• 한국재난정보학회 논문집
• /
• 제18권3호
• /
• pp.495-506
• /
• 2022

연구목적: 일반적으로, 사람들은 일상생활 속에서 자신이 어떻게, 어디서 걷는지 등에 대해 많은 관심을 기울이지 않는 경향이 있다. 하지만, 심각한 화재나 지진이 일어났을 때, 사람들은 가능한 한 빨리 위험지역에서 벗어나려고 노력한다. 만일 사람들이 비상상황에서 의사결정 이론에 근거하여 탈출하게 된다면, 사상 자는 크게 줄어들게 될 것이다. 본 연구는 심리학적인 관점과 인지과학의 관점으로 인간의 행동을 보다 구체적으로 이해하고자 한다. 연구방법: 본 연구에서는 유튜브, CCTV 등에서 얻은 비상상황에서의 영상자료를 수집하여 상황별 사람들의 보행 특성을 분류하였다. 연구결과: 비상상황에서의 보행자의 속도나 방향 전환이 평상시와 전혀 다른 특징을 가지는 것으로 나타났다. 재난 발생 시 탈출 방향이 주로 한 방향이기 때문에, 방향전환이 적으며, 평균 보행속도가 상대적으로 높은 것으로 나타났다. 분석결과, 평상시에서의 인간의 행동은 살면서 학습한 습관에 기반하지만 비상 상황의 경우, 원초적인 본능에 기반하는 것으로 나타났다. 결론 : 본 연구에서 활용된 방법론과 연구 결과는 비상상황에서 사람들의 보행 행태에 대한 시뮬레이션과 분석에 활용 될 수 있을것으로 판단된다.

• 인터넷정보학회논문지
• /
• 제11권1호
• /
• pp.129-141
• /
• 2010

본 논문에서는 사람의 행동 모니터링을 위한 멀티 센서 기반의 웨어러블 지능형 디바이스를 제안한다. 다중 행동을 인식하기 위해, 이미지 센서와 가속도 센서를 이용하여 행동 인식 알고리즘을 개발하였다. 멀티 센서로부터 얻은 데이터를 분석하기 위해 그리드 기반 옵티컬 플로우 방법을 제안하고 SVM 분류기법을 이용하였다. 이미지 센서로부터 얻은 모션 벡터의 방향과 크기를 이용하였고, 3축 가속도 센서로부터 얻은 데이터에서 FFT의 축과 크기와의 상관관계를 계산하였다. 실험 결과에서 이미지 센서 기반과 3축 가속도 센서기반의 행동 인식률은 각각 55.57 %, 89.97%를 보였으나 제안한 멀티센서기반의 행동인식률은 92.78% 를 보였다.

• 한국콘텐츠학회논문지
• /
• 제7권4호
• /
• pp.91-102
• /
• 2007

21세기로 접어들면서 공간의 확정성이 강하던 모더니즘에서 벗어나 디자인에 있어 시간성과 가변성, 불확정성을 수용하고 구조결정력이 약화되는 경향들이 나타나고 있다. 본 연구는 이런 시간성에 의한 변화의 개입이라는 요소가 디자인에서 수용되고 있는 상황을 인간중심 디자인과 행태지원성이라는 관점에서 연구해 보고자 한다. 시간성에 의한 변화라는 요소가 인간의 행동에 미치게 되는 영향을 심리학적 연결기제와 행태지원 측면을 중심으로 하여 알아본다. 또 이런 시간성에 의한 변화의 요인이 인간의 행태를 지원하는 방식에 의거해 시간성 디자인의 유형을 분류하고 각 유형별 사례들을 분석해 본다. 이를 통해 시간성에 의한 변화의 도입 경향이 인간의 심리에 어떠한 긍정적인 역할을 할 수 있는지와 현 시대의 시대성을 어떻게 표출하고 있는가를 검토해 보고자 한다.

