PGR21.com
- 자유 주제로 사용할 수 있는 게시판입니다.
- 토론 게시판의 용도를 겸합니다.
Date 2015/12/31 14:35:38
Name 꼭두서니색
Subject [일반] [지식] 센서를 이용하는 동작 인식에 대해 알아봅시다.
1. 서론
스마트폰이 막 대중화 되기 시작하던 09년도쯤에는 CPU 등 하드웨어의 성능 문제로 다양한 응용이 나오기 어려웠지만 요즘은 스마트폰에도 쿼드코어니 하면서 PC 못지않은 괴물들이 나오고 있죠. 덕분에 초기에는 하드웨어의 한계로 시도하지 못했던 고비용의 응용들이 스마트기기에 많이 달려서 나오고 있습니다. 이 글에서 다룰 센서를 이용하는 응용도 그 중 하나입니다.


[스마트워치의 스펙]

스마트기기에는 GPS니 조도 센서니 뭐니..해서 센서가 참 많이 달려서 나옵니다. 센서를 이용한 응용은 작게는 조도를 이용한 화면 밝기 자동 조절에서 GPS를 이용한 네비게이션까지 다양한 분양에 걸쳐 있는데요, 이 글에서는 센서를 이용하는 다양한 응용 중 동작 인식에 관련된 부분을 다뤄보려고 합니다. 센서(주로 3축 가속도 센서)가 어떤식으로 동작하는지, 응용을 위한 데이터 가공은 어떻게 이루어지는지 등을 말씀드릴게요. 비전공자가 보기에 다소 어려운 부분이 있을수도 있으나 최대한 쉽게 풀어보겠습니다. 복잡한 수식은 최대한 빼고 글과 그림 위주로 작성합니다.


2. 센서 동작 원리
동작 인식에 사용되는 센서는 쓰려면 더 쓸수도 있겠으나 계산 비용, 소모 전력 등의 문제로 한 두개만 쓰는게 보통입니다. 이 장에서는 동작 인식에 주로 쓰이는 3축 가속도 센서의 원리를 설명하겠습니다.


[Pitch, Roll, (그림에는 없지만)Yaw의 작용 방향]

주로 항공에 관련된 글에서 많이 보셨을 이 그림은, 물체의 이동 방향에 대해 작용하는 각도를 나타냅니다. 항공기의 경우 Z축 방향으로 회전이  일어나면 큰일나기 때문에 그림에서는 생략이 됐는데요, 센서가 장착된 스마트기기에도 동일한 개념을 적용할 수 있으며 동작 인식에 대한 기본 아이디어 역시 여기서 출발합니다. 기본 원리는 다 거기서 거기에요 사실..-_-;;


[3축 가속도 센서]

동작 인식에 가장 많이 쓰이는 3축 가속도 센서는 센서의 X, Y, Z 축의 3방향에 작용하는 지구 중력을 측정하는 센서입니다. 그림에서 local horizontal plane은 센서의 중심을 원점으로 하는 가상의 3차원 공간좌표에서 지표면(지구가 평평하다고 가정합니다)에 평행한 가상의 평면을 뜻합니다. '가속도'를 측정하기 때문에 가만히 있을 때는 가속도는 0인채로 각 축방향에 대해 작용하는 지구 중력만이 측정되지만, 이동하면 이 때 발생하는 가속도가 측정되겠죠. 이때 얻어지는 가속도의 변화를 계산해 사람의 동작을 인식할 수 있게 됩니다.
정리하면, 3축 가속도 센서는 지구 중력 방향(Yaw)에 대해 센서가 얼마나 기울었는지(Pitch, Roll)를 측정할 수 있는 센서이고, 이동시 발생하는 가속도를 이용하면 동작을 인식할 수 있다..가 되겠습니다. 자이로스코프 등 동작 인식에 사용되는 다른 센서들의 동작도 크게 다르지 않습니다. 측정하는 대상이 지구 중력이냐 각속도냐 하는 차이 정도에요.


