사용자의 수요가 증가함으로 인하여 최근의 마커 기반 증강현실 기술은 제스처 기반 인간-컴퓨터 상호작용 분야에서 주목을 받고 있다. 그러나 개체가 프레임에서 빠른 움직임을 보일 때 발생하는 모션 블러 효과에 의하여 마커의 추적 및 감지의 한계점이 발생한다. 기존의 디블러링 기술들에서 전체 프레임 중 특정 프레임을 추출하는 작업이 없다면 실시간 비디오에서 사용하기에 문제가 있다. 본 논문에서는 인간-컴퓨터 상호작용을 위하여 ArUco 마커를 사용한 특징점 기반 광학흐름 추적 방법을 제안하며, 마커를 이용한 자세 추정 방법을 설명한다. 이 방법은 ArUco 마커를 감지하고 특수한 마커 추적 방법을 통해 마커 감지를 보완한다. 특히 마커 추적 방법은 FAST 알고리즘을 사용하여 특징점을 추출하고 루카스-카나데 방법을 사용하여 특징점의 움직임을 분석하여 움직임 벡터를 계산한다. 또한 Perspective-n-Point 문제를 해결하여 마커 포즈 추정을 구현했다. 제안된 시스템은 기존의 방법보다 높은 검출률을 보였으며, 마커를 포함한 비디오 에서 프레임 처리 속도가 약 37% 향상되었다. 또한 마커 포즈 추정을 그래픽으로 구현하였다. 이 연구는 실제 환경에서 카메라를 통한 제스처 기반 인간-컴퓨터 상호작용 분야와 또한 이동 로봇 분야에도 도움이 될 것이라 기대된다.

Recently, marker-based augmented reality technology has attracted attention in gesture based human-computer interaction due to the users' demand. However, the blur effect that occurs when the object shows fast motion in frames limits the marker detection and tracking. Conventional de-blurring techniques are not effective for real-time video without the task of extracting a specific frame from a full frame. In this paper, we proposed the algorithm which detects special marker first, and also tracks point features of markers based on optical flow method. Especially, marker tracking method extracts point features also using the FAST algorithm and calculates motion vectors by analyzing the motion of point features using Lucas-Kanade method. Also, we implemented a marker pose estimation by solving Perspective-n-Point problem. Our proposed system showed more improved results than conventional methods especially with the rate of 37% higher in the frame processing speed of marker tracking video. In addition, the marker pose estimation was graphically represented. It is expected that this research will be useful for gesture-based human-computer interaction field and mobile robot field through camera in real environment.

ABSTRACT
 1. Introduction
 2. Marker motion tracking based onfeature points
  2.1 Marker detection
  2.2 Fiducial Marker
  2.3 Marker tracking
 3. Pose estimation through marker
  3.1 Camera calibration
  3.2 Pose estimation through camera position andorientation
 4. Experiment
  4.1 Experimental tools
  4.2 Marker tracking performance evaluation
  4.3 Marker posture estimation experiment
 5. Conclusion
 Reference
 국문초록

• Jonghwan Beck(Dept. of Electrical, Electronic and Control Engineering, Hankyong National University) | 백종환
• Sanghoon Kim(Dept. of Electrical, Electronic and Control Engineering, Hankyong National University) | 김상훈 Correspondence to