• 검색 결과가 없습니다.

저작자표시

N/A
N/A
Protected

Academic year: 2022

Share "저작자표시"

Copied!
61
0
0

로드 중.... (전체 텍스트 보기)

전체 글

(1)

저작자표시-비영리-동일조건변경허락 2.0 대한민국

이용자는 아래의 조건을 따르는 경우에 한하여 자유롭게

l 이 저작물을 복제, 배포, 전송, 전시, 공연 및 방송할 수 있습니다. l 이차적 저작물을 작성할 수 있습니다.

다음과 같은 조건을 따라야 합니다:

l 귀하는, 이 저작물의 재이용이나 배포의 경우, 이 저작물에 적용된 이용허락조건 을 명확하게 나타내어야 합니다.

l 저작권자로부터 별도의 허가를 받으면 이러한 조건들은 적용되지 않습니다.

저작권법에 따른 이용자의 권리는 위의 내용에 의하여 영향을 받지 않습니다.

이것은 이용허락규약(Legal Code)을 이해하기 쉽게 요약한 것입니다.

Disclaimer

저작자표시. 귀하는 원저작자를 표시하여야 합니다.

비영리. 귀하는 이 저작물을 영리 목적으로 이용할 수 없습니다.

동일조건변경허락. 귀하가 이 저작물을 개작, 변형 또는 가공했을 경우 에는, 이 저작물과 동일한 이용허락조건하에서만 배포할 수 있습니다.

(2)

2012년 2월 석사학위논문

사진 구도 최적화를 위한

미학적 척도 기반 자동 분석 기술

조선대학교 대학원

컴 퓨 터 공 학 과

(3)

사진 구도 최적화를 위한

미학적 척도 기반 자동 분석 기술

Automatic Analysis Technologies based on Aesthetic Scores for Optimizing Photo Composition

2012년 2월 24일

조선대학교 대학원

컴 퓨 터 공 학 과

이 장 군

(4)

사진 구도 최적화를 위한

미학적 척도 기반 자동 분석 기술

지도교수 이 상 웅

이 논문을 공학 석사학위신청 논문으로 제출함.

2011년 11월

조선대학교 대학원

컴 퓨 터 공 학 과

(5)

이장군의 석사학위논문을 인준함

위 원 장 조선대학교 교수 문 인 규 (인) 위 원 조선대학교 교수 양 희 덕 (인) 위 원 조선대학교 교수 이 상 웅 (인)

2011년 11 월

조선대학교 대학원

(6)

목 차

ABSTRACT Ⅵ

제 1 장 서론 1

제 1 절 연구배경 및 필요성 1

제 2 절 사진 구도의 개요 3

1. 구도의 기본요소 3

2. 기본 구도 5

제 3 절 관련연구 7

제 4 절 연구 내용 및 범위 11

1. 연구내용 11

2. 연구범위 11

제 2 장 스카이라인 및 주요객체 검출 12

제 1 절 스카이라인 검출 12

1. 잡음제거 13

2. 질감 특징을 이용한 필터링 13

3. 영상의 이진화 14

4. 모폴로지 연산 15

5. 레이블링 16

제 2 절 주요객체 검출 19

1. 하늘 영역의 제거 20

2. 외곽선 검출과 확장 20

3. 모폴로지 연산과 레이블링 21

4. 후보 선정 및 선택 21

(7)

제 3 장 접사에서의 주요객체 검출 23 제 1 절 접사와 망원사진에서의 주요 객체 검출 방법 23

1. 유사연산자를 사용한 외곽선 검출 24

2. 모폴로지 연산을 사용한 후보 선정 25 3. 레이블링을 사용한 주요 객체 검출 26 제 2 절 검출된 주요객체의 최적 구도 선정 27 1. 최적 구도 선정을 위한 전처리 과정 27 2. 전처리 후 최적 구도 선정 및 점수화 방법 30

제 4 장 인물사진에서의 구도 인식 31

제 1 절 Kinect의 자세 인식을 이용한 인물 검출 31 1. Kinect sdk beta2.0의 skeletal을 이용한 인물 검출 29

제 2 절 검출된 인물의 최적 구도 선정 33

1. 최적 구도 선정을 위한 전처리 과정 33 2. 전처리 후 인물 구도의 최적 구도 선정 및 점수화 방법 34

제 5 장 실험 결과 35

제 1 절 스카이라인 및 주요객체 검출 결과 35

제 2 절 접사에서의 주요객체 검출 결과 38

제 3 절 Kinect sdk를 이용한 인물 검출 결과 41 제 4 절 접사의 최적구도 선정 및 점수 측정 결과 42 제 5 절 인물사진에서의 최적구도 선정 및 점수 측정 결과 45

제 6 장 결론 47

참고문헌 48

(8)

LIST OF TABLE

Table. 1.1 사진의 기본 요소 ··· 4

Table. 1.2 기본 구도의 종류 ··· 5

Table. 1.3 관련 특허 ··· 10

Table. 3.1 최적구도 선정을 위한 전처리 과정 ··· 29

Table. 5.1 스카이라인 검출 결과 ··· 36

Table. 5.2 주요객체 검출 결과 ··· 37

Table. 5.3 접사에서의 주요객체 검출 결과 ··· 38

Table. 5.4 Kinect sdk를 이용한 인물 검출 결과 ··· 41

Table. 5.5 접사에서의 최적구도 선정 및 점수 측정 결과 ··· 42

Table. 5.6 인물사진에서 최적구도 선정 및 점수 측정 결과 ··· 46

(9)

LIST OF FIGURE

Fig. 1.1 디지털 카메라 시장의 증가 추세 ··· 1

Fig. 1.2 인물 모델과 추출 방법과 선 추출의 예 ··· 7

Fig. 1.3 최적화된 영상들에 대한 척도 평가의 예 ··· 8

Fig. 2.1 스카이라인 검출 구성도 ··· 12

Fig. 2.2 원본 영상과 미디언 필터 적용 영상 ··· 13

Fig. 2.3 원본 영상과 표준편차 필터 적용 영상 ··· 14

Fig. 2.4 미디언 필터 적용 후 표준편차 필터의 적용 ··· 15

Fig. 2.5 회색조 영상과 2진화 영상 ··· 15

Fig. 2.6 모폴로지 연산 ··· 16

Fig. 2.7 지역교환 후 2차 모폴로지 연산 ··· 16

Fig. 2.8 레이블링 후 최대 영역의 선택 ··· 17

Fig. 2.9 원본영상과 장애물에 의한 오검출 ··· 17

Fig. 2.10 개선안을 적용시킨 스카이라인의 검출 ··· 18

Fig. 2.11 주요객체 검출 구성도 ··· 19

Fig. 2.12 하늘영역 제거 ··· 20

Fig. 2.13 외곽선 검출과 확장 영상 ··· 21

Fig. 2.14 모폴로지 수행과 레이블링 ··· 21

Fig. 2.15 후보 객체 선정 ··· 22

Fig. 2.16 주요객체 검출 영상 ··· 22

Fig. 3.1 접사와 망원사진에서의 아웃 포커싱 효과 ··· 23

Fig. 3.2 원본영상과 유사연산자 적용 결과 ··· 24

Fig. 3.3 일정 강도 이상의 외곽선만을 추출한 영상 ··· 25

Fig. 3.4 팽창연산과 열림연산 적용 결과 ··· 25

Fig. 3.5 레이블링 결과와 검출된 주요 객체 ··· 26

Fig. 4.1 Kinect 외관 ··· 31

(10)

Fig. 4.3 인물사진의 최적구도 선정을 위한 전처리 ··· 33

(11)

ABSTRACT

Automatic Analysis Technologies based on Aesthetic Scores for Optimizing Photo Composition

by Jang-Goon Lee

Advisor : Prof. Sang-Woong Lee, Ph. D.

