메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학위논문
저자정보

이중빈 (중앙대학교, 中央大學校 大學院)

지도교수
구승범
발행연도
2018
저작권
중앙대학교 논문은 저작권에 의해 보호받습니다.

이용수4

표지
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

2018

싱글 카메라를 이용한 3차원 보행 동작 예측 방법 개발
이중빈 기계공학과 2018.01 학위논문

2017

싱글 카메라를 이용한 3 차원 보행 동작 추정 방법 개발
이중빈 ,  구승범 대한기계학회 춘추학술대회 2017.04 학술대회자료

초록· 키워드

오류제보하기
사람의 보행은 개인의 신체 역학적 상황이나 습관 등의 영향을 받고, 이를 이용하여 사람을 식별할 가능성을 가지고 있다. 점차 증가되는 CCTV등 감시 카메라 시스템의 필요성에 따라 최근에는 하나의 카메라에서 촬영 된 동영상 속의 보행자를 보행을 이용하여 식별하려는 시도가 계속되고 있다. 본 연구에서는 비디오에 촬영된 보행자의 신체 세그먼트 길이 예측 및 보행 파라미터를 예측하기위해 미리 수집해 둔 보행 데이터를 이용하여 보행 자세를 복원하는 알고리즘을 개발하였다. 우리는 30명의 피험자를 모집하고 모션 캡처 시스템을 이용하여 3차원 보행을 촬영하고 17개 주요 관절점의 보행 동안의 위치 및 이동을 추출하였다. 보행 기준 자세 및 주성분을 추출하기 위해 주성분 분석(Principal Component Analysis)을 이용하였다. 우리는 전체 보행을 학습하는 FGC(Full gait cycle) PCA방식과 특정 보행 이벤트별로 학습하는 GPS(Gait-phase-specific) PCA방식 두 종류의 데이터 셋을 제작하였다. 비교 분석을 위해 3차원 모션 캡처 보행 데이터를 2차원 카메라 평면에 투영해서 가상의 2차원 이미지를 다양한 카메라 각도를 설정하여 제작하였다. 다 각도의 2차원 이미지로부터 3차원 자세를 복원한 뒤 3차원 모션 캡처 마커 값과 비교, 분석한다. FGC-PCA방식과 GPS-PCA방식을 이용하여 특정 보행 이벤트의 이미지로부터 3차원 자세를 복원하고 비교한다. GPS-PCA방식으로 보행 자세를 복원했을 때 전 카메라 각도에서 정확도가 좋았고, 특히 정면 혹은 후방일 때 정확도가 FGC-PCA 방식으로 복원한 결과보다 높았다. 세그먼트 길이 예측의 결과로 예측된 세그먼트 길이와 모션 캡처 데이터를 통해 계산된 세그먼트 길이 사이의 상관 관계는 위 팔 (r=0.79), 아래 팔 (r=0.63), 위 다리 (r=0.86), 아래 다리 (r=0.81)로 높은 상관관계를 보였다. 3차원 보행 자세 복원을 통해 사람의 생체정보를 파악할 수 있고, 이를 이용하여 사람을 식별할 수 있는 가능성을 확인하였다.

목차

1. 서론 1
1.1 연구의 배경 1
1.1.1 생체역학적 보행 정보 3
1.1.2 영상으로부터 보행을 이용한 신원 판별 4
1.2 보행 데이터 6
1.2.1 모션 캡처 시스템 6
1.2.2 모션 캡처 및 캐논 카메라 촬영 7
1.2.3 모션 캡쳐 및 캐논 시스템 동기화 9
1.2.4 3차원 모션 데이터에서 해부학적 관절점 추출 12
2. 3차원 자세 복원 알고리즘 개발 14
2.1 실험 14
2.1.1 카메라 각도 별 2차원 이미지 생성 17
2.1.2 보행 데이터 노멀라이제이션 및 주성분 추출 19
2.2 알고리즘 개발 20
2.2.1 3차원 자세복원 알고리즘 22
2.2.2 최적화 알고리즘 25
2.2.3 복원 자세로부터 세그먼트 길이 계산 26
2.2.4 복원정확도 정량화 28
2.2.5 제한조건 29
2.3 결과 30
2.3.1 카메라의 위치에 따른 자세복원 정확도 30
2.3.2 세그먼트 길이 복원 정확도 33
2.4 토의 36
3. 매뉴얼 labeling 정확도 분석 37
3.1 실험 37
3.1.1 데이터 획득 37
3.1.2 매뉴얼 labeling 40
3.2 방법 43
3.2.1 데이터 노멀라이즈 및 표준편차 43
3.3 결과 46
3.3.1 매뉴얼 labeling 비교 결과 46
3.3.2 Openpose 비교 결과 49
3.4 토의 54
4. 결론 55
참고문헌 57
국문초록 60
ABSTRACT 62

최근 본 자료

전체보기

댓글(0)

0