다중 키넥트를 활용한 향상된 인체추적 방법 = Advanced Human Body Tracking Method using Multiple Kinect Sensors

국문 초록 (Abstract)

MicroSoft社가 키넥트 센서를 출시한 이래로 이를 활용한 사례들이 늘고 있다. 이전에도 사용자 추적 기술이나, 깊이 카메라에 관한 연구는 활발하였으나, 기술적 한계와 가격 등의 이유로 널리 보급되지는 못하였다. 과거 영화나 애니메이션과 같은 특수한 분야에서 전문적인 장비로 활용되었던 기술이, 이제는 누구나 손쉽게 접하고 활용할 수 있게 되었다
저렴한 가격과 단순한 장비구성의 장점으로 기존의 인체추적 기술을 사용하던 분야뿐만 아니라 다양한 분야에서 키넥트를 활용하려는 움직임이 나타나고 있다. 하지만 깊이 카메라의 음영영역과 같은 물리적 한계로 인해 다소 제한된 환경에서 사용해야한다는 단점이 존재한다.
본 논문에서는 현재 나와 있는 깊이 인식 카메라의 한계를 극복하고자, 여러 대의 키넥트 센서를 이용한 방법을 연구하였다. 부정확한 측정값을 다른 카메라로부터 얻은 정보와 비교하여 보다 정확한 값을 획득하고, 깊이 카메라의 특성상 발생하는 음영역역을 다른 키넥트 센서를 이용하여 커버하고자 한다.
본 논문에서는 여러 대의 키넥트 센서로부터 얻은 사용자 신체 추적 정보를 자동으로 정렬하고 정합할 수 있는 방법을 제안한다

주제어 : Natural User Interface, 키넥트 센서, 다중 키넥트,사용자 인체 추적

목차 (Table of Contents)

• 1. 서 론 1
• 1.1 연구의 배경 1
• 1.2 연구의 필요성 3
• 1.3 논문의 구성 4
• 2. 관련 연구 5
• 2.1 깊이 카메라의 종류와 특징 5
• 2.1.1 구조광 투영 방식 5
• 2.1.2 TOF 방식 7
• 2.1.3 스테레오 비전 방식 8
• 2.2 깊이 카메라를 이용한 사용자 추적 9
• 2.3 다중 키넥트 센서를 활용한 연구사례 10
• 3. 모바일 증강현실 구현 기술 12
• 3.1 키넥트 센서의 특성 12
• 3.1.1 키넥트 센서의 구조 12
• 3.1.2 Kinect SDK 14
• 3.2 시스템의 구성 15
• 3.2.1 시스템 프로세스 15
• 3.3 Skeleton Data 정렬 16
• 3.3.1 Absolute Orientation을 이용한 Skeleton Data 정렬 16
• 3.3.2 전면 후면 문제 18
• 3.4 Skeleton Data의 정합과 가중치 20
• 3.4.1 Skeleton Data의 정합 방법 20
• 3.4.2 사용자의 방향에 의한 가중치 21
• 3.4.3 관절의 가시성에 의한 가중치 23
• 3.4.4 가중치를 이용한 Skeleton Data 구성 24
• 4. 제안한 정합 방법의 실험 25
• 4.1 실험 방법 25
• 4.1.1 실험 환경과 변수 25
• 4.1.2 평가 방법 26
• 4.2 실험 결과 27
• 4.2.1 정지상태에서의 추적 27
• 4.2.2 회전운동이 없는 동작 트래킹 31
• 4.2.3 사용자의 회전이 포함된 동작 트래킹 36
• 4.2.4 실험 결과 40
• 5. 결론 43