3. 센서 데이터 가공
[※ 그림 source: "Toward physical activity diary: motion recognition using simple acceleration features with mobile phones" by Jun Yang]
스마트기기에 들어가는 센서는 이산적 + 전자기적으로 샘플링을 수행하기 때문에 매 샘플링 주기마다 원시 데이터(raw data)가 얻어집니다. 이걸 그대로 갖다쓰면 문제끝!이겠지만 애석하게도 원시 데이터에는 노이즈가 필연적으로 껴있기 마련이고, 기타 외부 요인으로 인해 그대로 쓰는 것은 불가능에 가깝습니다.
때문에 최대한 센서 본연의 데이터를 뽑아내기 위한 가공작업이 필요하게 되는데, 이 데이터 가공이 CPU나 메모리 등 하드웨어 자원을 엄청 잡아먹습니다. 센서가 샘플링될 때의 소모 전력(연산비용 포함)도 무시못할 수준이구요. 그래서 초기에는 단순 응용에서 그쳤으나 이제는 하드웨어가 좋아졌기 때문에 아래에 말씀드릴 복잡한 연산을 거친 데이터 가공이 가능하게 되었습니다.

3-1. 1차 가공 - 원시 데이터 가공

[스마트폰에서 측정된 센서 데이터. 위가 필터링 전, 아래가 필터링 후]

위 그림은 스마트폰에서 측정된 센서 데이터에 필터를 적용하기 전과 후를 비교한 그림입니다. 그림에서 볼 수 있듯이 가만둬도 노이즈때문에 값이 엄청나게 튀는 것을 보실 수 있는데, 이걸 그대로 쓰기는 어려우니까 필터를 적용해 데이터를 1차 가공해줍니다. 여기에 쓰이는 필터는 참으로 많은 종류가 있는데, 보통 많이 쓰이는건 이동-평균 필터라고 해서 아래 수식과 같이 계산되는 필터입니다.



[source: https://en.wikipedia.org/wiki/Moving_average]

다양한 변형이 있지만 흔히 이동-평균 필터라고 하면 위 수식을 사용하는 필터를 뜻합니다. 쉽게 말하면, 현재 샘플링 지점을 기준으로 직전 n개의 데이터의 평균을 내서 이를 보정된 데이터로 사용하는 필터가 되는데요, 이 필터를 적용하면 노이즈 제거가 되면서 data smoothing까지 덤으로 수행되어 어느 정도 쓸만한 데이터가 되게 됩니다.
원시 데이터 가공에 있어 또 하나의 문제는, 사용자마다 스마트기기를 사용하는 습관이 다르다는 것입니다. 스마트폰을 예로 들면, 어떤 사람은 바로 누워 사용할 수도 있고, 다른 사람은 모로 눕거나 책상에 앉아 사용할 수도 있을 것입니다. 이 사용자들이 동영상 시청을 위해 스마트폰을 세로 방향에서 가로 방향으로 눕힌다고 가정할 경우, 측정되는 센서 데이터는 제각각이지만 '가로로 눕힌다'는 공통된 목적을 가진 동작을 수행했기 때문에 이들 모두를 같은 동작으로 인식하고 같은 기능이 수행되도록 하는 것이 필요합니다. 아래 그림을 보시면 좀 더 명확하게 이해할 수 있습니다.


[같은 동작, 다른 사람..]

