• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 춘계학술발표대회
• /
• pp.873-876
• /
• 2004

사람의 동작을 인식하는 것에 대한 연구는 게임, 유비쿼터스 컴퓨팅 등의 발전에 따라 그 중요성이 증가하고 있다. 그러나, 대부분의 기존 연구에서는 극히 소수의 동작만을 정의하거나 특정 부위의 동작만을 다루므로 실제 응용에 적용하기에는 적합하지 않다. 본 논문에서는 특정 도메인의 사용 없이, 카메라 영상 입력으로 취득된 동작 패턴 정보만을 이용하여 40종 전신 연속 동작을 구분하는 동작인식 방법을 연구하였다. 인식에 사용된 입력 데이터는 동작자 관절들의 위치 및 회전 값들이며, 다수의 동작들을 인식하기 위해서는 기존의 인식 알고리즘들인 특징기반 인식, HMM, 신경망(Neural Network)등을 사용하여 복합적인 인식 엔진을 구성하여야 했다. 입력 데이터별로 적합한 인식 모듈을 거치게 하기 위해서는, 동작에 의한 입력 데이터에서 동작자 움직임의 주요 신체 부위를 추출함으로써 입력 데이터가 해당 그룹의 인식 모듈로 자동적으로 분류되게 하는 방법을 사용한다. 이는 다층의 인식 레이어 중 복잡도가 증가하는 하위 레이어일수록 자동 분류에 의해 걸러진 데이터만을 취급하게 되므로 효과적이다. 전체 실험 결과 단계별로 약 79~97%의 인식률을 보였다. 이는 향후 특정 컨텍스트 정보와 결합할 때 매우 높은 인식률을 기대할 수 있게 하는 수치이다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2024년도 제69차 동계학술대회논문집 32권1호
• /
• pp.29-30
• /
• 2024

본 논문은 Krafton의 PUBG: BATTLEGROUNDS 게임에서 플레이어 분류를 목표로 하며, 포즈 추정기술을 사용하여 일반 플레이어와 봇을 구분한다. 이는 게임에서 직접 수집한 비디오 데이터를 기반으로 하며, 다음과 같은 두 가지 접근 방식을 제안한다. 첫 번째 방법은 동작 시퀀스 분석을 통해, 사용자의 특정동작 패턴을 식별하고 로지스틱 회귀 모델을 활용해 사용자 유형을 분류한다. 두 번째 방법은 YOLO-pose 모델을 사용하여 비디오 데이터에서 키포인트를 추출하고, 이를 LSTM 모델에 적용하여 프레임별로 사용자의 유형을 분류한다. 이러한 이중 접근 방식은 게임의 공정성과 사용자 경험을 향상시키는 새로운 도구를 제공하며, 보다 안전한 게임 환경에 기여할 수 있다. 이 연구는 게임 산업뿐만 아니라 보안 및 모니터링 분야에서도 동작 분석에 대한 혁신적인 접근 방식으로 활용될 잠재력을 가지고 있다.

• 한국산학기술학회논문지
• /
• 제20권8호
• /
• pp.431-440
• /
• 2019

이 연구는 경직성 뇌성마비 아동을 대상으로 1년간 물리 및 작업치료 후 대동작 기능분류체계에 따라 일상생활동작 변화정도가 차이가 있는지 그리고 소아장애척도지수와 아동용 일상생활 기능독립 측정 중 어떤 평가도구가 일상생활 동작의 변화에 민감하게 반응하는지를 알아보기 위해 시행되었다. 48명의 경직성 뇌성마비 아동이 참여하였고, 대동작 기능분류체계, 아동용 일상생활 기능독립 측정, 그리고 소아장애척도지수를 측정하였다. 연구결과, 대동작 기능분류체계는 소아장애척도지수와 유의한 상관을 보였지만(p<0.05) 아동용 일상생활 기능독립 측정과 유의한 상관을 보이지 않았다. 또한 중재 전과 후 일상생활동작의 변화는 아동용 일상생활 독립측정인 경우 유의한 차이를 보이지 않았지만, 소아장애척도지수인 경우 유의한 차이를 보였다(p<0.05). 대동작 기능분류체계에 따라 일상생활동작의 변화는 유의하게 차이가 있었으며, 기능수준이 높은 경우 일상생활동작이 변화가 유의하게 컸었다(p<0.05). 물리 및 작업치료 후 대동작 기능 분류체계에 따라 일상생활동작의 향상정도는 다르지만 임상적으로 의미 있게 향상되는 것으로 보이며, 소아장애척도지수는 일상생활동작의 변화에 민감하게 반응하므로 임상에서 폭 넓게 활용하는 것이 필요한 것으로 여겨진다.

