• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2042-2059
• /
• 2019

Digital shadow puppet has traditionally relied on expensive motion capture equipments and complex design. In this paper, a low-cost driven technique is presented, that captures human pose estimation data with simple camera from real scenarios, and use them to drive virtual Chinese shadow play in a 2.5D scene. We propose a special method for extracting human pose data for driving virtual Chinese shadow play, which is called 2.5D human pose estimation. Firstly, we use the 3D human pose estimation method to obtain the initial data. In the process of the following transformation, we treat the depth feature as an implicit feature, and map body joints to the range of constraints. We call the obtain pose data as 2.5D pose data. However, the 2.5D pose data can not better control the shadow puppet directly, due to the difference in motion pattern and composition structure between real pose and shadow puppet. To this end, the 2.5D pose data transformation is carried out in the implicit pose mapping space based on self-network and the final 2.5D pose expression data is produced for animating shadow puppets. Experimental results have demonstrated the effectiveness of our new method.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2006년도 하계종합학술대회
• /
• pp.455-456
• /
• 2006

This paper presents an automatic pose-normalized 3D face data acquisition method using 2D and 3D information. We propose an automatic pose-normalized 3D face acquisition method that accomplishes 3D face modeling and 3D face pose-normalization at once. The proposed method uses 2D information with AAM (Active Appearance Model) and 3D information with 3D normal vector. The 3D face modeling system consists of 2 cameras and 1 projector. In order to verify proposed pose-normalized 3D modeling method, we made an experiment for 2.5D face recognition. The experimental result shows that proposed method is robust against pose variation.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2007년도 하계종합학술대회 논문집
• /
• pp.211-212
• /
• 2007

Pose-variation factors present a significant problem in 2D face recognition. To solve this problem, there are various approaches for a 3D face acquisition system which was able to generate multi-view images. However, this created another pose estimation problem in terms of normalizing the 3D face data. This paper presents a 3D head pose-normalization method using 2D and 3D interaction. The proposed method uses 2D information with the AAM(Active Appearance Model) and 3D information with a 3D normal vector. In order to verify the performance of the proposed method, we designed an experiment using 2.5D face recognition. Experimental results showed that the proposed method is robust against pose variation.

• 한국차세대컴퓨팅학회논문지
• /
• 제15권5호
• /
• pp.31-42
• /
• 2019

최근 딥러닝 기술이 발전함에 따라 많은 컴퓨터 비전 연구 분야에서 주목할 만한 성과들이 지속적으로 나오고 있다. 단일 이미지를 기반으로 사람의 2차원 및 3차원 포즈를 추정하는 연구에서도 비약적인 성능향상을 보여주고 있으며, 많은 연구자들이 문제의 범위를 확장하며 활발한 연구 활동을 진행하고 있다. 사람의 포즈 추정은 다양한 응용 분야가 존재하고, 특히 이미지나 비디오 분석에서 사람의 포즈는 행동 및 상태, 의도 파악을 위한 핵심 요소가 되기 때문에 상당히 중요한 연구 분야이다. 이러한 배경에 따라 본 논문은 단일 이미지를 기반으로 한 사람의 포즈 추정 기술에 대한 연구 동향을 살펴보고자 한다. 강인하고 정확한 문제 해결을 위해 다양한 연구 활동 결과가 존재한다는 점에서 본 논문에서는 사람의 포즈 추정 연구를 2차원 및 3차원 포즈 추정에 대해서 나누어 살펴보고자 한다. 끝으로 연구에 필요한 데이터 세트 및 사람의 포즈 추정 기술을 적용하는 다양한 연구 사례를 살펴볼 것이다.

• 한국게임학회 논문지
• /
• 제21권5호
• /
• pp.41-48
• /
• 2021

본 논문은 2개의 포즈(위치 및 회전) 추적 센서를 사용하여 마네킹 모델위에 3차원의 가상 인체를 증강하는 모바일 증강 가시화 기술에 대해서 소개한다. 증강 가시화를 위해 사용된 종래의 카메라 트래킹 기술은 카메라 영상을 사용하기 때문에 카메라의 떨림이나 빠른 이동시 카메라의 포즈 계산에 실패하는 단점이 있으나, 바이브 트래커를 이용하게 되면 이러한 단점을 극복할 수 있다. 또한 증강하고자 하는 객체인 마네킹의 위치가 바뀌거나 회전을 하게 되더라도 마네킹에 부착된 포즈 추적 센서를 사용하여 증강 가시화가 가능한 장점이 있으며 무엇보다 카메라 트래킹을 위한 부하가 없다는 장점을 가진다.