4명 모두 같은 동작을 수행하고 있지만, 서로 다른 사용습관으로 인해 측정된 센서 데이터는 천차만별인 것을 볼 수 있습니다. 이를 orientation problem이라고 하며, 사용자에게 어떻게 다루세욧!하는건 어불성설이니 사용자에 상관없이 같은 동작을 취하면 같은 기능이 수행되게 하는게 필요합니다.
여기서 2장의 3축 가속도 센서 그림에 나온 Pitch, Roll, Yaw와 local horizontal plane의 개념이 사용됩니다. 쉽게 말하면, 센서의 각 축에 작용하는 지구 중력 방향의 magnitude(한국어로 어찌 표현해야 할지..ㅜㅜ)를 이용해 센서의 Pitch, Roll(아래 그림에서는 Vertical, Horizontal)을 뽑아내어 지표면에 대한 센서의 절대 위치, 이동 방향, 정도를 계산하여 사용자의 사용 습관에 관계없이 같은 동작이면 같은 값이 나오도록 보정하는 작업이 되겠습니다. 이걸 사용해서 데이터를 가공하면 아래와 같이 됩니다.


[보정된 센서 데이터]

사용자에 상관없이 같은 동작이니까 같은 값이 나오는 것을 확인할 수 있습니다. 이를 통해 orientation problem이 해결되고 이제 특징 벡터를 추출하는 단계로 넘어갑니다.


3-2. 2차 가공 - 특징 벡터 추출
원시 데이터를 쓸만한 데이터로 가공했으니, 이제 실제 동작 인식에 사용할 '정보'로 데이터를 가공하는 작업을 해야 합니다. 어떤 동작을 인식할 것이냐..에 따라 가공하는 방식 역시 달라지지만, 보통은 인식할 동작별로 '특징 벡터'라고 불리는 값을 뽑아내어 이를 활용합니다.
사람의 각 동작에는 특징이 있습니다. 예를 들어, 스마트폰을 들어올리는 동작은 1) 폰을 쥐고, 2) 지구 중력 반대 방향으로 폰을 이동시키는 것으로 생각할 수 있고, 이를 '들어올린다'의 특징으로 간주할 수 있습니다. 이 동작을 센서 데이터 버전으로 바꿔보면, 1) 미세한 센서 이동, 2) Z축 역방향으로 가속하는 센서 데이터 가 되죠. 이런 동작은 인지하지도 못할 짧은 시간이 아닌 어느정도의 시간이 걸리기 때문에 해당 동작을 수행하는 동안 측정되는 센서 데이터를 묶어 하나의 특징 벡터로 뽑아낼 수 있게 됩니다.
특징 벡터는 종류가 참 많기 때문에 아 이거 마음에 들었어~하는걸 아무거나 갖다 쓰지말고 인식할 동작, 목적에 맞는 것을 사용하는게 좋습니다. 이를 위해 Information gain 이라는 개념이 도입되는데, 찾아보면 해당 특징 벡터를 이용할 때 분류시 감소하는 엔트로피의 양..뭐 이렇게 어렵게 써있지만 쉽게 말하면 이 특징 벡터가 해당 동작의 특징을 얼마나 잘 반영하는가..를 객관적인 수치로 표현하는 거라고 보시면 됩니다. 수식으로 표현하면, 특징 벡터 A를 이용해 동작 S를 분류하고자 할 때의 information gain은 아래와 같습니다.



사용하고자 하는 특징 벡터들을 대상으로 information gain을 계산하면 어떤걸 쓰는게 유리한지 알 수 있습니다. 대부분의 동작 인식을 포함한 기계 학습 분야에서 널리 쓰이고 있습니다.
특징 벡터 추출 방법은 wavelet변환, FFT 등 이 글에 다 담기 어려울만큼 많습니다. 때문에 다 다루진 못하고, 이런겁니다..하는 개요만 말씀드리게 되는 점 양해 부탁드립니다.


4. 분류기(classifier)
데이터 가공도 다 했고, 특징 벡터까지 결정했으면, 분류기를 구성하는 작업만 남았습니다. 역시나 엄청나게 다양한 분류기가 있고 각각의 장단점이 있기 때문에 이런겁니다..하는 것만 말씀드리겠습니다.
분류기는 크게 Lazy Learning과 Eager Learning 방식으로 구분됩니다. 비교해보면..

