주었다. 이 주기적으로 바뀌는 수치들을 변수를 이용해 식에 넣어 이미지마다 옷의 이미지 좌표와 크기를 규칙적으로 바꿔주게 되면, 옷이 이동하면서 크기가 변하는 것처럼 보이게 된다.
- 이전 프레임을 찍어놓은 다음, 영상이 갱신될 때마다 프레임을 구성하는 픽셀들을 통한 프레임 비교를 할 수 있다. 비교를 할 때는 색상으로 비교하게 되는데, RGB 세가지를 모두 비교하는 것은 연산이 복잡해지기 때문에, 프레임을 grayscale 처리를 통해 연산을 3분의 1로 줄여 비교했다. 이때 비교하는 것은 일일이 픽셀을 비교하는 것이 아니고, diff함수를 이용해서 한번에 해결했다.
- 여러 옷을 보기 위한 옷 이미지 애니메이션 기능을 구현했다. 애니메이션 기능은 영상이 이미지들의 연속이라는 원리를 이용해서 만들었다. 옷이 움직이는 것 같이 보이게 하기위해, 이미지마다 옷의 좌표를 바꿔주었다.
- 이 주기적으로 바뀌는 수치들을 변수를 이용해 식에 넣어 이미지마다 옷의 이미지 좌표와 크기를 규칙적으로 바꿔주게 되면, 옷이 이동하면서 크기가 변하는 것처럼 보이게 된다. 애니메이션의 방향이 왼쪽과 오른쪽 두 가지인데, 왼쪽일 때와 오른쪽일 때의 좌표 변화와 크기의 식이 다므로 왼쪽일 때는 AnimationLeftCall, 오른쪽일 때는 AnimationRightCall 와 같이 두 함수로 구분했다. 또한, 화면에서 옷이 타원형으로 이동하는 것처럼 보이는데, 이미지 한 장, 한 장 분석을 해보면 이미지가 직선으로 이동하는데, 이것을 빠르게 진행하면 부드러운 곡선처럼 이동한다.
- 여러 옷을 보기 위한 옷 이미지 애니메이션 기능을 구현했다. 애니메이션 기능은 영상이 이미지들의 연속이라는 원리를 이용해서 만들었다.
- ROI를 벗어나지 않을 경우, 이전에 받아온 좌표를 조정하여 사용자의 몸에 맞게 이미지를 오버레이 시켜준다. 오버레이를 하기 전, 옷의 이미지마다 처음 출력되는 위치가 다르므로 위치와 사이즈를 조절해주었고, 이후 이미지를 gray 처리 후, 이미지에서 배경을 제거하고 원본 이미지와 옷의 이미지를 합쳐 오버레이 기능을 실행한다.
- 한 매체의 기사에 의하면, 한 패션업체 관계자는 기술의 발전은 빠르지만, 비용 측면에서 부담이 커서 현재 패션업계에서 상용화되기는 아직 쉽지 않다고 한다. 온-오프라인에 적용하여 패션업계의 비용 부담을 줄이고 옷 추천 서비스 기능을 추가하여 사용자의 재미와 구매결정력을 높이고 매장의 매출 상승과 가상 피팅기의 상용화를 이루기 위해 다음과 같이 상대적으로 저렴한 라즈베리파이와 Opencv를 이용한 이미지 프로세싱으로 옷 이미지를 오버레이 해서 가상 피팅기를 제작했다.
이론/모형
- 우리는 구글이 제공하는 Inception v3모델을 이용하여 데이터 학습을 시켰다. 5가지의 색과 4가지 패턴에 대한 모델들의 이미지에서 얼굴을 추출하여 grayscale변환 후, Denoising Autoencoder 기법을 활용하기 위해 기존 이미지에 노이즈를 추가한 이미지를 더해 학습시켜 레이블과 그래프를 생성했다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.