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.
문제 정의
- 이러한 흐름에 맞추어 본 연구에서는 시니어(노인)라는 특정한 대상으로 한 라이프 로깅 시스템을 서술한다. 본 연구의 라이프 로깅 시스템은 크게 1) 카메라를 통한 영상/음성데이터 수집; 2) 수집한 데이터를 요약하여 일간/주간/연간 등의 특정 시간대 별로 저장; 3) 축적된 데이터를 바탕으로 인공지능 기반의 분석/판단을 수행하는 시스템으로, 시니어의 상태 및 행동과 그에 대한 패턴을 파악하고, 조기 진단할 수 있는 병이나 급박한 위급상황 등에 대비하는 것이 목표이다.
- 본 논문은 시니어 라이프 로깅을 위한 효과적인 데이터베이스를 구축하기 위해 영상의 심미적 스코어링을 통한 행동 별 영상 요약을 수행하였다. 실내의 TV 앞에서 오랜 시간을 보내는 시니어의 상태를 체크하기 위해 일반 카메라 또는 360 카메라를 통해 HD 급 화질의 원본 영상을 얻어, 이를 머신러닝 또는 딥러닝 기반의 행동인식에 이용하기 위한 전처리 단계에 응용할 수 있는 방법을 서술하였다.
- 본 논문에서 소개한 대로 Parser, Highlighter 그리고 Generator 를 수정하여 실험을 진행한다. 본 연구에서 수행한 실험은 여러 행동이 담긴 영상을 얼마나 구간을 잘 나누어 분류하는지 검증한다. 1) TV 를 보면서 다양한 활동을 하는 성인 남성을 시니어라고 가정하고 촬영한 영상과 2) 웹 영상 중 TV 앞을 가정하고 촬영한 영상들을 통해 실험하였다.
- 본 연구에서 영상을 요약하여 딥러닝 네트워크에 응용하려는 아이디어는, 그림 3 과 같이 영상 데이터를 멀티 모달 형식의 네트워크를 추후에 적용하기 위함이다. [5]는 영화 트레일러를 시간 순서대로 특징을 추출하여 장르 예측을 수행한다.
- 다만, 지정한 샷 범위에 따른 의미 있는 샷을 추출하는 것이기 때문에, 연속적인 여러 개의 샷에 있어서는 비슷한 행동이 더 추출될 수 있다. 여자 1 영상은 본 연구의 샷 경계 성능을 웹 비디오에서도 효과가 있는지 검증하기 위해 실험하였다. 여기서 하나의 아닌 여러 대의 카메라로 촬영된 영상은 카메라마다 모습이 프레임의 차이가 극명하게 달라지기 때문에, 샷의 길이가 행동별로 일정하지 않음을 확인하였다.
가설 설정
- 본 연구에서 수행한 실험은 여러 행동이 담긴 영상을 얼마나 구간을 잘 나누어 분류하는지 검증한다. 1) TV 를 보면서 다양한 활동을 하는 성인 남성을 시니어라고 가정하고 촬영한 영상과 2) 웹 영상 중 TV 앞을 가정하고 촬영한 영상들을 통해 실험하였다. 특히, (1)의 경우 다양한 행동을 수행하는 피실험자를 촬영하여 녹화하고, 이후 서버급의 Intel Zeon * 2ea, 64GB RAM 급 서버에서 실험을 진행하였다.
- 본 연구에서는 집에서 시간을 보내는 시니어를 대상으로 한정하여 연구한다. 시니어들은 또한 TV 를 매우 자주, 많은 시간동안 시청하기 때문에, TV 주변의 일반 카메라 또는 360 카메라를 이용하여 HD (1280 * 720)급 이상의 영상과 음성 데이터를 수집하여 분석하는 상황을 가정한 후 연구를 수행한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.