Lazy: 학습 데이터를 모아두고 새 데이터가 들어오면 그때 분류
Eager: 학습 데이터를 이용해 분류기 구성, 새 데이터가 들어오면 사전 구성된 분류기를 통해 분류

정도가 됩니다. Lazy 방식은 학습(이랄것도 없지만)은 금방 되지만 분류가 오래 걸려서 실시간성이 요구되는 동작 인식에는 쓰기 어렵습니다. 때문에 사용되는 대부분의 동작 인식 분류기는 Eager Learning 방식을 사용합니다.
동작 인식 응용에서의 Eager 방식은

1) 특징 벡터 추출: 인식할 동작의 특징 벡터를 추출하고 라벨링
2) 학습: 라벨을 붙여 정리한 특징 벡터를 이용해 분류기를 학습
3) 분류: 구성된 분류기를 기반으로 실시간 데이터가 어떤 동작일지 예측

을 거칩니다. SVM, kNN, NB 등 정말 많은 분류기가 있고 각각의 특징 및 장단점이 존재하기 때문에 목적에 맞는 것을 사용하는게 좋을겁니다. 말로만 하면 잘 와닿지 않을수도 있으니 간단하게 컴퓨터와 가위바위보를 하는 동작 인식 응용이 C4.5 Decision Tree를 이용해 만들어지는 과정을 보여드리겠습니다.
우선 각 동작별로 특징 벡터를 추출하고 모아서 특징 벡터별로 라벨을 붙여줍니다.


[특징 벡터 추출]

각 동작별로 특징 벡터를 추출하고 라벨을 붙여줬으면 사용할 분류기를 학습시켜야 합니다. 이 역시 많은 방법이 있지만 전 WEKA라는 툴을 사용해 예시를 만들어봤습니다.


[분류기를 학습학습]

Correctly classified가 80%니 썩 좋다고 할 순 없지만 그럭저럭 아쉬운대로 쓸만은 한 것 같습니다. 학습을 시켜놨으니 분류기가 어떻게 생겼나 봐야죠.


[생성된 분류기]

심플하니 이쁘게 잘 나왔습니다. 이제 이걸 갖고 응용을 만들고 동작시키면, 아래와 같이 컴퓨터와 가위바위보를 하는 프로그램이 완성됩니다. 실제 프로그램에는 Boyer and Moore voting을 적용해 정확도를 좀 더 올려봤습니다.


[컴퓨터와 가위바위보. 전적이..ㅜㅜ]

영상을 어떻게 편집하는지 몰라서 미처 찍진 못했는데, 사람이 실제 가위바위보를 하고 이걸 인식해 컴퓨터와 대결을 펼치는 간단한 게임입니다. 이외에도 다양한 응용이 가능합니다.


5. 응용
제가 보여드린것은 단순한 예제에 불과하며, 실제로는 훨씬 더 높은 수준의 응용이 나오고 있습니다. 몇 가지를 소개해드리면..


[스마트워치를 이용한 손가락 제스처 인식]
[source: https://www.youtube.com/watch?v=bAK72JU8TTI]

요즘은 스마트워치도 많이 나오고 있죠. 사람의 손목은 상반신의 동작과 밀접한 관련이 있기 때문에 다양한 응용이 가능한데, 그 중 손과 손가락 제스처를 인식하는 데모 영상입니다. 이걸 만든 연구진은 손가락으로 글씨쓰는 응용을 개발완료했고, 추후 공중에 손가락으로 글씨쓰는걸 만들 예정이라고 하네요.


[삼성 갤럭시S5에 내장된 에어 제스처 인식 기능]

터치를 직접 하는게 아니라 공중에서 손짓만으로 앱을 컨트롤할 수 있는 에어 제스처 인식입니다. 원리는, 스피커를 통해 초음파를 내보내고 이게 손에 반사되어 오는걸 마이크로 인식하여 어떤 손짓인지를 인식해내는 방식입니다.