• 한국디자인학회:학술대회논문집
• /
• 한국디자인학회 2004년도 추계 학술발표대회 논문집
• /
• pp.154-155
• /
• 2004

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2006년도 학술대회 1부
• /
• pp.1289-1297
• /
• 2006

모든 곳에 존재하는 네트워크 환경을 의미하는 '유비쿼터스' 시대와 최신 기술로 구현되어 인간을 도와주는 '지능형 로봇'의 시대가 도래하고 있다. 기술의 흐름은, 이제 우리에게 공장과 공원 등의 공공 장소뿐 만이 아니라, 생활의 기본이 되는 가정 안에서의 로봇을 받아들일 준비를 요구하고 있다. 로봇과 사용자는 실제 생활 속에서 많은 상호 작용을 하게 되며, 필연적으로 여러 가지의 불확실성을 내포하게 되는데, 각각의 요청들과 상황들은, 미리 정해진 규칙에 의거해 처리하기에는 너무 다양하다. 그 어려움을 극복하는 방법으로, 어떤 상황에 적응하는 방법으로 기억을 사용 하는 인간과 마찬가지로, 로봇은 새로운 요청을 처리하기 위해 과거의 기록을 사용할 수 있다. 여러 가지 과거의 기록들을 잘 정리해서 분류하여 저장해둔 후, 현재의 요청에 대한 답으로, 가장 가능성 있는 과거의 기록을 찾아내는 것이다. 본 논문에서는 사용자와 로봇 사이에서 상호 작용에서 발생할 수 있는 불확실성을 과거기록의 탐색을 통해 해결하고자 하였다. 과거 기록은 시간, 장소, 대상 물건, 행동 유형으로 구분되어 저장하였으며, 각각의 유사 가능성(Possibility)들의 합을 기준으로, 전체 기록을 K-Means 알고리즘을 통하여 군집화하고 협력 필터링을 기반으로 현재의 요청이 담고 있는 불확실성에 대한 가능성 있는 값을 추천해 주었다. 제한된 공간과 제한된 자료의 수에 의한 실험 결과로서의 한계를 가지고 있지만, 실제 가정용 로봇에서의 적용 가능성을 보여주었다.

• 창의정보문화연구
• /
• 제7권4호
• /
• pp.235-242
• /
• 2021

스마트폰은 다양한 고성능의 센서가 포함되어 있으며 센서에서 발생하는 데이터를 이용하여 인간의 활동을 분석하는 연구가 진행되어왔다. 이러한 인간 활동 인식은 생활 패턴 분석, 운동량 측정, 위험 상황 감지 등 다양한 분야에서 활용될 수 있다. 그러나 기존 연구의 경우 인간의 기본 행동의 인식에 초점을 두거나 효율적인 배터리 사용을 위해 최적의 인식 결과를 내는 방법을 연구하는 경우가 많았다. 본 논문에서는 기본 행동에 건강 관리 목적으로 실내 및 실외에서 행해지는 운동 동작을 총 10가지로 정의하여 인식하도록 하였다. 이를 위해 가속도, 자이로 및 위치 센서의 값을 수집하고 데이터 전처리 과정을 거치고, 활동을 인식하기 위해서 SVM 모델 외에 안정적인 성능을 가진 앙상블 기반의 랜덤 포레스트, 그라디언트 부스팅 모델을 결합하여 투표 기반으로 인식 결과를 결정하였다. 그 결과 높은 정확도로 정의된 활동의 인식이 가능하였으며 특히 유사한 종류의 실내 및 실외 운동 활동의 분류가 가능하였다.

• 한국콘텐츠학회논문지
• /
• 제15권5호
• /
• pp.1-17
• /
• 2015

국내 게임 업계에서 비디오 게임 시장은 좁아지고 있고 그에 따른 자본과 인력 또한 줄어들고 있다. 이런 열악한 환경과 전문 기술력에서 나오는 콘텐츠의 질적 향상을 위해서는 전문 개발자가 아니더라도 보다 사실적이고 질적으로 뛰어난 콘텐츠를 제작하는 데 도움이 되는 연구가 필요하다. 본 연구에서는 대중과 평론가들에게서 캐릭터 감정 표현 및 전달이 잘 되었다고 평가받는 해외 전문 제작사의 애니메이션들을 선정하였다. 그리고 해당 애니메이션의 스크립트에서 Ekman의 6가지 기본 감정과 그레마스의 역동적 서술어를 이용해 캐릭터가 감정을 표현하는 행동을 선별하여 분석 및 분류하였다. 또한, 게임 제작 프로그램 유니티의 블렌딩 작업에 사용되는 '애니메이션 레이어'를 이용해서 캐릭터가 특정 감정을 표현하려 할 때 필요로 하는 행동들을 분석하고, 이 데이터를 사용해서 감정을 표현하는 행동을 제작해주는 프로그램의 구상안을 제안한다.

