Silhouette-based Motion Estimation for Movement Education of Young Children

국문 초록 (Abstract)

동작은 유아의 신체적, 사회적, 인지적 발달에 매우 중요한 요소이다. 본 논문에서는 유아의 신체에 적절한 동작 추정 방법을 제안한다. 본 논문에서는 동작교육에 필요한 동작 중에서 걷기, 뛰기, 앙감질의 이동동작과 구부리기, 뻗기, 균형잡기, 회전하기의 비이동 동작을 대상으로 한다. 제안된 시스템은 두 대의 카메라에서 획득된 프레임에서 조명 보정, 배경 제거, 모폴로지 실행 등의 과정을 통해 실루엣을 추출한다. 실루엣 특징으로 면적, 가로세로 비율, 발의 위치, 7개의 Hu moments를 사용한다. 또한 지역 특징으로 실루엣을 5×3으로 나누어 각 영역의 면적과 움직임을 사용한다. 동작 추정을 위해서, 추출된 특징에 확률전파를 적용하였다. 본 논문에서 제안된 알고리즘은 마커없이 유아들의 기본 동작을 추정함으로써 동작교육을 위한 가상 학습공간에서 실감형 인터페이스로 사용될 수 있는 가능성을 보여주고 있다.

다국어 초록 (Multilingual Abstract)

Movements are a critical ability to young children’s whole development, including physical, social/emotional, and cognitive development. This paper proposes the method to estimate movements suitable for young children’s body conditions. The proposed method extracts a silhouette in each frame of videos that are obtained by deploying two video cameras by compensating illuminations, removing background and conducting morphology operations. And we extract silhouette feature values: an area, the ratio of length to width, the lowest foot position, and 7 Hu moments. Also, the area and movements of sub-area are used as local features. For motion estimation, we used probability propagation of the features extracted from the front and side frames. The proposed estimation algorithm is demonstrated for seven movements, walking, jumping, hopping, bending, stretching, balancing, and turning.

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. Introduction
• Ⅱ. Movements in movement education
• Ⅲ. Silhouette feature extraction
• Ⅳ. Silhouette-based pose estimation
• Ⅴ. Experimental results
• Ⅵ. Conclusions and Discussions
• 참고문헌
• 저자소개

참고문헌 (Reference)

1 구성희, "유치원 교육 활동 지도 자료’에 나타난 동작 관련 활동 분석" 이화여대 2002

2 오연주, "유아 동작 교육의 이론과 실제" 창지사 2000

3 A. Schodl, "Video textures" 489-498, 2000

4 K.. M. Lee, "Tracking multi-person robust to illumination changes and occlusions" 429-432, 2004

5 M. Brand, "Style machines" 183-192, 2000

6 R. Kehl, "Real-time pointing gesture recognition for an immersive environment" 577-582, 2004

7 R. Laban, "Modern educational dance" Macdonald and Evans Ltd. 1963

8 L. Ren, "Learning silhouette features for control of human motion" 24 (24): 1303-1331, 2005

9 H. Sidenbladh, "Learning image statistics for Bayesian tracking" 709-716, 2001

10 H. Sidenbladh, "Implicit probabilistic models of human motion for synthesis and tracking" 784-800, 2000

11 A. Mittal, "Human body pose estimation using silhouette shape analysis" 263-270, 2003

12 S. Roth, "Gibbs likelihoods for Bayesian tracking" 886-893, 2004

13 G. Hager, "Efficient region tracking with parametric models of geometry and illumination" 20 (20): 1025-1039, 1999

14 C. Sminchisescu, "Discriminative density propagation for 3D human motion estimation" 390-397, 2005

15 I. Pitas, "Digital image processing algorithms and applications" Wiley-interscience 352-356, 2000

16 N. Howe, "Bayesian reconstruction of 3D human motion from single camera video" MIT Press 820-826, 1999

17 J. Deutscher, "Articulated body motion capture by annealed particle filtering" 126-133, 2000

18 B. Rosenhahn, "A system for marker-less human motion estimation" 3663 : 230-237, 2005