Department of Computer Engineering, Graduate School of Chosun University

In this paper, a technique based on the measure of aesthetic for optimal photo composition guidance is proposed. Usually, many kinds of photo

composition are existed. In our research, we only focus on three of them.

There are trichotomy composition, vertical & horizontal composition and centralized composition. For the detection of major object, three kinds of photo

images are used. The first one is the photo image which can observe the region of sky. The second one is the close-up photo and telephoto image while the last one is the portraits photo. For the object detection in the first

kind of photo image, the standard deviation filter is adopted first which can detect the skyline. Then, the region of sky can be removed and the major

(12)

like edge detection and morphology operation. Since the close-up photo and telephoto image always focus on the major object, the major object will present a distinct outline. Therefore, the major object in the close-up photo and telephoto image can be detected by morphology operation after getting

the edge information by the method of homogeneity operator. For the major object detection in the portrait photo, the Kinect is used because Kinect can find the human skeletal with the Microsoft Kinect sdk. The major object

detected in the different kinds of photo images can be guided appropriately by using three of the pre-defined composition. Compared with other optimal composition guidance technology, our method has reduced the complexity and can obtain better results.

(13)

제 1 장 서 론

제 1 절 연구배경 및 필요성

최근 PDA, 스마트폰, 화상통화, 3G, 4G 핸드폰 등 각종 전자제품에 디지털 카메 라의 보급이 일반화되면서 디지털 카메라는 Fig. 1.1 과 같이 급격하게 증가하게 되어 1인 1대 이상의 보급률을 보이고 있다.

Fig. 1.1 디지털 카메라 시장의 증가 추세

(14)

사용자들은 풍경, 인물 등 다양한 환경에서 카메라를 활용하고 있으나 카메라 성능에 대한 학습 부족이나 사진학적 기법의 인지 부족으로 카메라 촬영에 많은 어려움을 느끼고 있다. 이에 따라 카메라 내에 사용자 편의 위주의 기능 장착요구 가 증가되고 있다. 최근 출시된 카메라의 경우 얼굴 인식 기법을 통해 자동으로 초점을 이동해주거나 움직임 탐지 기법을 통해 이동 물체에 초점을 자동으로 맞추 어 주는 기능들을 기본적으로 탑재하고 있다. 이 외에도 얼굴 표정이 웃는 경우에 자동으로 사진을 촬영하거나 화이트 밸런스 등의 자동 설정 등의 부가 기술도 개 발되었다. 카메라 사용자의 증가추세에 비례하여, 카메라의 하드웨어적 성능도 급 격히 발전하고 있으나 실제 사진의 품질은 이에 못 미치는 것이 사실이다. 이는 사진의 품질이 하드웨어적 자동 보정 및 렌즈의 품질 등에 비례하기도 하지만 무 엇보다도 중요한 것은 ‘사진의 품질은 미학적, 예술적인 구도 설정에 따른다.’

는 것이다. 이렇듯 사진을 촬영할 때 구도는 매우 중요하다. 하지만 전문가가 아 닌 일반 사용자들이 미학적 예술적인 구도를 직접 설정하는 것은 결코 쉬운 일이 아니다. 따라서 본 논문은 미학적 구도에 관하여 알지 못하는 사용자를 위하여, 자동으로 영상을 분석하여 구도를 판단하고 사용자에게 구도를 알려주는 기술에 대해서 다룬다.

(15)

제 2 절 사진 구도의 개요

1. 구도의 기본요소

본 논문의 목표인 사진 구도 최적화를 위한 미학적 척도 기반 자동 분석기술을 위해서 필수적으로 알아야 할 내용은 바로 카메라 구도이다. 사진 촬영을 하면서 가장 먼저 구분이 될 수 있는 것은 구도이다. 풍경, 인물, 접사 어느 주제를 담던 구도는 사진에 많은 부분을 차지한다. 사진 구도의 기본적인 3요소는 선, 형, 명 암으로 나눌 수 있다.

- 선 : 곡선은 부드러움, 직선은 힘을 준다.

- 형 : 규칙적인 형의 반복은 사진에 리듬을 준다.

- 명암 : 사진에 입체감을 준다.

(16)

요소 설명 요소의 예

선(곡선)

오른쪽의 사진처럼 S자는 부드러움 을 표현할 수 있다. 꼭 S자가 아니 더라도 곡선의 형을 갖췄다면 그 곡 선을 의식해서 구도를 잡을 수 있 다.

사용자가 표현하고자 하는 주제에 많은 공간을 할애하여 더 좋은 구도 를 찾을 수 있다.

선(직선)

다리 사진은 대부분이 직선의 구도 를 갖는다. 직선은 곡선에 비해 강 한 힘으로 표현된다.

다리만 촬영하지 않고 약간의 여백 을 할애해 그곳에 부제를 두는 것도 직선 구도의 좋은 예 이다.

같은 형태의 반복은 사진에서 리듬 감을 주고 신선한 느낌을 전달할 수 있다.

명암 명암을 잘 이용해 사진의 입체감을 살릴 수 있다.

Table. 1.1 사진의 기본 요소[1]

(17)

구도 설명 구도의 예

선 (1/2구도)

사진에서처럼 하늘과 유채 밭 을 같은 비율로 표현하고자 할 경우 1/2 구도를 선택한다.

황금분할구도

황금분할은 사람에게 가장 아 름답다고 느껴지는 비율로서 소라와 같은 자연물에서 자주 찾아볼 수 있다. 황금분할 구 도는 가장 안정감을 느낄 수 있는 구도이다.

Table. 1.2 기본 구도의 종류

2. 기본구도

사진을 촬영할 때 구도는 매우 중요한 역할을 갖게 된다. 일반적으로 구도 설정 에 있어서, “구도는 어떠한 조형표현에도 꼭 붙어 다니는 문제로 사진도 예외는 아니며 한정된 평면에 화상을 잘라내어 무엇인가를 표현하기 위하여 그 화면을 어 떻게 구성하는가에 있는 것이다. 사진의 경우 특정의 <구도상의 법칙>이라고 하는 사진 그 목적이 매우 광범위하다는 것이다. 일반적으로 사진의 다목적성에 의하여 그 구도에 대하는 생각도 매우 다양성이 있으며 한정된 법칙에 꼭 맞도록 해서는 곤란하다. 함부로 도식적인 구도의 법칙 등을 예시하는 것은 사진가의 창조력을 막는다는 결과가 되는 위험성이 있다[2].” 라고 알려져 있다.

