• 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.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.413-415
• /
• 2021

본 논문은 OpenPose를 활용한 손톱 검출 알고리즘을 제안하고 이를 이용한 가상 네일아트를 구현한다. OpenPose에 의해 검출된 키포인트들을 기준으로 각 손가락마다 피부색 특징을 이용하여 손가락 영역을 검출한다. 검출된 손가락 영역의 에지 영상에서 손톱 영역을 검출한다. 그리고 나서 손톱 영역에 네일팁을 합성하여 가상 네일아트를 구현한다. 어느 정도 제어된 촬영 환경에서 실험 결과들은 제안된 알고리즘이 손톱 영역을 잘 검출하고 가상 네일아트를 잘 구현하고 것을 보여 주고 있다.

• 문화기술의 융합
• /
• 제8권5호
• /
• pp.735-740
• /
• 2022

건설업은 사망자 수가 가장 많이 발생하는 산업이며, 다양한 제도 개선에도 사망자는 크게 줄어들지 않고 있다. 이에 따라, CCTV 영상에 인공지능(AI)을 적용한 실시간 안전관리가 부각되고 있다. 건설현장의 영상에 대한 AI를 적용한 근로자 탐지연구가 진행되고 있지만, 건설업의 특성상 복잡한 배경 등의 문제로 인해 성능 발현에 제한이 있다. 본 연구에서는 근로자의 탐지 및 자세 추정에 대한 성능 향상을 위해 YOLO 모델과 OpenPose 모델을 융합하여, 복잡 다양한 조건에서의 근로자에 대한 탐지 성능을 향상시켰다. 이는 향후 근로자의 불안전안 행동 및 건강관리 측면에서 활용도가 높을 것으로 예상된다.

• 한국정보통신학회논문지
• /
• 제23권3호
• /
• pp.282-290
• /
• 2019

최근 어린이집이나 유치원 등 교육기관에서 아동학대가 빈번히 발생하고 있다. 정부는 CCTV 설치를 의무화하였지만 CCTV 영상을 열람하는 것이 쉽지 않다. 본 논문에서는 CCTV 영상을 이용하여 아동학대를 판단하는 모델을 제안한다. 먼저 아동학대란 성인이 물리적으로 아동에게 가해를 하는 것이므로 성인과 아동을 분류하는 모델이 필요하다. 기존의 Haar기법을 사용하여 성인과 아동을 분류하려면 정면 영상이 필요하지만 OpenPose를 사용하면 정면과 측면에 구애받지 않고 성인과 아동을 분류할 수 있다. 본 연구에서는 아동이 학대를 당할 때 성인과 아동의 자세의 특성을 적용하여 아동 학대 판단 모델을 설계 및 구현하였다. 구현한 시스템은 현재 설치되어있는 CCTV를 활용하므로 추가적인 설치가 필요하지 않고 실시간으로 아동학대가 발생하고 있는지 모니터링 할 수 있으므로 이에 따른 빠른 대처가 가능할 것으로 사료된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.811-812
• /
• 2018

딥러닝 기술의 발전에 따라, 딥러닝을 Human Pose Estimation에 적용하는 연구가 활발하게 수행되고 있다. 본 논문에서는 딥러닝을 이용한 여러 기술 중 가장 활발하게 사용이 되고 있는 Open Pose 와 Deeper Cut 기술의 특성을 분석한다.

• 한국학교수학회논문집
• /
• 제10권2호
• /
• pp.221-235
• /
• 2007

개방형 문제는 문제의 출발 상황이나 목표 상황, 해결 방법 등이 열려 있어 학생들에게 각자의 수준에서 다양하고 새로운 산출물을 생산하는 경험을 제공할 수 있다. 교사는 여러 가지 유형의 개방형 문제를 답을 구하거나 증명하는 문제의 형태로 제작하여 활용할 필요가 있다. 개방형 문제 제작과 활용을 위해 먼저 고려해야 할 점은 어떤 소재를 가지고 어떤 절차와 방법으로 개방형 문제를 만들 것인가 하는 점이다. 학생들에게 지나치게 생소하거나 과도한 배경지식을 필요로 하는 내용보다는 학생들에게 친숙하여 접근이 용이한 내용이나 소재 및 대다수의 교사들이 쉽게 활용할 수 있는 제작 방법과 절차에 대한 논의가 구체적인 예와 함께 이루어질 필요가 있다. 이에 본 논문에서는 교과서 등에 제시되어 있어 이미 알려진 문제를 재구성하여 개방형 문제를 제작하는 방법과 절차를 예시 설명하고, 예시 개방형 문제에 대한 학생들의 반응을 분석하며, 이를 토대로 개방형 문제가 지니는 수학 교육적 의의에 대하여 논의한다.

