http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
실시간 행동인식 기반 아동 행동분석 서비스 시스템 개발
오치민,김선우,박정민,조인장,김재인,이칠우 (사)한국스마트미디어학회 2024 스마트미디어저널 Vol.13 No.2
본 논문에서는 행동인식 기술을 기반으로 0세에서 2세까지의 아동을 대상으로 행동 발달 지표(활동성, 사회성, 위험성)를 파악하여 고도의 복지 서비스를 제공할 수 있는 시스템과 알고리즘에 관해 기술한다. 행동인식은 0세 영아의 눕기에서 부터 2세 유아의 점프까지 총 11개 행동을 대상으로 하였으며 광주·전남지역 어린이집 3개소에서 연구용으로 제공받은 실제 영상으로부터 직접 취득한 데이터를 학습에 사용하였다. 11개 행동에 대해 425개 클립 영상에서 1,867개 행동 데이터셋을 구축하여 학습한 결과 평균 97.4%의 인식정확도를 확인하였다. 또 실세계 적용을 위해 행동분석 장치인 엣지 비디오 분석기(Edge Video Analyzer, EVA)를 제작하였고 이 장치 위에 4채널 영상에서 최대 30명까지 실시간 행동인식이 가능한 영역별 랜덤 프레임 선택 기반 PoseC3D 알고리즘을 구현하였다. 개발된 시스템은 3곳의 어린이집에 설치되어 10명의 보육교사에 의해 1개월간 실증테스트가 진행되었고 설문조사 결과 체감 정확도는 91점, 서비스 만족도는 94점으로 평가되었다. This paper describes the development of a system and algorithms for high-quality welfare services by recognizing behavior development indicators (activity, sociability, danger) in children aged 0 to 2 years old using action recognition technology. Action recognition targeted 11 behaviors from lying down in 0-year-olds to jumping in 2-year-olds, using data directly obtained from actual videos provided for research purposes by three nurseries in the Gwangju and Jeonnam regions. A dataset of 1,867 actions from 425 clip videos was built for these 11 behaviors, achieving an average recognition accuracy of 97.4%. Additionally, for real-world application, the Edge Video Analyzer (EVA), a behavior analysis device, was developed and implemented with a region-specific random frame selection-based PoseC3D algorithm, capable of recognizing actions in real-time for up to 30 people in four-channel videos. The developed system was installed in three nurseries, tested by ten childcare teachers over a month, and evaluated through surveys, resulting in a perceived accuracy of 91 points and a service satisfaction score of 94 points.
오치민,정문호,유범재,이칠우,Oh, Chi-Min,Jeong, Mun-Ho,You, Bum-Jae,Lee, Chil-Woo 한국정보처리학회 2010 정보처리학회논문지B Vol.17 No.1
본 논문에서는 개선된 챔퍼매칭(Chamfer Matching)으로 2차원 평면 객체 모델을 추적하는 방법을 제시한다. 기존 챔퍼매칭은 배경이 복잡할 경우 객체와 영상간의 유사도를 계산하기 어려운 단점이 있다. 따라서 본 논문에서는 챔퍼매칭을 에지와 코너특징을 사용해 복잡한 배경에서도 유사도를 계산할 수 있도록 개선한다. 개선된 챔퍼매칭은 기하(Geometric) 모델을 추적하는 파티클 필터(Particle Filter)의 우도함수로 사용된다. 기하모델은 2차원 평면 객체를 에지 및 코너 특징점과 포즈로 모델링하며, 색상 변화에 안정적인 객체서술자이다. 파티클 필터는 칼만필터 보다 더 비선형적인 추적 방법이다. 따라서 제안된 방법은 복잡한 환경에서 객체를 추적하기 위해 기하모델 및 파티클 필터, 개선된 챔퍼 매칭을 사용한다. 실험 결과에서는 제안 방법의 강건함을 기존 방법의 비교를 통해 나타낸다. In this paper we have presented a two dimensional model based tracking system using improved chamfer matching. Conventional chamfer matching could not calculate similarity well between the object and image when there is very cluttered background. Then we have improved chamfer matching to calculate similarity well even in very cluttered background with edge and corner feature points. Improved chamfer matching is used as likelihood function of particle filter which tracks the geometric object. Geometric model which uses edge and corner feature points, is a discriminant descriptor in color changes. Particle Filter is more non-linear tracking system than Kalman Filter. Then the presented method uses geometric model, particle filter and improved chamfer matching for tracking object in complex environment. In experimental result, the robustness of our system is proved by comparing other methods.
오치민,이칠우,Oh, Chi-Min,Lee, Chil-Woo 한국정보처리학회 2011 정보처리학회논문지B Vol.18 No.1
Pictorial Structures is known as an effective method that recognizes and tracks human poses. In this paper, the upper body pose is also tracked by PS and a particle filter(PF). PF is one of dynamic programming methods. But Markov chain-based dynamic motion model which is used in dynamic programming methods such as PF, couldn't predict effectively the highly articulated upper body motions. Therefore PF often fails to track upper body pose. In this paper we propose the key pose-based proposal distribution for proper particle prediction based on the similarities between key poses and an upper body silhouette. In the experimental results we confirmed our 70.51% improved performance comparing with a conventional method. Pictorial Structures(PS)는 동적 프로그래밍을 이용하여 인체의 포즈 추적 및 인식 하는 것에 매우 효과적인 방법으로 알려져 있다. 본 논문에서 상반신 포즈는 PS와 Particle filter(PF)에 의한 동적 프로그래밍 기법으로 추적된다. PF와 같은 동적프로그래밍에서 마코프 연쇄 (Markov Chain) 기반 동적 움직임 모델은 높은 자유도를 갖는 상반신 포즈를 예측하기 어려운 단점이 있다. 본 논문에서 제안하는 방법은 키포즈 기반 예측분포이며, 이것은 상반신 실루엣과 키포즈(Key Pose)들 사이의 유사도를 참고하여 파티클(Particle)을 적절히 예측하는 것이다. 실험 결과를 통해 제안된 방법은 기존 방법 성능을 70.51% 향상시킨 것을 확인하였다.