• 디지털융복합연구
• /
• 제12권2호
• /
• pp.373-378
• /
• 2014

콘택트렌즈 착용 실태와 콘택트렌즈 보관용기의 관리 소독에 대한 실태조사를 통하여 경기도 지역 콘택트렌즈 착용실태를 알아보고자 하였다. 2013년 1월부터 7월까지 콘택트렌즈를 구매하고자 안경원에 내원한 고객 중 설문에 응한 중 고등학생 및 대학생 200명을 대상으로 하였다. 콘택트렌즈 착용 종류는 미용칼라 콘택트렌즈가 139명(55.16%)으로 가장 많았으며, 여성이 177명(88.5%), 남성이 23명(11.5%)으로 나타났다. 콘택트렌즈를 같이 사용한 경험이 있냐는 설문에 대한 응답은 37명(18.5%)이 '있다'라고 응답하였으며, 콘택트렌즈 보관 용기의 교체 여부에 대해서는 '교체하지 않는다'라는 응답이 103명(51.5%)이었으며, 콘택트렌즈 착용자의 안경 사용률을 알아보기 위한 안경이 있는지에 대한 응답에서는 '안경이 있다'라는 응답이 148명(74%))으로 나타났다. 또한, 콘택트렌즈 처음 착용 시기는 중학교가 127명(63.5%)으로 가장 많았으며, 안경 처음 착용 시기는 초등학교 4-6학년이 65명(43.92%)으로 나타났다. 콘택트렌즈는 미용의 목적보다는 시력교정을 위한 목적으로 눈의 건강상태에 맞는 콘택트렌즈 착용이 필요한 것으로 생각되며 콘택트렌즈 착용자의 정기 검사 및 올바른 콘택트렌즈 관리를 위한 안경사의 역할이 중요한 것으로 생각된다.

• 한국인터넷방송통신학회논문지
• /
• 제19권2호
• /
• pp.143-149
• /
• 2019

플로팅 홀로그램은 광고나 콘서트와 같이 넓은 공간에서 현장감과 실존감이 뛰어난 3D 입체영상을 제공하면서, 3D 안경의 불편함, 시각적 피로, 공간 왜곡 현상 발생을 감소할 수 있는 기술이다. 따라서 본 논문은 좁은 공간에서도 사용가능한 플로팅 홀로그램 환경에서 캐릭터 조작을 위한 사용자 제스처 인식 시스템을 구현한다. 제안된 방법은 하르 특징기반의 캐시케이드((Harr feature-based cascade classifier) 분류기를 이용하여 얼굴 영역을 검출하고, 검출된 얼굴 영역을 기준으로 실시간으로 체스쳐 차영상으로부터 사용자 제스쳐의 발생 위치 정보를 이용하여 사용자 제스쳐를 인식한다. 그리고 각각 인식된 제스쳐 정보는 플로팅 홀로그램 환경에서 생성된 캐릭터 움직임을 조작하기 위하여 상응하는 행위에 맵핑된다. 제안된 플로팅 홀로그램 캐릭터 조작을 위한 사용자 제스처 인식 시스템의 성능평가를 위해서는 플로팅 홀로그램 디스플레이 장치를 제작하고, 몸 흔들기, 걷기, 손 흔들기, 점프 등의 각 제스처에 따른 인식률을 반복 측정한 결과 평균 88%의 인식률을 보였다.

• 한국정보전자통신기술학회논문지
• /
• 제8권6호
• /
• pp.491-496
• /
• 2015

클라우드 컴퓨팅은 서버의 추가 구축에 대한 비용절감, 데이터 스토리지 확대에 대한 비용 절감, 컴퓨터 자원에 대한 공유, 새로운 기술의 적용에 대한 편의성 등의 장점을 가지고 있다. 그러나 서비스 모델의 다양성으로 인하여 새로운 보안의 우려사항이 높아지고 있어, 이용자가 서비스를 이용 시 안전한 사용자 인증방법이 요구되고 있다. 이에 본 논문에서는 클라우드 보안 영역 접근시 향상된 에이다부스트 알고리즘을 활용한다. 에이다부스트는 20도 이상 기울어진 얼굴을 인식 못 한다는 단점에도 불구하고, 속도와 신뢰성이 높다는 장점 때문에 많이 사용되고 있다. 제안된 방법을 이용하면, 실험결과에서 보듯 20도 이상 기울어진 얼굴도 인식함을 확인하였다. 연구용으로 이용할 수 있는 FEI Face Database를 이용하여 알고리즘 수행 결과 98%의 성공률을 얻었다. 실패한 2%는 안경을 쓴 사진이나 다른 객체로 인하여 인식이 제대로 안된 경우이다.

• 방송공학회논문지
• /
• 제23권2호
• /
• pp.246-252
• /
• 2018

제스처는 스마트 글라스 등 웨어러블 기기의 NUI(Natural User Interface)로 주목받고 있다. 최근 MPEG에서는 IoT(Internet of Things) 및 웨어러블 환경에서의 효율적인 미디어 소비를 지원하기 위한 IoMT(Internet of Media Things) 표준화를 진행하고 있다. IoMT에서는 손 제스처 검출과 인식이 별도의 기기에서 수행되는 것을 가정하고 이들 모듈간의 인터페이스 규격을 제공하고 있다. 한편, 최근 인식률 개선을 위하여 딥러닝 기반의 손 제스처 인식 기법 또한 활발히 연구되고 있다. 본 논문에서는 IoMT의 유스 케이스(use case)의 하나인 웨어러블 기기에서의 미디어 소비 등 다양한 응용을 위하여 CNN(Convolutional Neural Network) 기반의 손 제스처 인식 기법을 제시한다. 제시된 기법은 스마트 글래스로 획득한 스테레오 비디오로부터 구한 깊이(depth) 정보와 색 정보를 이용하여 손 윤곽선을 검출하고, 검출된 손 윤곽선 영상을 데이터 셋으로 구성하여 CNN을 학습한 후, 이를 바탕으로 입력 손 윤곽선 영상의 제스처를 인식한다. 실험결과 제안기법은 95%의 손 제스처 인식율를 얻을 수 있음을 확인하였다.