• Computers and Concrete
• /
• 제33권5호
• /
• pp.535-544
• /
• 2024

In the rapidly advancing landscape of computer vision (CV) technology, there is a burgeoning interest in its integration with the construction industry. Camera calibration is the process of deriving intrinsic and extrinsic parameters that affect when the coordinates of the 3D real world are projected onto the 2D plane, where the intrinsic parameters are internal factors of the camera, and extrinsic parameters are external factors such as the position and rotation of the camera. Camera pose estimation or extrinsic calibration, which estimates extrinsic parameters, is essential information for CV application at construction since it can be used for indoor navigation of construction robots and field monitoring by restoring depth information. Traditionally, camera pose estimation methods for cameras relied on target objects such as markers or patterns. However, these methods, which are marker- or pattern-based, are often time-consuming due to the requirement of installing a target object for estimation. As a solution to this challenge, this study introduces a novel framework that facilitates camera pose estimation using standardized materials found commonly in construction sites, such as concrete forms. The proposed framework obtains 3D real-world coordinates by referring to construction materials with certain specifications, extracts the 2D coordinates of the corresponding image plane through keypoint detection, and derives the camera's coordinate through the perspective-n-point (PnP) method which derives the extrinsic parameters by matching 3D and 2D coordinate pairs. This framework presents a substantial advancement as it streamlines the extrinsic calibration process, thereby potentially enhancing the efficiency of CV technology application and data collection at construction sites. This approach holds promise for expediting and optimizing various construction-related tasks by automating and simplifying the calibration procedure.

• 한국콘텐츠학회논문지
• /
• 제5권2호
• /
• pp.267-274
• /
• 2005

본 논문에서는 별도의 센서 없이 영상만을 이용하여 실시간으로 손 영상을 인식하는 알고리즘을 제안한다. 손은 모양이 매우 복잡하기 때문에 2차원 모양의 불변량에 해당하는 에지의 방향성 히스토그램을 이용하여 인식을 행한다. 이 방법은 복잡한 배경에서 색상정보를 이용하여 손 영역이 정확히 추출되며 계산량이 적고 조명변화에 덜 민감하기 때문에 실시간 손 영상 인식에 적합하다. 본 논문에서는 손의 모양제시 방향이 변하는 경우에도 인식을 가능하게 하기 위해 주성분 분석법을 사용하여 인식오차를 줄이는 방법을 기술한다. 이 방법을 사용함으로써 손 영상이 3차원적으로 회전에 의해 변하는 경우도 인식가능하게 되었다. 또한 에지방향성 데이터를 이용하기에 주성분 공간 생성 시간을 현저히 줄이게 되었다.

• 한국정보통신학회논문지
• /
• 제19권5호
• /
• pp.1199-1206
• /
• 2015

본 논문은 위상분석 기법을 이용하여, 스켈레톤의 크기, 조인트의 개수, 조인트 이름이 다른 모션들에 대한 유사도를 자동으로 계산하는 알고리즘을 제안한다. 제안하는 알고리즘은 스켈레톤의 계층구조와 기본포즈를 분석하여 k 개의 조인트 그룹으로 자동 분류하며, 분류된 조인트 그룹은 조인트의 전역 위치를 이용한 포인트 클라우드로 변환된다. 이 때, 비교 대상이 되는 각 그룹의 포인트 클라우드 내 포인트의 위치는 스켈레톤의 크기를 고려하여 자동으로 조정되며, 포인트 개수 또한 자동으로 일치하게 된다. 비교 대상이 되는 두 포인트 클라우드들은 유사도 계산을 위해 거리 값을 최소로 하는 최적의 2D변환 행렬을 구하게 되며, 이 행렬을 적용 후 나타나는 포인트 간의 거리의 합을 최종 유사도 값으로 결정한다. 실험을 통해, 제안하는 알고리즘은 스켈레톤의 크기, 조인트의 개수, 조인트 이름에 상관없이 유사도 값을 계산해 줌을 알 수 있었다.