• 한국전자통신학회논문지
• /
• 제9권10호
• /
• pp.1095-1102
• /
• 2014

본 논문에서는 실시간 감시 시스템에서 인간의 활동성을 분석하기 위하여 움직임 벡터를 사용하며, 고속연산에 GPU를 활용한다. 먼저 가장 중요한 부분인 전경으로부터 적응적 가우시안 혼합기법, 두드러진 움직임을 위한 가중치 차영상 기법, 움직임 벡터를 이용하여 인간이라고 판단되는 블랍을 검출하고, 추출된 움직임 벡터를 이용하여 사람의 활동성을 분석한다. 본 논문에서는 사람의 행동을 크게 {Active, Inactive}, {Position Moving, Fixed Moving}, {Walking, Running}의 세 가지 메타 클래스로 분류하고 인식하였다. 실험을 위해서 약 300개의 상황을 연출하였으며, 약 86%~98% 의 인식률을 보였다. 또한 $1920{\times}1080$ 크기 영상에서 CPU 기반은 4.2초 정도 걸렸는데, GPU 기반에서는 0.4초 이내로 빨라진 결과를 얻었다.

• 스마트미디어저널
• /
• 제12권7호
• /
• pp.59-67
• /
• 2023

최근 인간의 자세와 행동을 추적하는 행동 분석 연구가 활발해지고 있다. 특히 2017년 CMU에서 개발한 오픈소스인 오픈포즈(OpenPose)는 사람의 외모와 행동을 추정하는 대표적인 방법이다. 오픈포즈는 사람의 키, 얼굴, 손 등의 신체부위를 실시간으로 감지하고 추정할 수 있어 스마트 헬스케어, 운 동 트레이닝, 보안시스템, 의료 등 다양한 분야에 적용될 수 있다. 본 논문에서는 헬스장에서 사용자들이 가장 많이 운동하는 Squat, Walk, Wave, Fall-down 4개 동작을 오픈포즈기반 딥러닝인 DNN과 CNN을 이용하여 운동 동작 분류 방법을 제안한다. 학습데이터는 녹화영상 및 실시간으로 카메라를 통해 사용자의 동작을 캡처해서 데이터 셋을 수집한다. 수집된 데이터 셋은 OpenPose을 이용하여 전처리과정을 진행하고, 전처리과정이 완료된 데이터 셋은 본 논문에서 제안한 DNN 및 CNN 모델 이용하여 운동 동작 분류를 학습한다. 제안한 모델에 대한 성능 오차는 MSE, RMSE, MAE를 사용한다. 성능 평가 결과, 제안한 DNN 모델 성능이 제안한 CNN 모델보다 우수한 것으로 나타났다.

• 디지털콘텐츠학회 논문지
• /
• 제18권3호
• /
• pp.559-565
• /
• 2017

스마트폰에 내장된 가속도 센서를 이용하여 사용자의 동작 상태나 행동을 인식하기 위한 연구가 다양하게 진행되어 왔다. 본 논문에서는 스마트폰의 3D 가속도 정보에 신경회로망을 적용하여 사람의 행동을 인식하는 연구를 진행하였다. 시계열 데이터를 신경회로망에 그대로 적용하면 성능상의 문제가 발생한다. 따라서 여러 시구간에 대해 특징을 추출하여 각 시구간에 대해 신경회로망을 학습시키고, 이 신경회로망들의 출력들을 입력으로 하여 학습하여 구성하는 다중 시구간 신경회로망을 제안하였다. 제안하는 방법을 실제 가속도 데이터에 적용한 결과 SVM, AdaBoost, IBk 등 다른 분류기보다 우수한 성능을 보였다.