• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.14 no.2
• /
• pp.469-478
• /
• 2010

This paper proposes the effective shape descriptor for 3D foot pose estimation. To reduce processing time, silhouette-based foot image database is built and meta information which involves the 3D pose of the foot is appended to the database. And we proposed a modified Centroid Contour Distance whose size of the feature space is small and performance of pose estimation is better than the others. In order to analyze performance of the descriptor, we evaluate time and spatial complexity with retrieval accuracy, and then compare with the previous methods. Experimental results show that the proposed descriptor is more effective than the previous methods on feature extraction time and pose estimation accuracy.

• Annual Conference of KIPS
• /
• 2019.05a
• /
• pp.625-628
• /
• 2019

양돈 업계에서 돼지의 무게는 생산성 측면에서 매우 중요한 요인 중 하나이다. 탑뷰 카메라를 통해 획득된 이미지에서 돼지의 무게를 추정할 때 오차가 적고 신뢰도 있는 결과를 보이기 위해, 오차의 주요 원인인 돼지의 머리를 제거하여야 한다. 우선, 돼지의 머리를 제거하기 위해서는 귀를 탐지하여야 한다. 그러나 돼지의 자세가 바르지 못한 경우 겹침으로 인해 돼지의 귀와 머리가 구분되지 않는 경우가 발생하고, 귀 탐지 과정에서 고려해야 할 변수가 많아지므로 연산량과 수행 시간이 증가한다. 따라서 돼지의 무게 추정을 위해서 돼지의 머리를 제거할 때 돼지의 자세 판정은 필수적이다. 본 논문에서는 돼지의 중점으로부터 돼지의 경계선을 연결한 선분의 길이를 비교하여 돼지의 자세를 빠르게 결정하였다. 이를 통해 자세가 바른 돼지의 머리를 제거하여 돼지의 무게를 측정하는 방법을 제안한다. 실험 결과, 7.8 ms의 수행 시간과 0.97 이상의 정확도로 돼지머리 제거를 위한 자세를 결정할 수 있음을 확인하였다.

• Journal of the Korea Society of Computer and Information
• /
• v.26 no.6
• /
• pp.37-46
• /
• 2021

In this paper, we designed and implemented a program to measure and to judge the accuracy of yoga postures using Azure Kinect. The program measures all joint positions of the user through Azure Kinect Camera and sensors. The measured values of joints are used as data to determine accuracy in two ways. The measured joint data are determined by trigonometry and Pythagoras theorem to determine the angle of the joint. In addition, the measured joint value is changed to relative position value. The calculated and obtained values are compared to the joint values and relative position values of the desired posture to determine the accuracy. Azure Kinect Camera organizes the screen so that users can check their posture and gives feedback on the user's posture accuracy to improve their posture.

• Journal of Broadcast Engineering
• /
• v.27 no.6
• /
• pp.944-947
• /
• 2022

Due to the coronavirus pandemic, the wearing of a mask has been increasing worldwide; thus, the importance of image analysis on masked face images has become essential. Although head pose estimation can be applied to various face-related applications including driver attention, face frontalization, and gaze detection, few studies have been conducted to address the performance degradation caused by masked faces. This study proposes a new data augmentation that synthesizes the masked face, depending on the face image size and poses, which shows robust performance on BIWI benchmark dataset regardless of mask-wearing. Since the proposed scheme is not limited to the specific model, it can be utilized in various head pose estimation models.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• pp.68-71
• /
• 2020

최근 딥러닝을 이용한 인체 자세 추정(human pose estimation) 연구가 활발히 진행되고 있다. 그 중 구조가 간단하면서도 성능이 강력하여 널리 사용되고 있는 딥러닝 네트워크 모델은 이미지 분류(image classification)에 사용되는 백본 네트워크(backbone network)와 디컨볼루션 출력망(deconvolution head network)을 이어 붙인 구조를 갖는다[1]. 기존의 디컨볼루션 출력망은 디컨볼루션 층을 쌓아 낮은 해상도의 특징맵을 모두 높은 해상도로 변환한 후 최종 인체 자세 추정을 하는데 이는 다양한 해상도에서 얻어낸 특징들을 골고루 활용하기 힘들다는 단점이 있다. 따라서 본 논문에서는 매 디컨볼루션 층 이후에 인체 자세 추정을 하여 다양한 해상도에서 연산을 하고 이를 종합하여 최종 인체 자세 추정을 하는 방법을 제안한다. 실험 결과 Res50 과 기존의 디컨볼루션 출력망의 경우 0.717 AP 를 얻었는데 Res101 과 기존의 디컨볼루션 출력망을 사용한 결과 50% 이상의 파라미터 수 증가와 함께 0.727 AP, 즉 0.010AP 의 성능 향상이 이루어졌다. 이에 반해 Res50 에 다중 해상도 디컨볼루션 출력망을 사용한 결과 약 1%의 파라미터 수 증가 만으로 0.720 AP, 즉 0.003 AP 의 성능 향상이 이루어졌다. 이를 통해 디컨볼루션 출력망 구조를 개선하면 매우 적은 파라미터 수 증가 만으로도 인체 자세 추정의 성능을 효과적으로 향상시킬 수 있음을 확인하였다.