따라서 구도를 자동적으로 분석하기 위해서는 촬영자의 의도를 파악해야만 한 다. 그러나 촬영자의 의도에 따른 구도 분석은 창의적 요소로서 본 연구에서는 제 외했다. 또한 고의적인 구도의 변형에 대해서는 무시하고, 사용자가 구도에 관하 여 잘 모른다는 가정 하에 분석한다. 사진에 일반적으로 효과적인 구도라고 여겨 지는 것은 대략 Table. 1.2 와 같다.

(18)

삼등분할구도

화면을 가로와 세로 각각 3등 분하여 교차점 근처에 피사체 를 두고 촬영함으로서 안정감 을 갖는 사진을 얻을 수 있다.

방사형구도 원근감을 표현하기에 좋은 구 도이다.

수평구도

반복되는 패턴을 발견했을 경 우 안정감과 반복되는 리듬감 을 주기 위해 사용할 수 있는 구도이다.

수직구도

수평구도에 비해 안정감은 덜 하지만 역동적인 요소로 작용 할 수 있다.

수평/수직구도 수평구도와 수직구도의 요소를 모두 갖고 있는 구도이다.

(19)

제 3 절 관련연구

본 연구는 관련 분야에서 실험적이고 선도적인 위치에 있는 연구 분야로서 최근 에야 연구가 진행되고 있는 실정이다. 과거에는 구도에 대한 정량적인 분석을 위 한 평가 문헌이 그래픽스 분야에서 발표되었다. 즉 좋은 구도란 무엇이며[3], 구 도를 이루는 요소는 무엇인가에 대한 분석[4]이 이루어졌다. 과거에도 예술, 미학 분야에서의 구도에 관한 연구[5][6][7][8]들이 방대하게 이루어져 왔다. 이 후 영 상에서의 구도는 그래픽스 분야에서 연구되었으며, 최근에 미학적으로 그래픽을 재구성하기 위한 구도의 원칙에 대하여 V.Rivotti 등의 발표가 있었다[9].

본 연구와 직접적으로 관련 있는 문헌은 2006년도부터 찾아볼 수 있다. 2006년 에 G. Cavalcanti와 H. Gomes는 구도의 가장 기본인 3등분의 법칙(The rule of thirds)을 적용하여, 인물 사진에서 얼굴을 추출 후 보다 좋은 위치에 인물이 위 치하도록 사진을 잘라내는 방법을 제안하였다[10]. 또한 2009년에 대만의 C. T.

Shen 등은 인물을 가로지르는 선은 구도에 나쁜 영향을 미친다는 기본 이론을 바 탕으로 인물을 가로지르는 선 성분을 추출하는 방법에 대하여 발표하였다[11]. 이 들은 Fig. 1.2처럼 인물에 대하여 간단한 모델을 구성하고 이 모델을 가로지르는 선 성분을 추출하는 것을 목표로 하였다.

Fig. 1.2 인물 모델과 추출 방법(왼쪽)[10]과 선 추출의 예(오른쪽)[11]

(20)

,

,

(1-1) 2010년에 L. G. Liu 등이 구도를 최적화하는 척도(Aesthetic scores)를 정하고 이 척도에 따라 사진을 잘라내어 최적화된 구도를 얻어내는 방법을 발표하였다.

이들은 척도로서 삼등분의 법칙(RT), 대각선 구도(DA), 시각적 균형(VB), 객체 크 기(SZ)들을 사용하였으며, 이 4가지 척도를 종합하는 전체 척도를 다음과 같이 정 의하였다[12].

이들은 식 (1-1)의 4가지 척도를 사용하여, 각 수집된 영상들을 분석하고 좋은 점수를 얻는 방향으로 영상을 잘라내는 방법을 제안하고 평가하였다. 다음은 최적 화된 영상들에 대한 척도 평가의 예이다.

Fig. 1.3 (a) 원영상 (b) 임의로 잘라진 영상 (c) 제안된 방법에 의한 영상

(d) 비교점수[12]

(21)

기존 연구들은 대부분 인물 사진에 한정되어 있으며, 간단한 구도 분석만을 적 용하였다. Liu 등이 인물외의 객체에도 적용하였으나, 기존에 사용된 구도 분석은 매우 한정되어 있는 실정이다.

이러한 구도 분석 기술에 대한 관심도는 매우 높아 1999년에 미국에서는 구도 안내 시스템에 대한 관련 특허가 등록되었으며, 관련 특허가 국내외로 점차 늘고 있는 실정이다[13][14]. 국내에서도 최근 2009년에 삼성이미징시스템에서 디지털 카메라에서의 구도 안내를 해주는 시스템에 대한 특허 등 여러 특허가 등록되었다 [15][16][17][18]. 국내외의 특허 및 산업체에 대한 기술을 정리하면 크게 다음과 같이 분류된다.

- 구도 가이드 기능을 구비한 디지털 영상처리 장치의 동작 방법 DB에 미리 선정된 상황별 구도를 입력

촬영 시 직접 사용자가 상황에 맞는 구도를 선택 선택된 최적 구도가 preview 화면에 overlap 되어 표시 구도에 맞춰서 촬영

- 구도 맞춤 표시수단을 가지는 카메라 및 구도맞춤 표시방법

삼등분할 구도를 기본으로 하여 투과 LCD 액정에 사용자가 원하는 구도의 위치 를 직접 선택

선택된 구도 점을 참고하여 촬영

- 영상구도를 자동 조정하는 영상 촬영 장치 및 방법 자동 촬영 모드에서 사람의 얼굴을 인식

얼굴이 있는 경우 삼등분할 구도를 기본으로 배치

단체 사진일 경우 조밀도가 높은 곳을 기준으로 초점 자동 조절 - 셀프 촬영 시 얼굴의 구도 잡는 시스템

셀프 촬영 시 얼굴 검출 기술을 이용하여 얼굴을 검출 사용자가 미리 지정한 템플릿 사진의 얼굴 각도와 비교 결과를 음성, 빛, 또는 화면으로 사용자에게 제공

(22)

주제 연구기관 특징

구도 가이드 기능을 구 비한 디지털 영상처리 장치의 동작 방법

삼성테크윈 주식회사

구도 맞춤 표시 수단을 가지는 카메라 및 구도 맞춤 표시 방법

삼성항공산업 주식회 사

영상구도를 자동 조정 하는 영상 촬영

삼성전자주식회사

셀프 촬영 시 얼굴의

구도 잡는 시스템 (주)올라웍스

Table. 1.3 관련특허

(23)

제 4 절 연구 내용 및 범위

1. 연구 내용

본 논문은 미학적 구도에 관하여 알지 못하는 사용자를 위하여, 자동으로 영상 을 분석하여 구도를 판단하고 사용자에게 구도를 추천하고 안내하는 기술에 대해 다루고 있다.