[스마트폰을 이용한 동작 인식]

이 글에서 설명한 동작 인식 방식의 대표적인 응용입니다. 스마트폰을 휴대한 사용자의 동작을 인식하는 모습을 확인할 수 있습니다.
이외에도 다양한 응용이 많이 나오고 있습니다. 요즘에는 스마트 링이라고 해서 반지형태로도 나온다 하네요.


6. 마치며
언젠가 정리해서 작성하려고 했는데, 마침 좋은 이벤트가 있어서 이벤트를 핑계삼아 여태까지 글 쓰려고 정리했던걸 모아보았습니다. 자세히 설명하면 복잡한 수식에 이론에 끝도 없어서 최대한 수식을 없애고 그림과 동영상 위주로 정리했는데 이해하기 어렵지는 않을까 걱정되네요.
좋은 이벤트 개최해주신 OrBef님 이하 피지알 운영진에 감사드리고, 궁금하신 점은 댓글이나 쪽지로 질문주시면 아는 한도내에서 최대한 자세히 말씀드리겠습니다. 긴 글 읽어주셔서 감사합니다.

통합규정 1.3 이용안내 인용

"Pgr은 '명문화된 삭제규정'이 반드시 필요하지 않은 분을 환영합니다.
법 없이도 사는 사람, 남에게 상처를 주지 않으면서 같이 이야기 나눌 수 있는 분이면 좋겠습니다."
tannenbaum
15/12/31 14:43
수정 아이콘
무언가 대단한 내용인 건 알겠는데 솔직히 이해를 다 하지 못했습니다.
초반부의 외계어들의 압박을 극복 못한 문돌이 출신이라.... ㅜㅜ

제스쳐인식은 소나와 같은 방식으로 이루어진다고 보여지는데(아닌가..... ) 무의미한 동작으로 인한 오작동이나 인식성공률(?)에 대한 대비도 진행되고 있겠죠?
꼭두서니색
15/12/31 15:06
수정 아이콘
최대한 쉽게 풀어쓴다고 썼는데 역시 어렵게 다가오나 봅니다. 죄송합니다..ㅜㅜ
에어 제스처 인식은 말씀하신 소나와 원리는 같습니다. 지적하신 [무의미한 동작으로 인한 오작동]은 분류기 구성시 garbage set이라고 해서 '이 분류기로는 이 동작을 인식하지 않을 것이오!'하고 일종의 쓰레기셋을 만들어서 거기다 다 때려박아넣어서 인식률을 높이는 전략을 많이 채택하고 있습니다. 동작 인식의 경우 일반적인 케이스에 대해 최소 90%이상의 정확도가 보장되어야 쓸만하다고 평가되고, 인식정확도에 따라 꽤 심각한 문제가 발생할 수 있기 때문에 통계적인 접근을 통해 에러를 분석하고 정확도를 높이기 위한 연구가 많이 진행되고 있습니다.
tannenbaum
15/12/31 15:21
수정 아이콘
아니에요. 제가 무식한거죠..... ㅜㅜ