• 한국산학기술학회논문지
• /
• 제21권7호
• /
• pp.285-291
• /
• 2020

제조 산업에서 인력은 로봇으로 대체되지만 전문 기술은 데이터 변환이 어려워 산업용 로봇에 적용이 불가능하다. 이는 비전 기반의 모션 인식 방법으로 데이터 확보가 가능하나 이미지 데이터에 따라 판단 값이 달라질 수 있다. 따라서 본 연구는 비전 방법을 사용해 사람의 자세를 추정 시 영향을 미치는 인자를 고려해 정확성 향상 방법을 찾고자 한다. 비전 방법 중 OpenPose의 3가지 모델 MPII, COCO 및 COCO + foot을 사용했으며, CNN(Convolutional Neural Networks)을 사용한 OpenPose 구조에서 얼굴 가림 및 이미지 전처리에 미치는 영향을 확인하고자 액세서리의 유무, 이미지 크기 및 필터링을 매개 변수로 설정했다. 각 매개 변수 별 이미지 데이터를 3 가지 모델에 적용해 실제 값과 예측 값 사이 거리 오차와 PCK (Percentage of correct Keypoint)로 영향도를 판단했다. 그 결과 COCO + foot 모델은 3 가지 매개 변수에 대한 민감도가 가장 낮았다. 또한 이미지 크기는 50% (원본 3024 × 4032에서 1512 × 2016로 축소) 이상 비율이 가장 적절하며, MPII 모델만 emboss 필터링을 적용할 때 거리 오차 평균이 최대 60pixel 감소되어 향상된 결과를 얻었다.

• 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.

• 한국컴퓨터정보학회논문지
• /
• 제23권8호
• /
• pp.9-16
• /
• 2018

In this paper, a kidnapping detection scheme in which human pose estimation is used to classify accurately between kidnapping cases and normal ones is proposed. To estimate human poses from input video, human's 10 joint information is extracted by OpenPose library. In addition to the features which are used in the previous study to represent the size change rates and the regularities of human activities, the human pose estimation features which are computed from the location of detected human's joints are used as the features to distinguish kidnapping situations from the normal accompanying ones. A frame-based kidnapping detection scheme is generated according to the selection of J48 decision tree model from the comparison of several representative classification models. When a video has more frames of kidnapping situation than the threshold ratio after two people meet in the video, the proposed scheme detects and notifies the occurrence of kidnapping event. To check the feasibility of the proposed scheme, the detection accuracy of our newly proposed scheme is compared with that of the previous scheme. According to the experiment results, the proposed scheme could detect kidnapping situations more 4.73% correctly than the previous scheme.

• 한국멀티미디어학회논문지
• /
• 제25권9호
• /
• pp.1257-1265
• /
• 2022

Recognition of sign language is challenging due to the occlusion of hands, accuracy of hand gestures, and high computational costs. In recent years, deep learning techniques have made significant advances in this field. Although these methods are larger and more complex, they cannot manage long-term sequential data and lack the ability to capture useful information through efficient information processing with faster convergence. In order to overcome these challenges, we propose a word-level sign language recognition (SLR) system that combines a real-time human pose detection library with the minimized version of the gated recurrent unit (GRU) model. Each gate unit is optimized by discarding the depth-weighted reset gate in GRU cells and considering only current input. Furthermore, we use sigmoid rather than hyperbolic tangent activation in standard GRUs due to performance loss associated with the former in deeper networks. Experimental results demonstrate that our pose-based optimized GRU (Pose-OGRU) outperforms the standard GRU model in terms of prediction accuracy, convergency, and information processing capability.