구도에는 3등분할 구도, 수직, 수평구도, 중앙 집중형 구도, 반복구도 등 많은 구도가 존재한다. 이러한 모든 구도에 대한 인식 및 최적 구도의 안내는 현실적으 로 불가능하다고 할 수 있다. 본 연구에서는 접사, 혹은 망원 사진에서의 3등분할 구도, 수직, 수평구도 그리고 중앙 집중형 구도의 검출과 최적 구도의 선정 및 점 수화 방법과 kinect의 기능 중 skeletal을 이용하여 인물을 검출하고 검출된 인물 을 위한 최적 구도 선정 및 점수화 방법에 대해서 다룬다.

2. 연구 범위

본 연구에서는 미학적 척도 기반 최적구도의 안내를 위하여 다음과 같은 기술에 대하여 다룬다.

Ÿ 일반적인 하늘이 표현된 환경에서의 스카이라인의 검출을 통한 하늘 영역 분리 기술

Ÿ 접사 및 망원 사진에서의 주요 객체 검출 및 최적 구도의 안내 기술 Ÿ 인물사진에서의 인물 검출 및 최적 구도 안내를 위한 기술

(24)

제 2 장 스카이라인 및 주요객체 검출

제 1 절 스카이라인 검출

본 논문에서 스카이라인의 검출 및 주요객체의 검출을 위해서 사용한 방법은 크 게 질감 특징을 이용한 필터링과, 모폴로지 연산 그리고 레이블링의 세 단계로 구 성되어 있다. 질감 특징을 이용한 필터링은 표준편차를 이용한 표준편차 필터가 사용되었고 이는 영상에서 대략적으로 하늘과 하늘이 아닌 부분을 구분할 수 있게 해준다. 그리고 모폴로지 연산과 레이블링을 통하여 복잡한 배경의 잡음을 제거하 고, 하늘영역의 확실한 추출을 보조한다.

(25)

1. 잡음제거

영상의 잡음제거에는 가우시안 필터, 미디언 필터, 평균필터 등 여러 가지 방법 이 존재한다. 본 연구에서는 이러한 방법들 중 미디언 필터를 사용하여 하늘 영역 의 잡음을 제거한다[19]. 미디언 필터는 소금&후추 잡음과 같은 임펄스성 잡음을 제거하는데 있어 매우 효과적인 방법이다. 질감 필터링에 앞서 미디언 필터를 사 용해줌으로서 3차원 R,G,B 영상에서의 하늘 영역의 추출을 방해하는 잡음들을 1차 적으로 제거한다.

Fig. 2.2 원본 영상(좌)과 미디언 필터 적용 후 영상(우)

2. 질감 특징을 이용한 필터링

시각적으로 보이는 모든 것에는 질감이 존재한다. 이러한 질감은 사람이 촉각으 로서 확인 할 수 있는 질감이 있는 반면 하늘과 같이 촉각으로는 확인 할 수 없는 질감이 있다.

하늘 영역은 시각적으로만 확인 할 수 있는 질감이고, 맑은 날씨에 대체적으로 같은 질감을 갖는다. 이와 반대로 하늘이 아닌 부분의 영역은 촉각적으로 확인 할 수 있는 질감으로서 건물의 외벽, 도로 등이 있다.

본 연구에서는 이러한 질감을 비슷한 질감들로 분류하기 위해 표준편차 필터를 사용한다[20]. 표준편차 필터는 입력된 영상에 3×3 크기의 마스크를 적용하여 입 력 영상의 해당 픽셀간의 표준편차를 구하고, 이를 색상으로 표시할 수 있다. 이 는 다음 그림에서 볼 수 있듯이 비슷한 질감을 갖는 영역은 어두운 색으로 표현되

(26)

잡음제거를 위하여 미디언 필터를 적용한 후, 표준편차 필터를 적용함으로써 비 슷한 질감을 갖는 영역, 즉 각 3×3픽셀 구간의 표준편차를 계산하여 각 영역의 표준 편차의 값을 확인 할 수 있다.

Fig. 2.3 원본영상(좌)과 표준편차 필터 적용 영상(우)

3. 영상의 이진화

본 연구에서는 원하지 않는 영상의 획득을 피하기 위하여 질감 필터의 적용 후 영상을 바로 이진화 하지 않고 회색조 영상으로의 변환을 수행한다. 이로 인해 표 준편차 필터를 통과한 영상은 3차원 R.G.B 영상에서 1차원의 0∼255까지의 흰색과 검정색, 그리고 그 중간의 색상을 갖는 회색조 영상으로 변환된다.

회색조 영상으로 변환 후 하늘 영역과 그 이외의 영역을 분리하기 위해 영상의 가장 뚜렷한 흰색만을 남겨놓고 그 이외의 중간 값을 갖는 픽셀들은 모두 검은색 으로 치환해 줌으로서 이진화를 완료한다.

(27)

Fig. 2.4 미디언 필터 적용 후 표준편차 필터의 적용

Fig. 2.5 회색조 영상(좌)과 2진화 영상(우)

4. 모폴로지 연산

스카이라인의 검출을 위해서 총 두 번의 모폴로지 연산을 수행한다. 영상의 이 진화 후 첫 번째 열림 연산을 수행함으로써 미처 제거되지 못한 하늘 영역의 잡음 을 최종적으로 제거하고, 검은색과 흰색의 값을 서로 치환하는 지역교환 후 두 번 째 열림 연산을 수행함으로서 하늘 영역과 하늘 외의 영역들을 확실하게 구분 할 수 있게 한다.

(28)

Fig. 2.6 모폴로지 연산

Fig. 2.7 지역교환(좌) 후 2차 모폴로지 연산(우)

5.레이블링

모폴로지 연산을 수행함으로서 대부분의 영상은 스카이라인의 검출에 있어 최적 의 결과를 보였으나, 건물 유리 외벽, 차량의 유리나 빛의 반사가 쉬운 평평한 철 물 구조와 같이 매끄러운 질감을 갖는 물체의 경우에는 빛의 노출 정도에 따라 하 늘과 유사하게 각 픽셀간의 편차가 거의 없는 것으로 인식되는 부분이 남아 있을 수 있다. 본 연구에서는 이러한 문제를 해결하기 위하여 처음에는 영상의 바닥에 서부터 30% 이상 위쪽의 레이블 중에서 가장 많은 양의 픽셀을 갖는 영역만을 하

(29)

바닥에서부터 30%이상 위쪽의 레이블 중에서 가장 많은 양의 픽셀을 갖는 영역과 그 영역의 픽셀수의 50% 이상의 픽셀 수를 갖는 모든 영역을 하늘에 포함시킨다.

이는 전선이나 가로수와 같은 장애물에 의해 화면이 나누어져 하늘 영역의 검출이 어려운 영상에서도 좋은 결과를 갖는 것을 확인 할 수 있었다.

