• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 추계학술대회
• /
• pp.872-875
• /
• 2016

본 연구에서는 무구속적으로 사용자의 활동상태를 모니터링하고 이를 기반으로 산만도를 추정하기 위한 연구를 수행하였다. 사용자의 활동상태 모니터링을 위해서는 키넥트 센서를 활용하여 머리에서의 관절정보와 어깨관절정보를 검출하고, 각 검출지점의 시간당 좌표변화를 인덱스화하여 움직임 변화정도를 측정하였다. 이러한 움직임정보로부터 산만도의 추정을 위하여 움직임의 빈도와 움직임의 강도를 분석하고 이로부터 산만도를 추정하기위한 인덱스를 개발하였다. 실제 사용자의 활동상태로부터 추출된 움직임정보 및 산만도 추정인덱스의 모니터링을 위하여 PC기반의 모니터링 및 스마트폰기반의 어플리케이션을 구현하였다. 구현된 시스템의 성능평가를 위하여 키넥트를 이용한 산만도 추정 어플리케이션과 동시에 비디오 계측을 통해 움직임의 정도에 따른 산만도 추정식의 결과를 비교분석한 결과 개발된 산만도 추정시스템과 비디오분석결과의 상관관계가 높음을 실험으로 확인하였다.

• 디지털융복합연구
• /
• 제12권3호
• /
• pp.255-261
• /
• 2014

디지털 카메라, 스마트폰, 타블렛과 같은 스마트 기기의 대중화와 소셜 네트워크 서비스를 통해서 사진과 같은 멀티미디어 데이터의 양이 빠르고, 급격하게 확산되고 있다. 사진 검색 방법은 키워드 기반의 검색 방법, 예제 기반의 검색 방법, 시각화 질의 기반의 검색 방법의 세 가지 분류될 수 있다. 이전에 연구된 사진 검색 기법은 일반 PC 환경에 최적화되었기 때문에 최근에 등장한 스마트 TV 환경에서 사진 검색하기 위한 방법으로 사용하는 것은 적합하지 않은 상황이다. 본 논문에서는 스마트 TV 환경에서 키넥트를 이용한 소셜 네트워크에 존재하는 사진 검색 시스템을 제안하였다. 이를 위해서 키넥트 센서를 사용하여 마우스의 컨트롤을 제어할 수 있도록 구현하였으며, 제안하는 시스템의 검색 결과는 임계값이 0.7일 때, 평균 재현율과 평균 정확도는 각각 81%, 80%의 성능을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.335-337
• /
• 2019

본 연구에서는 키넥트와 아두이노 초음파센서를 이용하여 야구 경기 시 발생하는 센서 데이터를 획득하여 스트라이크 판단이 가능한 알고리즘 및 디바이스를 개발하였다. 개발된 디바이스는 야구 경기장 홈플레이트로 사용하며 스트라이크, 볼의 경우에 대해 판단하도록 하였다. 판단에는 스트라이크 존을 측정하기 위해 키넥트의 skeleton tracking 예제로 관절을 측정해 좌표를 알아내고 아두이노 초음파센서를 사용하여 스트라이크를 판단하도록 했다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.1400-1403
• /
• 2015

사람들의 TV 시청 경향을 조사해보면, 시청 도중에 다른 매체를 사용하거나 일을 하면서 소리만 듣는 경우가 많이 있다. 이 경우 화면 출력을 위한 전력 낭비의 문제가 있다. 본 논문에서는 이를 효율적으로 해결하기 위한 기술에 대하여 제안한다. 제안한 방법에서는 키넥트 센서를 이용하여 깊이 및 컬러 영상을 촬영하고 분석하여 사람들이 TV시청을 하지 않을 경우 화면을 자동으로 꺼 주고, 사람이 나타나면 다시 켜주는 형태로 동작한다. 기존 절전 기능이 단지 인간의 습관에 의존하거나, 센서 반향을 이용해 물체의 유무를 따진 후 전원을 완전히 차단하는 등 단순한 방법에 의존하였음에 비해 제안하는 방법은 대상의 움직임을 추적하여 좀 더 세밀하고 효과적인 절전을 가능하도록 한다.

• 디지털콘텐츠학회 논문지
• /
• 제15권4호
• /
• pp.473-480
• /
• 2014

오늘날 컴퓨터의 사용이 대중화 되면서 키보드나 마우스와 같은 기존의 사용자 인터페이스에 비해 보다 편리하고 자연스러운 인터페이스에 대한 연구가 활발히 진행되면서, 최근 마이크로소프트의 동작 인식 모듈인 키넥트에 대한 관심이 높아지고 있다. 키넥트는 내장된 센서를 통해 신체의 주요 관절의 움직임 및 깊이 정보를 인식할 수 있으며 내장 마이크를 통해 간단한 음성인식도 가능하다. 본 논문에서는 OpenCV 라이브러리를 키넥트에 접목하여, 키넥트의 깊이 데이터, skeleton tracking, labeling 알고리즘으로 손 영역 추출 및 움직임의 정보를 인식하여 가상 마우스와 가상 키보드를 구현하고, 음성인식을 통해 기존 입력 장치의 기능을 구현하는 것을 목표로 한다.