• Annual Conference of KIPS
• /
• 2021.11a
• /
• pp.787-790
• /
• 2021

본 논문에서는 최신 모션 인식 기술을 활용하여 골프 스윙 비디오에서 사람의 자세를 추정한 후 다양한 원인으로 오검출된 좌표들을 보정하여 자세 추정의 정확도를 높이는 방법을 제안한다. 기존의 사람 자세 추정 모델은 골프 스윙 데이터에서 오검출, 반전, 불안정성, 미검출의 문제를 보여 정확한 자세 추정을 어렵게 했다. 이를 해결하기 위하여 본 연구에서는 자세 추정시 발생하는 이상치 데이터들을 Bi-LSTM 으로 학습하고 골프 스윙의 특징을 고려한 간단한 규칙을 통하여 이상치 데이터를 효과적으로 검출하고 이를 보정하는 방법을 제안한다. 또한 다양한 실험과 분석을 통하여 제안하는 방법이 골프 스윙 모션에서 사람의 자세를 정확히 추정할 수 있음을 보인다.

• Annual Conference of KIPS
• /
• 2023.11a
• /
• pp.763-765
• /
• 2023

본 논문에서는 저성능 컴퓨터나 스마트폰의 카메라를 통해 입력받은 영상을 기반으로 사용자의 포즈를 추정하고, 실시간으로 사용자의 포즈에 따라 3D 모델의 모션이 제어되어 가시화 될 수 있는 클라이어트-서버 구조의 "자세추정 및 3D 모델 모션 제어 시스템"을 제안한다. 제안 시스템은 소켓통신 기반의 클라이언트-서버구조로 구성되어, 서버에서는 실시간 자세 추정을 위한 딥러닝 모델이 수행되고, 저성능 클라이언트에서는 실시간으로 카메라 영상을 획득하여 영상을 서버에 전송하고, 서버로부터 자세 추정 정보를 받아 이를 3D 모델에 반영하고 렌더링 함으로써 사용자와 함께 3D 모델이 같은 동작을 수행하는 증강현실 화면을 생성한다. 고성능을 요구하는 객체 자세 추정 모듈은 서버에서 실행하고, 클라이언트에서는 영상 획득 및 렌더링만을 실행하기 때문에, 모바일 앱에서의 실시간 증강현실을 위한 자세 추정 및 3D 모델 모션 제어가 가능하다. 제안 시스템은 "증강현실 기반 영상 찍기 앱" 에 반영되어 사용자의 움직임을 따라하는 3D 캐릭터들의 영상을 쉽게 생성할 수 있도록 할 수 있다.

• Journal of Practical Engineering Education
• /
• v.16 no.2
• /
• pp.115-119
• /
• 2024

With the increase in the number of ICT industry workers, there is a demand for research on preventing VDT syndrome. However, existing posture correction products mostly rely heavily on cameras or sensors in wearable devices. In this paper, we have developed a posture correction system that utilizes built-in cameras and circular pressure sensors to collect posture information. Additionally, the system provides a personalized service by capturing the correct posture of the user initially and monitoring the user's posture based on that input. By precisely correcting postures during users' daily tasks, this system aims to prevent and improve VDT syndrome, ultimately enhancing the efficiency of ICT industry workers.

• The Korean Journal of Nuclear Medicine Technology
• /
• v.16 no.1
• /
• pp.91-95
• /
• 2012

Purpose: In this study, we evaluated the ejection fraction (EF) according to the difference of patient position in Gated Blood Pool (GBP) scan. Material and Methods: The analysis was performed to 80 patients ($51.2{\pm}17.4$ years old) who examined GBP scan in Department of nuclear medicine, National Cancer Center from March 2011 to August 2011. We divided the patients into two groups; one group received conventional position (raise left arm up supine) and supine position (group 1) and the other group received conventional position and left arm back down supine position (group 2). To observe the change EF according to patient position difference, the image was reconstructed and analyzed by Xeleris (GE, USA). We measured body mass index (BMI) of patients. Result: In group 1, EF error less than 3% occurred at a rate of 72.5% (29 of the 40 patients). In group 2, EF error less than 3% occurred at a rate of 79% (32 of the 40 patients). The patient's BMI did not affect ejection fraction. Conclusion: The EF error of left arm back down supine position closer to conventional position than in supine position shows the results.

• Korean Journal of Applied Biomechanics
• /
• v.12 no.2
• /
• pp.179-195
• /
• 2002

The purpose of this research is to provide a proper model by analyzing the sports biomechanical of physical movements on the basis of the two patterns(open-stance and cross-stance) at the ready-to-start pose. The subjects for this study are composed of five male handball players from P university and five female shooting players from S university. Three-way moving actions at start(right, left, and forward) are recorded with two high-speed video cameras and measured with two Force platforms and a EMG system. Three-dimensional action analyzer, GRF system, and Whole body reaction movement system are used to figure out the moving mechanisms at the start pose. The analytic results of the moving mechanism at the start pose were as follows. 1. Through examining the three-way moving actions at start, I have found the cross-stance pose is better for the moving speed of body weight balance than the open-stance one. 175 degree of knee joint angle at "take-off" and 172 degree of hip joint angle were best for the start pose. 2. The Support time and GRF data shows that the quickest center of gravity shift was occurred when cross-stanced male subjects started to move toward his lefthand side. The quickest male's average supporting time of left and right foot is 0.19${\pm}$0.07 sec., 0.26${\pm}$0.06sec. respectively. The supporting time difference between two feet is 0.07sec. 3. Through analyzing GRF of moving actions at start pose, I have concluded that more than 1550N are overloaded on one foot at the open-stance start, and the overloaded force may cause physical injury. However, at the cross-stance pose, The GRF are properly dispersed on both feet, and maximum 1350N are loaded on one foot.