디지털 라이브러리[ 검색결과 ]
ELM 알고리즘을 이용한 팔굽혀펴기 행동의 방향별 동작 인식률에 관한 비교 분석
http://doi.org/10.5626/JOK.2023.50.12.1031
본 논문에서는 ELM 알고리즘을 이용한 팔굽혀펴기 행동의 방향별 동작 인식 시스템을 제안한다. 인식되는 과정은 세 부분으로 구성된다. 첫 번째는 모션 데이터를 읽는 과정이다. 이 과정에서 모션 캡처 시스템에서 얻은 데이터가 시스템의 메모리에 입력된다. 그런 다음, 시스템은 모션 데이터로부터 특징벡터를 추출한다. 모션 데이터의 쿼터니언 데이터 값으로부터 변환된 3차원 위치 데이터는 시스템의 X-Y평면, Y-Z 평면, Z-X 평면에 투영되고, 그 값들은 최종 특징 벡터로 사용된다. 각 평면에 투영된 피쳐 벡터는 서로 다른 ELM을 학습하고 총 3개의 ELM이 학습된다. 마지막으로 학습된 각 ELM에 테스트 데이터를 입력하여 최종 인식 결과 값을 도출한다. 모션 데이터를 획득하기 전에 컴퓨터에 트레이닝 할 데이터셋으로 네 가지의 팔굽혀펴기 동작을 선정하였고, 이를 혼합하여 10가지의 동작을 선정하여 컴퓨터에 테스트 할 데이터 셋을 구축했다.
조인트-스피어를 이용한 관절 단위의 3D 애니메이션 동작 저작
http://doi.org/10.5626/JOK.2021.48.4.453
3D 애니메이션의 동작 저작에서 자연스러운 인간의 움직임을 만들어내는 연구는 기술의 발전과 함께 여러 분야에서 진행되고 있다. 자연스럽고 사실적인 애니메이팅을 위하여 수많은 애니메이터가 직접적으로 키 프레임 작업을 하거나 모션 캡처를 받아서 동작을 저작해왔다. 하지만 간단한 동작 저작 및 수정에도 1초당 수개의 키를 만들거나, 센서로 동작을 측정하는 과정은 비효율적이기 때문에 간단한 동작수정을 위해서는 이러한 문제점들이 해결되어야 한다. 본 연구에서는 기존 동작 저작 방식인 키 프레임 애니메이션과 모션 캡처를 이용한 동작 저작 방식을 분석하였다. 또한 기존 방식의 단점을 보완한 새로운 동작 저작 방식을 제안한다. 3D 캐릭터의 각 관절에 부착한 조인트-스피어를 통해 인간의 동작을 기록하고 기록된 궤적을 수정하여 동작을 수정한다. 궤적 수정을 통해 동작을 수정하기 때문에 일일이 모델 각 부위의 회전각, 관절을 모두 조절할 필요가 없어 특정 동작에 있어 기존 동작 저작 방식과 비교했을 때 편의성을 높이고 작업 시간을 단축시켰다.
재설정 가능한 모션 캡쳐를 위한 부분 동작 저작
http://doi.org/10.5626/JOK.2019.46.10.989
인간의 동작 인식과 관련된 연구는 기술의 발전과 함께 여러 분야에서 진행되고 있으며, 동작인식에 관한 수요는 날로 증가하는 추세에 있다. 모션 캡쳐에서는 실제 동작과 같은 자연스러운 움직임을 구현하기 위해서는 센서 또는 카메라를 이용하여 각 신체부위의 데이터를 취득 한다. 하지만 동작 데이터를 얻기 위해 매번 센서를 사용하거나, 약간의 동작 차이로 인해 다시 측정하는 과정은 비효율적이다. 또한, 보유하고 있는 데이터를 다른 사람에게 전달하거나, 수정하여 다른 동작으로 활용하기 위해서는 여러 문제점들이 해결되어야 한다.
본 연구에서는 동작인식 관련 연구의 추세를 살펴보며, 키 프레임 애니메이션을 이용한 기존의 동작 재현 방식과 라바노테이션을 이용한 동작 기록 방식의 특징을 분석하였다. 또한, 기존 방식의 단점을 보완하는 동작 저작 방식을 제안한다. 이미지 단위로 부분 동작의 패턴을 시각화하여 기록함으로써, 동작의 의미를 포함한 채로 다른 동작으로의 재구성이 가능하다.
역진자 추정 모델 기반 실시간 운동 컨트롤러의 보행동작 확장
http://doi.org/10.5626/JOK.2019.46.7.606
모션캡처 기반 방법과 물리 기반 방법으로 구성된 하이브리드 방법은 적은 양의 보행동작 데이터를 학습함으로써 방향전환을 포함하는 자연스러운 보행동작을 생성한다. 하이브리드 방법은 제한된 데이터로 더 많은 보행동작을 생성한다는 장점이 있으나, 기록된 데이터를 통해 학습하므로 동작이 유사한 보행동작만 수행가능하다는 단점이 존재하며, 이러한 단점은 캐릭터가 특정 경로를 따라 이동하지 못하게 막는다. 본 논문에서는 이러한 문제점을 보완하기 위해 기존의 기록된 데이터의 변형을 통해 새로운 형태의 보행동작을 생성하는 법을 제안한다. 학습단계에서는 모션캡처에 기록된 걷기, 달리기 데이터를 통해 보행과 관련된 변수들을 생성하고, 합성단계에서는 이 변수를 수정함으로써 새로운 동작인 옆걸음, 뒷걸음을 생성한다. 새로운 보행동작은 기존의 보행동작으로 수행 할 수 없는 경로를 수행함으로써 기존 연구의 수행 경로를 확장시킬 수 있는 것을 보여준다.
