패턴투사 방식의 3D스캐닝에서는 카메라 이미지센서의 해상도를 최대한 이용하기 위하여 Bayer pattern 등의 보간법을 사용하지 않고, 모노크롬 카메라 이미지센서의 최대 해상도에서 동기가 된 프로젝터의 주변광을 이용하여 복수 개의 영상을 얻은 다음 이를 합성하여 컬러 영상을 획득하는 방법을 사용하고 있다. 그러나 이 경우 RGB필터의 분광특 성의 차이와 카메라에 따른 분광감도의 차이 등으로 색균형(color balancing)을 맞추기 어려워 정확한 색재현의 어려움이 있다. 따라서 본 연구에서는 카메라 이미지센서의 분광감도, 카메라의 응답특성 그리고 프로젝터의 분광분포 등을 고려 하여 완전반사체에 대한 카메라의 응답특성이 표준백색의 삼자극치가 되도록 색균형을 조절하여 모노크롬 카메라에서 컬러영상을 획득하는 방법을 제안하였으며, 이를 패턴투사 방식의 3D 스캐너에 적용하여 육안비교 및 색차비교를 통해 성능을 평가하였다.

일반적으로 바늘구멍(pinhole)카메라는 사물을 육안으로 바라볼 때 물체들의 중첩현상으로 인하여 시야(view) 이미지을 극히 제한적으로 볼 수이다. 본 논문에서는 이러한 문제점을 보완하여 우리가 원하는 3D 시야 이미지에서 중첩현상으로 보지 못하는 부문을 단일 이미지로 생성을 시켜서 관찰할 수 있도록 개발한 그래프 카메라를 소개하려고 한다. 이러한 기술들은 3D 게임개발에 적용할 수 있을 뿐만 아니라 다양한 기술을 적용하여야 하는 그래픽 응용표현기술에 적용할 수 있겠다.

This paper presents a vision-based fall detection system to automatically monitor and detect people’s fall accidents, particularly those of elderly people or patients. For video analysis, the system should be able to extract both spatial and temporal features so that the model captures appearance and motion information simultaneously. Our approach is based on 3-dimensional convolutional neural networks, which can learn spatiotemporal features. In addition, we adopts a thermal camera in order to handle several issues regarding usability, day and night surveillance and privacy concerns. We design a pan-tilt camera with two actuators to extend the range of view. Performance is evaluated on our thermal dataset: TCL Fall Detection Dataset. The proposed model achieves 90.2% average clip accuracy which is better than other approaches.

본 논문에서는 노인 및 재활 환자를 대상으로 재활 훈련을 위한 기능성 게임을 제안한다. 제안한 재활 훈련용 기능성 게임은 3D depth 카메라를 이용한 전신 동작 인식 기반의 인터페이스를 제공한다. 사용자가 카메라 앞에서면 배경과 사용자를 구분한 다음 사용자의 전신을 15개의 관절로 인식하고 각 관절이 위치와 방향의 변화를 분석하여 게임에 필요한 제스쳐를 인식한다. 게임 콘텐츠는 상지훈련, 하지훈련, 전신훈련, 밸런스 훈련을 위한 게임으로 구성하였으며 2D 게임과 3D 게임으로 나누어 구현하였다. 본 논문에서 제안된 시스템은 3D depth 카메라를 이용하여 주변 환경 변화에도 안정적으로 작동하며, 별도의 기기를 사용하지 않고도 전신 움직임 기반의 제스쳐 인식을 이용하여 게임을 진행하게 함으로써 재활의 효과를 높일 수 있다.