감사합니다. 좀안간 마이너리티리포트에서 톰 크루즈가 보여줬던 장면이 현실이 될수도 있겠네요. 기대됩니다.
꼭두서니색
16/01/01 15:15
수정 아이콘
마이너리티 리포트에서 나왔던 장갑처럼 기기를 조작하는 컨트롤러는 이미 나와 있습니다. 영화에서처럼 자유자재로 휙휙 움직이는 제품이 상용화단계까진 아니지만 연구됐구요. 키넥트가 영화에서의 조작과 가장 유사한 형태로 다양한 조작을 할 수 있게 지원하고 있습니다. 실생활에서 쓰이려면 아직 멀었지만요..흐흐
지하생활자
15/12/31 14:46
수정 아이콘
우와~ 공돌이로서 너무 재미있네요
꼭두서니색
15/12/31 15:06
수정 아이콘
공대생은 재밌죠 이런거..크크
Sydney_Coleman
15/12/31 15:00
수정 아이콘
Accelerometer는 가속도값을 어떤 메커니즘으로 측정하는 건가요? (세로축 측정값이 amplitude인 걸로 미루어 accelerometer intertial frame 내의 gravitation vector(=actucal gravity-acceleration)에 따라 accelerometer내의 모종의 진동체의 진폭이 축별로 달라지는 그런 건가요? 잘 상상할 수가 없네요.)
A, B, C, D 네 사람이 스마트폰을 '눕히는' 행위가 가로축 몇 초에 일어났는지도 말씀해 주시면 좋겠습니다. 확대가 전혀 없다 보니 B, D의 경우 그냥 보면 어떤 turbulence/kink없이 일직선이나 다름없이 보여서요.;