Fig. 2.8 레이블링(좌) 후 최대 영역의 선택(우)

Fig. 2.9 원본영상(좌)과 장애물에 의한 오검출(우)

(30)

Fig. 2.10 개선안을 적용시킨 스카이라인의 검출

(31)

제 2 절 주요객체 검출

본 연구에서는 스카이라인이 검출된 영상에서 주요객체를 검출하기 위해 다음과 같은 순서를 따른다. 첫 번째로 원 영상에서 하늘 영역을 제거하고, 하늘이 제거 된 영상에서의 외곽선을 검출한다. 검출된 외곽선은 안정적인 주요객체의 검출을 위해서 확장하게 된다. 확장된 외곽선에서 모폴로지 연산을 수행하고, 모폴로지 연산을 완료한 영상을 레이블링한다. 사진의 구도에서 주요객체는 화면의 외곽에 위치하지 않고, 전문가가 아닌 일반인이 사진을 촬영할 때 주제(주요객체)를 화면 의 중앙에 두는 오류를 번한다는 점에서 착안하여 레이블링 된 영상의 레이블 중, 화면의 외곽에 닿아 있는 레이블은 삭제한다. 마지막으로 가장 큰 레이블을 선택 한다.

(32)

1. 하늘 영역의 제거

스카이라인의 검출은 기본적으로 하늘 영역의 검출 후 하늘이 아닌 영역과의 경 계선을 기본으로 하기 때문에 하늘 영역에 대한 정보를 가지고 있다. 이러한 정보 를 이용하여 하늘 영역을 제거한다. 하늘 영역을 제거함으로서 원치 않는 영역에 서의 외곽선의 검출은 피할 수 있고 조금 더 나은 결과를 가질 수 있다.

Fig. 2.12 하늘영역 제거

2. 외곽선 검출과 확장

대개의 경우 영상에서의 주제가 되는 객체는 외곽선 성분이 강하지 않고 비슷한 색상을 갖는 영역의 연속이라고 할 수 있기 때문에 주제의 검출을 위해 일차적으 로 외곽선 검출 기법을 사용한다. 본 논문에서는 하늘 영역을 제거한 후 남은 영 역에서 canny 외곽선 검출 방법을 사용하여 외곽선을 검출하고, 검출된 외곽선의 열려 있는 부분을 이어주기 위해 외곽선의 두께를 확장함으로서 복잡하고 일관성 이 없는 배경영역과 주제가 될 수 있는 영역의 경계를 확인 할 수 있다.

(33)

Fig. 2.13 외곽선 검출(좌)과 확장(우)영상

3. 모폴로지 연산과 레이블링

외곽선의 검출과 확장을 수행한 후, 의미 없는 외곽선의 제거를 위해 열림 연산 을 수행한다. 모폴로지 연산을 수행함으로서 주제가 될 수 있는 객체 영역은 합쳐 지고, 그렇지 않은 영역들은 영상에서 지워주는 효과를 얻을 수 있다. 모폴로지 연산 후 후보영역을 선택하기 위해 흑백영상을 레이블링 한다.

Fig. 2.14 모폴로지 수행(좌)과 레이블링(우)

4. 후보 선정 및 선택

일반적으로 사진에서의 주요 객체는 화면의 테두리 부근에 두지 않는다. 또한,

(34)

가운데에 위치하게 촬영한다는 점이다. 이러한 점에서 착안하여 화면의 테두리 부 근에 인접한 후보 객체들은 제거함으로서 후보 개체의 수를 줄일 수 있다.

Fig. 2.15 후보객체 선정

5. 주요 객체 검출

사진촬영에 있어서 화면에 담고 싶은 주요객체는 보통 화면에서 큰 비중을 차지 한다. 이러한 점을 고려하여 남아 있는 후보 영역에서 가장 큰 영역과 그 주변에 매우 가깝게 위치한 영역들을 주제로 선정한다.

Fig. 2.16 주요객체 검출 영상

(35)

제 3 장 접사에서의 주요객체 검출 및 구도 인식

제 1 절 접사와 망원사진에서의 주요 객체 검출 방법

본 장 에서는 접사와 망원 사진에서의 주요 객체 검출을 위하여 여러 외곽선 검 출 방법 중 유사연산자를[21] 통하여 영상 내에서의 뚜렷한 외곽선을 검출하고 검 출된 외곽선의 강도에 따라 주요 객체를 판별하는 방법을 사용한다. 이는 주로 사 진촬영에 사용되는 휴대기기에서 너무 복잡하거나 연산량이 많은 방법을 사용했을 경우 가용성이 떨어질 수 있다는 점을 감안하여 적용되었다. 일반적으로 접사란 카메라의 렌즈를 피사체의 지근거리 이내로 접근시켜 피사체를 확대하여 촬영 하 는 것을 의미한다. 또한 망원 사진이란 망원 렌즈를 이용하여 촬영한 사진으로서 망원 렌즈는 촬영 배율이 커서 먼 거리에 위치한 피사체를 확대하거나, 원근감이 압축되거나 심도가 얕은 사진을 촬영할 수 있다. 심도가 얕을수록 아웃포커싱이 강해지게 되므로 촬영하고자 하는 주요 객체에 대해서 아웃포커싱을 발생시켜 사 진을 촬영 할 수 있다.

Fig. 3.1 접사(좌)와 망원 사진(우)에서의 아웃 포커싱 효과

(36)

1. 유사연산자를 사용한 외곽선 검출

영상에서의 외곽선 검출에는 케니 외곽선 검출, 소벨 외곽선 검출 등, 많은 방 법이 존재한다. 본 논문에서는 이러한 외곽선 검출 방법들 중 유사연산자를 통한 외곽선 검출방법을 사용한다.

유사연산자는 일련의 화소들을 감산한 값에서 최댓값을 결정하는 방법이다. 원 리를 살펴보면 3×3 블록의 중심화소로부터 주변 8개의 화소를 각각 감산한 후, 각 차이의 절댓값 중 가장 큰 값을 중심화소로 결정한다. 이는 외곽선 검출 방법 중 가장 단순하고 빠른 외관선 검출이 가능하다. 또한 외곽선을 강도에 따라 표현 할 수 있다는 장점이 있다.

Fig. 3.2 원본영상(좌)과 유사연산자 적용결과(우)

Fig. 3.1의 결과영상에서 볼 수 있듯이 외곽선의 강도에 따라서 표현되는 것을 확인 할 수 있다. 이렇게 검출된 외곽선에서 접사와 망원사진의 피사체는 매우 뚜 렷한 외곽선을 갖는다는 점을 적용하여 일정 수치 이상의 강도를 갖는 외곽선만을 남겨놓고 모두 제거함으로서 후보가 되는 영역을 최소한으로 줄일 수 있다.

(37)

Fig. 3.3 일정 강도 이상의 외곽선만을 추출한 영상

2. 모폴로지 연산을 사용한 후보 선정

일정 강도 이상의 외곽선만을 추출하여 후보 영역을 최소한으로 줄인 영상에서 모폴로지 연산을[4] 사용하여 최종적으로 후보영역을 구할 수 있다. 모폴로지 연 산은 영상을 형태학적인 측면에서 다루는 기법으로 다양한 영상처리 시스템에서 전처리 또는 후처리의 형태로 사용할 수 있다.