• 한국컴퓨터정보학회논문지
• /
• 제26권3호
• /
• pp.43-50
• /
• 2021

본 논문에서는 키넥트 센서를 기반으로 한 휘트니스(Fitness) 동작의 정확성을 피드백 하는 윈도우 애플리케이션 KITNESS를 설계하고 구현한다. 이 애플리케이션의 특징은 키넥트의 카메라와 관절 인식 센서를 활용하여 사용자가 정확한 휘트니스 자세로 운동할 수 있도록 피드백을 주는 것이다. 이때 키넥트의 IR Emitter와 IR Depth Sensor를 이용하여 사용자와 키넥트 간의 거리를 측정하고, 사용자의 관절 위치인 조인트(Joint)와 각 관절의 스켈레톤(Skeleton) 데이터를 측정한다. 이러한 데이터를 이용하여 사용자의 관절 위치와 자세마다 일정 거리를 계산하고 자세의 정확도를 판단한다. 그리고 키넥트의 RGB 카메라를 통해 사용자가 본인의 자세를 확인할 수 있도록 구현한다. 즉, 사용자의 자세가 정확하면 스켈레톤 정보를 초록색 선으로 표시하고, 정확하지 않으면 정확하지 않은 부분을 빨간색 선으로 표시하여 직관적으로 알려준다. 사용자는 이 애플리케이션을 통하여 운동하는 자세의 정확도를 피드백 받기 때문에 혼자서도 정확한 자세로 운동할 수 있다. 이 애플리케이션은 운동 부위를 목, 허리, 다리 세 가지 영역으로 분류하고, 각 운동 부위의 자세에서 관절이 겹쳐서 키넥트가 인식하지 못하는 자세를 제외함으로써 키넥트의 인식률을 높인다. 그리고 애플리케이션 종료 시에는 마지막 운동 모습을 이미지로 5초간 보여줌으로써 성취감을 고취시키고 지속적으로 운동할 수 있도록 구현한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 추계학술대회
• /
• pp.292-294
• /
• 2011

별개의 컨트롤러 없이 사용자의 신체만을 이용하여 다양한 게임과 엔터테인먼트를 경험할 수 있는 키넥트에 대한 관심이 높아지고 있다. 최근 재활 치료를 필요로 하는 환자가 늘어남에 따라 본 논문에서는 운동 장애를 가진 환자들이나 노인들이 고가의 장비 또는 다른 사람의 도움 없이 키넥트와 컴퓨터만을 이용하여 손 재활 운동을 할 수 있도록 하는 것을 목적으로 한다. 키넥트 영상으로부터 손 영역을 찾고, 영역의 윤곽선을 추출 한다. 이 때 손가락 중심선을 찾아 손가락과 손바닥 영역을 구분해 준다. 손가락의 개수를 확인하기 위해서 손의 중심점과 끝 점을 찾은 후 두 점을 연결함으로써 손가락의 개수를 확인할 수 있고, 실시간으로 손의 움직임을 감지하도록 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 춘계학술발표대회
• /
• pp.423-426
• /
• 2017

최근 스마트 기기의 사용 증가로 인해 자세 관련 질환도 크게 증가하고 있다. 이는 올바르지 않은 자세로 스마트 기기를 사용하는 것에 기인한 것으로 많은 사람들이 자신의 자세를 인식하지 못한 채 올바르지 않은 자세로 스마트 기기를 사용한다. 본 연구에서는 컴퓨터 및 스마트폰의 사용자가 자신의 앉은 자세 정보를 데이터로 인식하기 위해서 키넥트 센서에서 제공하는 골격 모델의 특징점을 추출하여 사용하였다. 이를 바탕으로 앉은 자세의 각도를 계산하여 자세의 올바름의 정도를 알려주는 앉은 자세 측정값 모델 방법과 이 모델에 기반한 시스템을 제안하였다. 본 논문에서는 제안하는 자세 측정 모델 및 시스템의 설계 및 구현을 설명하였고, 실험을 통해서 제안된 모델의 상용화 가능성을 살펴보았다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 춘계학술발표대회
• /
• pp.250-253
• /
• 2013

최근 카메라 영상을 이용한 제스처 인식 관련 연구가 활발히 진행되고 있다. 카메라 영상을 이용한 제스처 인식에서 많이 사용되는 학습 알고리즘에는 확률 그래프 모델인 HMM과 CRF 등이 있다. 이 학습 알고리즘들은 다차원의 연속된 실수 데이터를 가지고 모델을 학습하면 계산량이 많아진다. 본 논문에서는 팔 관절 위치 데이터를 k-평균 군집화 과정을 거쳐 1차원의 시계열 데이터로 변환 후, 제스처별로 HMM 모델을 학습하는 방법을 제안한다. 키넥트 센서를 통해 얻은 팔 관절 위치 데이터에 k-평균 군집화를 적용하여 1차원 시계열 데이터를 생성하고, 이를 HMM의 학습 및 인식에 사용한다. 본 논문에서 제안하는 방법의 성능을 분석하기 위하여, 다른 시계열 학습 알고리즘인 AP+DTW를 이용한 방법과의 비교 실험을 포함해 다양한 실험들을 수행하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.1332-1335
• /
• 2013

본 논문에서는 키넥트 센서 데이터에 은닉 조건부 랜덤 필드 모델을 적용하여 인간의 일상 행위를 인식하는 시스템을 제안한다. 많은 고수준의 일상 행위들은 다수의 부속 행위들이 순차적 혹은 반복적으로 수행되어 나타나는 하나의 계층구조로 볼 수 있다. 따라서 제안하는 시스템에서는 이러한 고수준의 일상 행위들을 순차성과 계층성을 잘 표현할 수 있는 확률 그래프 모델의 하나인 은닉 조건부 랜덤 필드 모델로 모델링함으로써, 행위 인식률을 높이려고 시도하였다. 또한 제안하는 시스템에서는 효과적인 행위 모델의 학습과 적용을 위해, 모션 특징, 구조 특징, 손 위치 특징과 같은 다양한 종류의 특징들을 키넥트 센서 데이터로부터 추출하여 이들을 이용하였다. 그리고 12 가지 일상 행위들에 관한 코넬 대학의 CAD-60 데이터 집합을 이용한 다양한 실험을 통해, 제안하는 시스템의 우수한 인식 성능을 확인할 수 있었다.