그나저나 필터링을 서킷을 이용한 게 아니라 스마트폰답게 데이터처리로써 해내는군요. 쏘 스마트!
특징벡터를 무엇을 취할 것인가를 결정할 때 information theory를 사용해 계산한다는 점은 재밌네요. :)
꼭두서니색
15/12/31 15:12
수정 아이콘
측정 방법은 여러 방식이 있는데 스마트폰등에 탑재되는 센서는 전자기적으로 측정하기 위해 측정 인터페이스 서킷에서 질량의 변위를 측정하고 ADC를 통해 디지털 신호로 변환합니다. 일반적으로는 전극사이에서 움직이는 질량(스프링 등)에서의 정전용량 변화를 측정하고 이걸 사용합니다. http://www.autoelectronics.co.kr/article/articleView.asp?idx=1374 를 참고하시면 좀 더 이해가 되실 것 같습니다.
그림의 A,B,C,D는 참조한 논문에 나오는 그림으로, 4명이 앉은 상태에서 스마트폰을 이용해 같은 동작을 취한 경우의 센서 데이터입니다. 예시로 든 '가로로 눕히는' 행위에 대한 데이터는 아닙니다. 헷갈리게 썼네요.. 죄송합니다..ㅜㅜ PC같은 큰 화면으로 보시면 B와 D의 경우에도 약간씩 튀는걸보실 수 있고, 참조 논문(http://dl.acm.org/citation.cfm?id=1631042)에서도 확인 가능합니다. 너무 크게하면 PC환경에서 테러라 작게 하다보니 이런 문제가 생겼네요.
경량화/얇게 나오는게 추세인 요즘 스마트폰이다보니 어떻게 보면 부가기능인 부분에 대한 추가 서킷이 오버헤드로 작용할 수 있어서 최대한 수식을 이용한 계산을 많이 하는 편입니다..흐흐
하드웨어가 좋아지면서 모바일에서는 시도하지 못하던 고비용의 연산이 많이 도입되다보고 있는데, information theory도 그 중 하나입니다. 수식 엄청 복잡하고 귀찮아요 저거..ㅜㅜ
Sydney_Coleman
15/12/31 15:20
수정 아이콘
정전용량 변화라... 음. 제가 더 알아봐야겠네요.(복원력이 있어야 할 것 같아서 상상이 잘 안 되네요.)
답변 감사드리고, 글도 잘 읽었습니다.
(+글쓴분께서 댓글 써 주시고 수정하시면서 더 자세하게 설명을 덧붙여 주셔서 그런데, 원래는 이정도로 바보같이 보이는 댓글은 아니었습니다. 흑ㅠㅠ)
Sydney_Coleman
15/12/31 15:24
수정 아이콘
이해했습니다. 관성체와 스프링 부분은 따로 두고 거기에 각 축에다 센서(컨덴서를 이용한)를 다는 방식이군요. 링크 감사합니다. :) (왜 이런 간단한 분리를 진작 떠올리지 못한 거지...;;)
꼭두서니색
16/01/01 15:16
수정 아이콘
도움이 됐다니 다행입니다! 제가 글재주가 없어 이런 참사가..ㅜㅜ
15/12/31 17:11
수정 아이콘
재밌게 읽었습니다!
저는 영상처리 업무를 하고 있는데 마찬가지로 raw data 가공과 classification은 주요한 이슈입니다.
언급해주신 이동 - 평균 필터는 영상처리에서의 Box filter와 유사한 것 같습니다.(denoise 측면에서 단순하면서도 파워풀하지요)
혹시 센서데이터 가공 측면에서 이동 - 평균필터 외에는 어떤 필터가 사용되는지 궁금합니다.
꼭두서니색
16/01/01 15:18
수정 아이콘
raw data를 바로 가공하는 측면에서는 이동-평균 필터 외에 칼만 필터나 low/high pass 필터가 많이 쓰입니다. 다만 말씀하신 것처럼 단순하면서도 파워풀하다는 장점때문에 요즘 나오는 관련 분야의 논문이나 연구결과에서는 이동-평균 필터를 변형해 쓰는게 대부분이지만요.
최근에는 9축 센서라고 해서 3축 가속도 + 지자기 + 자이로 를 묶은 형태의 센서가 나오는데, 이에 따라 센서간의 간섭이 발생하기도 합니다. 이를 보정하기 위해 raw data를 바로 가공하기보다는 square mean이나 표준편차 등 통계적인 값을 이용해 일종의 필터처럼 사용하기도 합니다.
쪼아저씨
15/12/31 17:52
수정 아이콘
흠.... [사소한] 지식 경연대회 아니었나요...?
꼭두서니색
16/01/01 15:19
수정 아이콘
공지에는 자신이 특히 잘 아는 지식이나 진지한 글도 된다해서 요즘 연구하는 분야에 대해 써봤는데.. 사소하진 않아보이네요 확실히..ㅜㅜ 어렵다는 분도 계시고..흑흑..
Jedi Woon
15/12/31 23:42
수정 아이콘
어......음......그러니까 뭐....위에서 설명한 원리로 작동한다는 거죠?
꼭두서니색
16/01/01 15:20
수정 아이콘
스마트폰 가로로 눕히면 화면이 따라 눕는 동작을 위해 본문에 있는 내용이 수행된다 보시면 간단합니다..흐흐
16/01/01 02:28
수정 아이콘
제 박사 첫 2년 동안 주제가 MEMS 였는데, 정말 재미있게 읽었습니다!
꼭두서니색
16/01/01 15:21
수정 아이콘
재미있게 봐주셔서 감사합니다..흐흐