• 방송공학회논문지
• /
• 제18권3호
• /
• pp.380-392
• /
• 2013

본 논문에서는 키넥트와 퍼지 시스템을 이용하여 골프 스윙 동작을 7가지 구간으로 분류하는 방법을 제안한다. 퍼지 논리의 입력으로 골프 클럽과 클럽의 헤드 위치를 사용하였으며 이 정보는 키넥트로부터 획득한 골퍼의 관절 정보와 컬러 영상 정보로부터 검출하였다. 제안하는 방법은 크게 신체 관절 추출 모듈, 골프 클럽 검출 및 헤드 추적 모듈, 골프 스윙 동작 분류 모듈로 구성되어 있다. 신체 관절 추출 모듈은 키넥트 센서로부터 검출되는 신체 관절 정보 중 골프 클럽의 검출을 위해 손의 좌표를 추출한다. 두 번째 모듈에서는 손의 좌표를 기준으로 허프 직선 변환 알고리즘을 사용하여 골프 클럽과 골프 클럽의 헤드를 검출한다. 마지막으로 인식 오류를 줄이고 동작별 인식 성능을 향상시키기 위해 퍼지 시스템을 적용하여 골프 스윙 동작을 분류하였다. 실시간 골프 스윙 영상에 대해 제안한 방법의 성능 평가를 시행하였고 제안한 방법은 평균 85.2%의 골프 스윙 동작 분류 신뢰도를 보여줌을 확인하였다.

• 한국운동역학회지
• /
• 제18권2호
• /
• pp.59-64
• /
• 2008

본 연구는 3축 가속도 센서를 허리에 부착하여 실시간으로 스포츠 동작분류를 할 수 있는 모니터 링에 관한 연구를 실시하였다. 이 모니터링 시스템은 스포츠 동작의 기본이라고 할 수 있는 걷기, 달리기, 자세변화 동지 정지상태의 동작들과 추가적으로 사이클링 동작을 분류할 수 있도록 하였다. 또한 운동 시에 발생할 수 있는 낙상을 감지하여 위급상황에 대한 정보도 나타나게 하였다. 가속도센서모듈은 인체에 부착된 형태로 스포츠 활동을 모니터링하기 위하여 소형으로 설계되었으며 활동에 방해가 되지 않게 허리에 부착되었다. 측정된 데이터는 RF통신을 통해 PC로 전송되며 알고리즘을 통해 실시간으로 동작분류를 시행하게 된다. 개발된 알고리즘을 검증하기 위한 실험으로 5명의 피험자를 대상으로 서로 다른 속도의 걷기, 달리기, 사이클링 동작을 각각 100초간 실시하였으며 낙상과 자세변화 동작(앉았다 일어서기, 누웠다 일어서기, 서있다 앉기, 누웠다 앉기, 서있다 눕기, 앉았다 눕기)은 각각 20회씩 실행하였다. 그 결과 동작분류 정확도는 95.4%를 나타내었다. 이번 연구에서 스포츠 모니터링을 통하여 정확한 자신의 운동 정보를 알려주고 운동 시에 발생하는 낙상에 대한 위급상황을 알려줌으로써 스포츠 활동에 도움을 주고자 하였으며, 추가적인 연구로 각각의 스포츠 활동에 대한 정확한 에너지 소비 추정 알고리즘을 개발 중에 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제3권8호
• /
• pp.299-308
• /
• 2014

신체 동작, 얼굴 표정과 같이 아주 복잡한 생체 패턴을 인식하고 분류하는 인간의 능력을 모방한 정보처리 컴퓨팅 관련 연구가 최근 다수 등장하고 있다. 특히 컴퓨터비전 분야에서는 인간의 뛰어난 인지 능력 중 상황정보 없이 시각시퀀스에서 동작을 분류하는 기능을 통해 시공간적 패턴 코딩과 빠른 인식 방법을 이해하고자 한다. 본 연구는 비디오 시퀀스상의 동작인식에 생물학적 시각인지과정의 영향을 받은 생체 기반 컴퓨터비전 모델을 제시하였다. 제안 모델은 이미지 시퀀스에서 동작을 검출하고 시각 패턴을 판별하는 데 생체 시각처리과정의 신경망 구조 단계를 반영하였다. 실험을 통해 생체 기반 동작인식 모델이 인간 시각인지 처리의 여러 가지 속성을 고려했을 뿐 아니라 기존 동작인식시스템에 비해 시간 정합성이 뛰어나며 시간 변화에 강건한 분류 능력을 보임을 알 수 있다. 제안 모델은 지능형 로봇 에이전트와 같은 생체 기반 시각정보처리 시스템 구축에 기여할 수 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권1_2호
• /
• pp.114-125
• /
• 2002