• 한국운동역학회지
• /
• 제12권2호
• /
• pp.179-195
• /
• 2002

본 연구의 목적은 현대 스포츠가 점점 스피디하고 격렬한 상황의 연출을 요구하고 있는 상황에서 순간적으로 신속 정확한 판단력과 그에 따른 재빠르고 민첩한 행동이 필요할 때가 많으므로 준비동작에 대한 운동역학적 메카니즘의 이해가 필요하다고 판단되어 연구를 실시하였다. 따라서 본 연구에서는 준비동작의 형태 변화(open stance & cross stance)에 따른 신체움직임을 운동역학적인 분석을 통하여 바람직한 준비동작의 모델을 제시하는데 있으며, 이러한 연구 목적을 달성하기 위하여 연구대상자는 부산 B대학교 핸드볼 선수인 남학생 5명과 부산 S대학교 사격 선수인 여학생 5명을 선정하여 실험하였다. 준비자세에서의 좌 우 전방향으로 이동시의 동작을 2대의 고속 비디오 카메라와 2대의 지면반력기 그리고 전신반응측정 장비를 이용하여 자료를 수집하였고, 준비자세에서의 좌 우 전방향 이동시의 메카니즘을 분석한 결과 다음과 같은 결론을 얻었다. 첫째, 준비자세에서 좌 우 전방향 이동시 cross stance 자세가 open stance 자세 보다 신체중심이동 속도가 빠른 것으로 분석되었으며, Take-off시 슬관절의 굴곡각은 약 $175^{\circ}$의 각도를 유지하고, 고관절의 굴곡각은 약 $172^{\circ}$의 각도를 유지하여 준비자세를 취하는 것이 바람직한 것으로 분석되었다. 둘째, 준비자세에서의 좌 우 전방향으로 이동시 지지시간과 지면반력분석 결과를 종합해 보면 준비동작에서 왼쪽방향으로 이동시 가장 빠른 신체중심이동 속도를 나타냈다. 셋째, 준비자세에서 좌 우 전방향 이동시 지면반력 분석 결과에서도 cross stance 자세가 open stance 자세보다는 왼발과 오른발에 체중을 적절히 분산시켜 준비동작을 수행할 수 있도록 하여 상해를 예방할 수 있으므로 cross stance 준비자세가 바람직한 것으로 분석되었다. 따라서 준비자세의 역학적인 메가니즘은 cross stance 자세가 open stance 자세보다 보다 바람직한 준비자세라고 할 수 있으나 반드시 개인차도 고려되어져야 할 것이다.

• 스마트미디어저널
• /
• 제12권11호
• /
• pp.48-56
• /
• 2023

3차원 인체자세추정은 스포츠, 동작인식, 영상매체의 특수효과 등의 분야에서 널리 활용되고 있는 기술이다. 이를 위한 여러 방법들 중 다중 시점 3차원 인체자세추정은 현실의 복잡한 환경에서도 정밀한 추정을 하기 위해 필수적인 방법이다. 하지만 기존 다중 시점 3차원 인체자세추정 모델들은 3차원 특징 맵을 사용함에 따라 시간 복잡도가 높은 단점이 있다. 본 논문은 계산 복잡도가 적은 트랜스포머 기반 기존 단안 시점 다중 프레임 모델을 다중 시점에 대한 3차원 인체자세추정으로 확장하는 방법을 제안한다. 다중 시점으로 확장하기 위하여 먼저 2차원 인체자세 검출자 CPN(Cascaded Pyramid Network)을 활용하여 획득한 4개 시점의 17가지 관절에 대한 2차원 관절좌표를 연결한 8차원 관절좌표를 생성한다. 그 다음 이들을 패치 임베딩 한 뒤 17×32 데이터로 변환하여 트랜스포머 모델에 입력한다. 마지막으로, 인체자세를 출력하는 MLP(Multi-Layer Perceptron) 블록을 매 반복 마다 사용한다. 이를 통해 4개 시점에 대한 3차원 인체자세추정을 동시에 수정한다. 입력 프레임 길이 27을 사용한 Zheng[5]의 방법과 비교했을 때 제안한 방법의 모델 매개변수의 수는 48.9%, MPJPE(Mean Per Joint Position Error)는 20.6mm(43.8%) 감소했으며, 학습 횟수 당 평균 학습 소요 시간은 20배 이상 빠르다.