본 연구에서는 최종 후보 영역을 검출하기 위해서 유사연산자를 통해 검출된 외 곽선 영역의 영상을 이진화 하고 이진화된 영상에 모폴로지 팽창 연산을 적용한 후, 다시 열림 연산을 적용한다. 이로써 영상 내에서 쓸모없는 영역을 제거하고, 최종적인 후보만을 남겨놓을 수 있다.

(38)

3. 레이블링을 사용한 주요 객체 검출

일반적으로 접사와 망원사진은 촬영하고자 하는 하나의 주요 객체를 갖는다. 또 한 사진에서 주요 객체를 화면의 외곽에 닿지 않게 촬영하는 것이 일반적인 촬영 방법이기 때문에 최종후보의 검출 후, 주요 객체의 검출을 위하여 후보 영상에서 레이블링을 수행하고, 화면의 외곽에 닿아 있는 객체를 삭제한다. 그리고 남아 있 는 객체 중 가장 큰 영역을 갖는 객체만을 주요 객체로 선정한다.

Fig. 3.5 레이블링 결과(좌)와 검출된 주요객체(우)

(39)

제 2 절 검출된 주요객체의 최적 구도 선정

접사사진에서의 최적 구도 선정을 위하여 제안하는 방법으로 검출된 주요객체를 기준으로 최적구도의 선정 작업을 수행한다.

사진구도에는 여러 가지 종류가 있다. 그중 가장 기본적으로 사용되는 구도가 3 단 분할 구도이다. 이는 황금비율에서 유래된 구도로서 영상을 수직 수평으로 3등 분하여 수직선과 수평선이 만나는 네 점에 피사체가 위치했을 때 좋은 구도를 갖 는다고 가정한다. 또한 본 논문에서는 3등분할 구도뿐만 아니라 중앙 집중형 구도 와 수직, 수평구도에 대해서도 다룬다. 중앙 집중형 구도는 피사체의 크기가 일정 크기 이상이거나 혹은 풍경사진과 같은 경우에 중심이 되는 피사체를 화면의 중앙 에 위치하는 방법이다. 또 수직 수평구도는 많은 경우가 있지만 본 연구에서는 검 출된 주요객체를 기준으로하기 위해서 몇 가지 제한을 두었다.

1. 최적 구도 선정을 위한 전처리 과정

검출된 객체의 구도 선정을 위하여 본 논문에서는 다음과 같은 몇 가지 제한을 갖는다.

▪ 검출된 주요객체를 기준으로 한 구도 측정을 위해 3단 분할 구도, 중앙 집중 형 구도 그리고, 수직, 수평 구도, 이렇게 세 종류의 구도만을 측정한다.

▪ 검출된 주요 객체가 전체 영상 크기의 70% 이상일 경우 중앙 집중형 구도를 갖는다<Table. 3.1-1>.

▪ 검출된 주요 객체의 가로 길이가 80%이상이고, 세로 길이가 60% 이하일 경우 수평구도를 갖고, 반대로 세로 길이가 80%이상이고, 가로 길이가 60%이하일 경우 수직구도를 갖는다<Table. 3.1-2>.

▪ 주요 객체의 크기가 전체 영상 크기의 70% 이하일 경우 3등분할 구도를 갖는 다<Table. 3.1-3>.

<Table. 3.1>에서 A, B, C, D는 각각 3등분할 점을 의미한다. 이 점을 각각 화 면의 구도점이라고 한다. 파란색 영역은 주요 객체를 의미한다. M은 영상의 중심

(40)

<Table. 3.1-3>의 노란색 점은 주요 객체에서의 3등 분할 점을 의미한다. 중앙 집중형 구도의 경우 주요객체의 중심점과 전체 영상의 중심점이 가까울수록 좋은 구도로 본다. 여기서 주요 객체의 중심점을 객체의 구도점이라고 한다.

수평구도 <Table. 3.1-2 상>의 경우 주요 객체의 중심은 화면의 중심선상에 위 치하고 주요객체의 중심이 A와 M 사이나 C와 M 사이의 중심에 가까울수록 좋은 구 도로 본다. 여기서 주요 객체의 중심점을 객체의 구도점이라고 한다.

수직구도 <Table. 3.1-2 하>의 경우 주요 객체의 중심은 화면의 중심선상에 위 치하고 주요객체의 중심이 A와 M 사이 나 B와 M 사이의 중심에 가까울수록 좋은 구도로 본다. 여기서 주요 객체의 중심점을 객체의 구도점이라고 한다.

3등분할 구도를 갖는 경우에는 주요 객체의 3등분할 점과 주요객체의 중심점 사 이 중심에서 가장 가까운 위치에 있는 전체 영상에서의 3등분할 점과 가까울수록 좋은 구도로 본다. 여기서 주요객체의 3등분할 점과 주요 객체의 중심점 사이의 중심을 객체의 구도점이라고 한다.

(41)

1

2

3

Table. 3.1 최적구도선정을 위한 전처리 과정(화면과 주요객체)

(42)

2. 전처리 후 최적 구도 선정 및 점수화 방법

검출된 객체의 현재 구도의 판단이 완료된 후 각 구도에 점수 측정을 위해 구도 가 판단된 객체의 구도점과 판단된 구도에 따른 화면의 구도점이 가까울수록 좋은 점수를 갖는다. 또한 객체의 구도점이 화면의 구도점에서 멀어질 때, 화면의 외 곽, 즉 테두리 방향으로 멀어지면 같은 거리만큼 멀어져 있다고 하더라도 화면의 중심 방향으로 멀어지는 것보다 더 낮은 점수를 갖는다.

 

    



 × 

   



  × 

OD = 검출된 객체의 구도점과 화면의 구도점간의 거리 FD = 화면의 구도점과 영상 끝점간의 거리

CD = 화면의 중심점과 화면의 구도점간의 거리

(3-1)

이는 매우 간단한 수식으로 점수를 측정하는 것이라고 할 수 있지만, 구도 선정 을 위한 전처리 부분에서 검출하고자 하는 3가지 구도에 대해 정의를 해 놓았기 때문에 좋은 결과를 가질 수 있다.

이와 같은 방법으로 검출된 객체의 현재 구도를 판단하고 판단된 구도 내에서의 점수를 측정 할 수 있다. 또한 판단된 현재의 구도와 점수를 기준으로 최적구도의 안내가 가능하며 실시간 영상에서 사용자가 원하는 일정 점수 이상을 가지면 자동 촬영 역시 가능하다.

(43)

제 4 장 인물사진에서의 구도 인식 제 1 절 Kinect sdk를 이용한 인물 검출

본 논문에서는 인물사진에서의 구도 인식을 위한 인물 검출에서 Kinect SDK의 skeletal tracking 방법을 사용한다. 영상에서의 인물이 검출된 후, 인물의 현재 위치와 3등분할 구도를 이용하여 최적구도를 선정한다.

kinect는 Micro soft사의 Xbox의 컨트롤러로서 3D depth sensor와 RGB camera 그리고 마이크로 구성되어 있다.