본 논문에서는 MPEG 비디오 데이터의 컷(cut)과 디졸브(dissolve)를 검출하여 샷(shot) 단위로 분할하고 각 샷의 카메라 동작 또는 객체 움직임의 형태를 분류하는 방법을 제안하고자 한다. 정확한 샷의 위치와 카메라, 객체의 세분화된 동작을 구별하기 위한 전단계의 연구에서[1] 우선 MPEG 데이터의 I(Intra) 프레임의 DC(Direct Current) 계수를 분석하여 픽처 그룹을 Shot(장면이 바뀐 경우), Move(카메라 동작 또는 객체가 움직인 경우), Static(영상의 변화가 거의 없는 경우)으로 세분화하여 분류하였다. 이 과정에서 2단계 구조의 신경망을 구성하고 여러 종류의 특징을 서로 다른 해상도에서 추출하여 결합시키는 방법을 제안하였다. 다음 단계로 Shot 또는 Move로 분류된 픽처 그룹의 P(Predicted), B(Bi-directional) 프레임을 선별적, 계층적으로 탐색하여 컷의 정확한 발생 위치와 카메라 동작 또는 객체 움직임의 종류를 결정하는 방법을 제안한다. P, B 프레임의 매크로 블록의 종류별 분포를 통계적으로 이용하여 컷의 발생 위치를 검출하여, P, B 프레임의 매크로 블록 종류와 움직임 벡터를 동시에 사용하는 신경망을 구성하여 디졸브, 카메라 동작, 객체 움직임의 종류를 검출한다. 본 논문에서 제안하는 방법은 MPEG 데이터의 압축을 풀지 않은 상태에서 I 프레임의 DC 계수만을 사용하여 픽처 그룹을 분류하며, 분류된 픽처 그룹 내에서 일부의 P, B 프레임만을 계층적으로 선택하여 탐색함으로서 처리 시간을 감소시키고자 하였다. 세 종류의 서로 다른 비디오 데이터를 사용한 실험에서 93.9-100.0%로 픽처 그룹을, 96.1-100.0%로 컷을 검출하였다. 또한 두 종류의 비디오 데이터를 사용한 실험에서 90.13% 및 89.28%의 정확성으로 카메라 동작 또는 객체 움직임을 분류하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 춘계학술발표대회
• /
• pp.612-615
• /
• 2016

본 논문에서는 EPIC(Electric Potential Integrated Circuit) 센서를 통해 추출된 동작신호에 대해 이산 웨이블릿 변환（Discrete Wavelet Transform : DWT)과 선형 판별분석（Linear Discriminant Analysis : LDA), Support Vector Machine(SVM)을 사용하는 동작 분류 시스템을 제안한다. EPIC 센서 신호에 대해 이산 웨이블릿 변환을 사용하여 웨이블릿 계수인 근사계수(approximation coefficients)와 상세계수(detail coefficients)를 구한 후, 각각의 웨이블릿 계수에 대해 특징 파라미터를 추출한다. 이 때, 특징 파라미터는 14개의 통계적 특징 추출 파라미터 중에 유전자 알고리즘(Genetic Algorithm : GA)을 통하여 선택한 우수한 특징 파라미터이다. 웨이블릿 계수들에서 추출한 특징 파라미터는 선형 판별분석을 적용하여 차원을 축소하고 SVM의 훈련 및 분류에 사용한다. 실험결과, 4가지 동작에 대한 EPIC 센서 신호분류에서 제안된 방법의 분류율이 99.75%로 원신호에 대한 HMM 분류율 97% 보다 높은 정확률을 보여주었다.

• 정보과학회 논문지
• /
• 제41권12호
• /
• pp.1050-1057
• /
• 2014

뇌전도 기반의 뇌-컴퓨터 인터페이스는 향후 손 또는 발과 같은 신체를 대체하거나 사용자의 편의성을 제고하는 등의 다양한 목적으로 여러 산업에서 사용이 될 수 있는 기술이다. 본 논문에서는 경험 모드 분해와 고속푸리에 변환을 통해 동작 상상 뇌전도 신호를 분해하고 특징을 추출하는 방법을 제안한다. 뇌전도 신호 분류 과정은 다음과 같이 3단계로 구성된다. 신호 분해에서는 경험모드분해를 이용하여 뇌전도 신호에 대한 내재모드함수를 생성한다. 특징 추출에서는 파워 스펙트럼 밀도를 이용하여 생성된 내재모드함수의 주파수 대역을 확인한 뒤, 뮤파 대역을 포함하고 있는 내재모드함수에 고속푸리에 변환을 적용하여 움직임 상상에 대한 특징을 추출한다. 특징 분류에서는 서포트 벡터 머신을 사용하여 동작 상상 뇌전도 신호에 대한 특징을 분류하고, 10-교차검증을 통해 분류기의 일반화 성능을 추정한다. 제안하는 방법은 다른 방법들과 비교하여 84.50%의 분류 정확도를 보여주었다.

• 대한인간공학회:학술대회논문집
• /
• 대한인간공학회 1997년도 춘계학술대회논문집
• /
• pp.50-55
• /
• 1997

본 연구에서는 일반적으로 생산 현장에서의 로봇 작업이 "getting"과 "putting"의 동작으로 구서 되는 것에 기초하여 이들 동작을 분류. 표준화하여 2단계의 단위동작 (GET, PUT) 별로 여러 가지의 모듈을 설정하고, 동작거리별로 표준시간을 산출하는 기법을 다룬다. 즉 기존의 로봇 작업측정법이 작업을 기존동작으로 분석하는 것과는 다르게 시간의 변동요인인 모듈의 Type과 동작거리의 Case를 선택함으로써 표준시간을 설정한다.를 선택함으로써 표준시간을 설정한다.