arq.Gstar
16/01/01 02:41
수정 아이콘
어라 오늘 만들고 있는 앱의 텍스트 가독성을 높이고 싶어서 센서쪽 자료를 보고있었는데
혹시 조도/휘도 의 변화에 따른 적정 가독성 설정을 구현해보려고 하는데 알고계신 자료가 있을까요?
꼭두서니색
16/01/01 15:28
수정 아이콘
어.. 관련 연구를 연구실 후배가 하는데 얼마전에 저널에 publish된 논문 내용을 보려 하니 밖이라 확인이 안되네요..ㅜㅜ LAB color space에서 스크린 밝기 설정을 바꿔가면서 하는거였는데 아마 원하시는 내용이 아닐까 싶습니다. 필요하시면 쪽지로 논문 제목 알려드리겠습니다.
arq.Gstar
16/01/01 15:38
수정 아이콘
아 말씀하시는게 맞습니다.
(사실 조도, 휘도에 따라 bold처리등의 텍스트의 변화까지 연구한 논문들이 없을까 찾아보고 있기도 했습니다.)
말씀하신 후배분의 논문 제목 알려주시면 감사하겠습니다! ^^
난이미살쪄있다
16/01/01 14:07
수정 아이콘
손가락의 제스춰 인식되는 것 정말 신기하고 편하겠네요.
꼭두서니색
16/01/01 15:29
수정 아이콘
제대로만 된다고 하면 다양하게 응용할 수 있어서 저도 관련분야 공부중입니다..흐흐
목록 삭게로! 맨위로
번호 제목 이름 날짜 조회 추천
62862 [일반] [도서추천] 아랍세계의 팽창과 이슬람 제국의 형성 [5] aurelius5528 15/12/31 5528 0
62860 [일반]  혹시 햄버거 좋아하세요?(햄버거 분석글 아닙니다. 낚이시는 분들께 죄송합니다) [19] Zest6310 15/12/31 6310 7
62859 [일반] [야구] 도박혐의 약식기소 오승환, 임창용 사과문 [72] 이홍기7363 15/12/31 7363 0
62858 [일반] [자전거] 2015년 을미년을 정리합니다. [19] 물맛이좋아요3729 15/12/31 3729 0
62857 [일반] [독서] 2015년 읽은 책들. [5] cHizCaKe5245 15/12/31 5245 0
62856 [일반] [지식] 센서를 이용하는 동작 인식에 대해 알아봅시다. [24] 꼭두서니색11027 15/12/31 11027 13
62854 [일반] 정부의 조삼모사 "지자체, 위안부할머니 생활비 지원 끊어라" [175] 에버그린16056 15/12/31 16056 16
62853 [일반] 3사 연예대상에 대한 주관적 정리 [45] 마음을 잃다11035 15/12/31 11035 2
62852 [일반] [다양성 영화] 1박2일! 오늘을 위한 시간, 아니 어제를 위한 시간 [4] 양주오5028 15/12/31 5028 2
62851 [일반] 노동개혁 입법을 응원합니다? [78] 에버그린8328 15/12/31 8328 10
62849 [일반] 정도전은 정말로 죽기 전에 '절명시' 를 남겼던 걸까 [11] 신불해14688 15/12/30 14688 38
62848 [일반] 문재인 사무실 인질극의 문재인 책임론에 대한 표창원의 반박 [65] 마빠이12403 15/12/30 12403 24
62847 [일반] [지식] 영어 음절에 대해서 알아봅시다... [34] Neanderthal10997 15/12/30 10997 21
62846 [일반] 문재인 대표와 이재명 시장이 위안부 합의에 대한 입장을 발표했습니다. [113] 최인호14147 15/12/30 14147 12
62845 [일반] [야구] 검찰, 임창용-오승환 벌금 700만원 약식 명령 청구 [22] 이홍기6718 15/12/30 6718 1
62844 [일반] 오재원 두산과 4년 38억원 FA 체결 [21] 애패는 엄마7731 15/12/30 7731 0
62843 [일반] (습작) 변절자 - 1 [3] 다혜헤헿2321 15/12/30 2321 3
62842 [일반] [지식] 인터넷, 얼마나 알고 있니? [25] 스타슈터8290 15/12/30 8290 33
62841 [일반] 동네형 님의 럼블롤러 재능기부후기 [6] 지나가던선비5618 15/12/30 5618 0
62840 [일반] 2016. 국가공무원 외교관후보자 선발시험 계획 공고 [30] 삭제됨6919 15/12/30 6919 0
62838 [일반] 재미로 보는 아스날 위주의 사소한 epl 통계 몇가지들 [29] 광기패닉붕괴4870 15/12/30 4870 1
62836 [일반] 한국에서 재산이 가장 많은 50세 이하 부자 Top10 [24] 김치찌개7566 15/12/30 7566 1
62835 [일반] [지식] 이제는 구하기 힘든 스티븐 킹 작품 Best 5 [42] Sgt. Hammer10055 15/12/30 10055 11
목록 이전 다음
댓글

+ : 최근 1시간내에 달린 댓글
+ : 최근 2시간내에 달린 댓글
맨 위로