Fig. 4.1 MicroSoft사의 XBOX 360용 Kinect 외관

인물사진에서의 구도 인식 및 최적 구도 선정을 위하여 첫 번째로, Kinect SDK 의 skeletal tracking을 이용하여 인물 검출을 수행한다. 이는 인체의 검출과 함 께 머리, 어깨, 골반, 무릎, 발목 등과 같은 인체의 관절을 검출하여 인물의 자세 까지도 함께 추정할 수 있도록 도와준다.

(44)

Fig. 4.2 Kinect sdk의 skeletal tracking

Kinect sdk를 이용한 인물 검출 후, 검출된 인물을 기준으로 화면에서의 3등분 할 구도를 이용하여 현재 구도의 점수를 측정하고 최적 구도를 선정한다.

단, 현재 대부분의 휴대용 디지털 영상 촬영 기기들은 영상의 깊이정보를 검출 할 수 있는 스테레오 카메라 혹은 적외선 센서와 같은 장비를 갖추고 있지 않기 때문에 본 논문에서는 단순히 인물 추출을 위해 Kinect를 사용한다. 추후 일반적 인 휴대용 디지털 영상 촬영 기기에서도 Kinect와 같이 깊이 정보를 활용할 수 있 게되면 skeletal tracking과 같은 기술을 접목하여 인물사진의 다양한 자세에 대 해서 더욱 다양한 최적 구도의 선정이 가능할 것이다.

(45)

제 2 절 검출된 인물의 최적 구도 선정

인물사진에서의 최적 구도 선정을 위하여 kinect의 skeletal tracking 방법으로 검출된 인물을 기준으로 최적 구도의 선정 작업을 수행한다.

인물 사진에서의 구도는 인물의 자세와 인물의 촬영 부위, 주변 환경과의 조화 에 따라 매우 다양한 구도를 갖는다. 본 논문에서는 이러한 감성이나 주변 환경과 의 조화를 배제하고 검출된 인물의 얼굴과 어깨 위치에 따른 3등분할 구도에 대하 여 다룬다.

1. 최적 구도 선정을 위한 전처리 과정

검출된 인물의 최적 구도 선정을 위하여 본 논문에서는 다음과 같은 몇 가지 전 처리 과정과 제한사항을 갖는다.

▪ 검출된 인물은 모두 일어서 있는 상태라고 가정한다.

▪ 검출된 인물을 기준으로 하여 3등분할 구도만을 측정한다.

▪ 3등분할 구도의 측정을 위하여 검출된 인물의 골격에서 목을 사용한다.

▪ 검출된 인물의 목을 구도점이라고 한다.

▪ 영상의 3등분할점 중 좌측 상단의 구도점(SL)과 우측 상단의 구도점(SR)에 대한 점수만을 측정한다.

(46)

2. 전처리 후 최적 구도 선정 및 점수화 방법

인물구도를 위한 전처리 과정이 끝난 후, 최적구도 선정을 수행한다. 인물구도 는 3등분할 구도만을 갖기 때문에 최적구도의 선정을 위한 전처리 과정이 비교적 간단하다고 할 수 있다.

먼저 인물사진은 영상의 구도점과 인물의 구도점 간의 거리에 비례하게 점수를 측정한다. 즉, 미리 정의된 영상의 두 구도점과 인물의 구도점이 가까울수록 좋은 점수를 갖는다.

마지막으로 점수 측정 방법은 접사에서의 점수 측정과 같은 방법을 사용한다.

이 역시 간단한 방법만을 사용한 점수 측정이지만, 인물사진과 3등분할 구도에 국 한되어 있기 때문에 좋은 결과를 가질 수 있다.

(47)

제 5 장 실험 결과

본 연구에서는 미학적 척도 기반 최적구도 안내를 위하여 주요객체를 검출하는 연구를 선행하였다. 그중 첫 번째는 스카이라인 및 스카이라인이 존재하는 영상 내에서의 주요객체의 검출이었고, 두 번째는 접사에서의 주요객체 검출이었다.

스카이라인의 검출은 주제가 존재하는 사진영상뿐만 아니라 풍경사진과 같이 뚜 렷하게 주제를 정의하기 힘든 사진에서도 수직, 수평, 황금비율등의 검출을 위해 사용할 수 있는 기술이라고 할 수 있다. 한편 접사에서의 주제 검출은 주요객체는 뚜렷한 외곽선을 갖고, 그 외의 배경이 되는 영역은 흐릿하게 찍힌다는 접사의 특 성을 이용하여 주제를 검출해 내는데 좋은 결과를 얻을 수 있었다.

제 1 절 스카이라인 및 주요객체 검출 결과

스카이라인의 검출과 스카이라인이 검출된 영상 내에서의 주요객체 검출 실험을 위하여 일반적인 도심 지역과 지평선, 수평선 그리고 영상 내에 주요객체가 존재 하는 사진을 직접 촬영하여 실험했다. 실험에 사용된 사진은 각각 30장씩 120장의 사진으로 구성되어 있고 실험은 Visual Studio 2008을 통하여 이루어졌다.

실험 결과를 살펴보면 각 픽셀간 표준편차를 사용함으로서 흐릿한 영상이나 외 곽선의 경계가 뚜렷하지 못한 영상에서의 경우에도 좋은 결과를 얻는다는 것을 확 인 할 수 있고, 외곽선 검출이나 허프 변환을 사용한 검출에 비하여 모든 환경에 서의 스카이라인의 검출 능력이 뛰어나다는 것을 확인 할 수 있었다.

스카이라인의 검출 후 하늘 영역을 제외한 주제 검출에 있어서도 매우 좋은 결 과를 얻을 수 있었다. 케니 외곽선 검출과 간단한 모폴로지, 레이블링과 같은 방 법만을 사용했음에도 불구하고 결과 영상을 확인 했을 때 대부분 주제의 영역을 찾는다는 것을 확인할 수 있었다.

(48)

원본영상 스카이라인 검출영상 Table. 5.1 스카이라인 검출결과

(49)

원본영상 주요객체 검출 영상 Table. 5.2 주요객체 검출결과

(50)

원본 영상 주요객체 검출영상 Table. 5.3 접사에서의 주요객체 검출결과

제 2 절 접사에서의 주요객체 검출 결과

접사에서의 주요객체 검출을 위하여 접사로 촬영된 200장의 사진을 사용했다.

이는 각각 구도 선정을 위한 전처리 조건에 맞는 사진으로서 중앙 집중형 구도를 갖는 사진 50장, 수직 구도를 갖는 사진 50장, 수평 구도를 갖는 사진 50장, 그리 고 3등분할 구도를 갖는 사진 50장을 사용했다. 실험은 Visual Studio 2008을 통 하여 이루어졌다.

실험 결과 각 구도에 따른 영상에서 대부분이 주요객체의 검출이 뚜렷하게 이루 어진 것을 확인 할 수 있었다.

(51)
(52)
(53)

제 3 절 Kinect sdk를 이용한 인물 검출 결과

본 논문에서는 인물 사진에서의 인물 검출을 위하여 Kinect sdk의 skeletal tracking을 사용하였다. 총 20장의 사진으로 실험하였다.

원본 영상 골격 검출 결과

Table. 5.4 Kinect sdk를 이용한 인물 검출 결과

(54)

원본 영상 구도 선정 및 점수 측정 결과 Table. 5.5 접사에서의 최적구도 선정 및 점수 측정 결과

제 4 절 접사에서 최적구도 선정 및 점수 측정 결과

각각의 상황에서 주요객체를 검출한 후, 최적 구도의 선정을 위한 전처리 과정 을 거침으로서 현재 객체의 위치와 현재 객체의 위치에서 가장 가까운 최적의 구 도점을 찾을 수 있게 된다. 이렇게 검출된 객체의 구도점과 화면내의 가장 가까운 구도점간의 거리에 따른 점수를 측정한다.

(55)
(56)
(57)

제 5 절 인물사진에서 최적구도 선정 및 점수 측정 결과

각각의 상황에서 주요객체를 검출한 후, 최적 구도의 선정을 위한 전처리 과전 을 거침으로서 현재 객체의 위치와 현재의 위치에서 가장 가까운 최적의 구도점을 찾을 수 있게 된다. 이렇게 검출된 객체의 구도점과 화면내의 가장 가까운 구도점 간의 거리에 따른 점수를 측정한다.

(58)

원본 영상 인물사진의 점수 측정 결과 Table. 5.6 인물사진에서 최적구도 선정 및 점수 측정 결과

(59)

제 6 장 결론

본 논문에서는 미적척도 기반 최적구도 안내를 위해 스카이라인 및 스카이라인 이 검출된 영상 내에서의 주요객체 검출, 접사에서의 주요객체 검출과 검출된 주 요객체의 현재 구도 인식 및 최적구도 선정을 위한 점수 측정, 그리고 Kinect sdk 의 skeletal tracking을 사용한 인물사진에서의 인물 검출과 최적구도 선정 및 점 수 측정을 수행했다. 또한 검출된 주요객체의 최적구도의 안내를 위하여 3단 분할 구도, 중앙 집중형구도, 그리고 수직, 수평구도를 정의하고, 검출된 주요객체의 위치를 기반으로 하여 점수를 측정했으며, 이에 따라 각각의 구도에 맞도록 최적 의 구도점을 안내할 수 있었다. 더욱이 접사에서의 주요객체 검출 및 최적구도 인 식에서 멈추지 않고 인물사진에서의 최적구도 안내를 위해 Kinect sdk의 skeletal tracking을 사용하여 새로운 기술을 접목시켰다고 할 수 있다.

다만 아쉬운 점이 있다면 인물구도에 있어서 더욱 다양한 자세와 주변 환경까지 고려한 구도 인식이 부족했다는 점이다.

(60)

[ 1 ] http://www.slrclub.com/bbs/vx2.php?id=user_lecture&page=1&sn1=&sid1=&divpage=

1 & s n = o f f & s i d = o f f & s s = o n & s c = o f f & k e y w o r d =

&select_arrange=headnum&desc=asc&no=4365

[ 2 ] http://www.slrclub.com/bbs/vx2.php?id=user_lecture&page=1&divpage=1&ss=on&key word= &select_arrange=headnum&desc=asc&no=6234

[ 3 ] GOOCH B., REINHARD E., MOULDING C., SHIRLEY P.: Artistic composition for image creation. In Proc. of the 12th Eurographics workshop on Rendering Technique, pp. 83-88, 2001

[ 4 ] OHTAKE Y., BELYAEV A., ALEXA M., TURK, G., SEIDEL H.-P.: Multi-level partition of unity implicits. In Proc. Siggraph ’03, pp. 463–70, 2003

[ 5 ] GRILL T., SCANLON M.: Photographic Composition.Watson-Guptill, 1990.

[ 6 ] KRAGES B.: Photography: The Art of Composition. Allworth Press, 2005.

[ 7 ]정승익, 좋은 사진을 만드는 사진 구도, 한빛미디어, 2006

[ 8 ] http://photoinf.com/General/KODAK/guidelines_for_better_photographic_composition.

html

[ 9 ] RIVOTTI V., PROENAA J., J. JORGE J., SOUSA M.: Composition principles for quality depiction and aesthetics. In The International Symposium on Computational Aesthetics in Graphics, Visualization, and Imaging, pp. 37-44, 2007

[10] Cavalcanti, R. M. C., Gomes, H., & Guerra, W. “Towards automating photographic composition of people.” In IASTED international conference on visualization, imaging, and image processing, pp. 25–30, 2006

[11] C. T. Shen, J.C. Liu, S.W. Shih, J. S. Hong, “Towards intelligent photo composition-automatic detection of unintentional dissection lines in environmental portrait photos.” Expert Systems with Applications, vol 36, pp. 9024-9030, 2009

참고문헌

(61)

469-478, 2010

[13] Miyake, T., & Soga, T. Digital still camera with composition advising function, and method of controlling operation of same.

<http://www.freepatentsonline.com/7317485.html>. Accessed 01.08.2008.

[14] Suarez, F., & Arnaldo, L., Picture composition guidance system.

<http://www.freepatentsonline.com/5873007.html>. Accessed 02.16.1999

[15] , “ .”

10-2007-0135739, 2007

[16] , “

.” 10-2006-0113040, 2006

[17] , “

.” 10-1995-0019631, 1995

[18] , “ .”

10-2007-0082027, 2007 [19] Matlab Help Document

[20] Alasdir McAndrew, “Introduction to digital image processing with Matlab.”

THOMSON COURSE TECHNOLOGY, United States, 2004

[21] , , , “ ”, , 2008

참조

관련 문서

본 논문에서는 완전이면교배에서 있어서 결측교배가 나타났을 때 근교계통의 일반조 합능력을 추정하기 위한 최적인 블록계획을 설계하는 방법과 결측교배를 갖는

본 연구는 초등학교 5학년 체육과 지도 영역 중 가장 어려움을 겪고 있는 리듬 및 표현운동 중 전통 춤사위 교수-학습 활동을 구안ㆍ적용하고 다양한 춤사위 표현 운동의

본 연구에서는 연소과정 중 탄화가 생성되는 가연물인 Douglas-fir 목재와 폴리머 계열의 비탄화 가연물인 PMMA(Poly methyl methacrylate)를 비교하여 열분해

기존의 태양광발전 시스템에서는 직렬로 연결된 태양전지 모듈군을 하나의 전력변환 장치가 담당하는 중앙 집중형 방식이 대표적이지만 MPPT 제어 및

III 정화기술 소개

본 연구에서는 남자 중학교 배구선수를 대상으로 순환운동을 실시하여, 전문체력에 미치는 영향을 분석하고 배구 기능 중 경기력을 좌우하는 기술수행능력에

본 연구에서는 근로복지공단으로부터 산업재해 판정을 받아 요양을 요하는 작업 관련성 요통환자를 대상으로 8 주간의 복합운동프로그램을 실시하여 환자의 신체적

사회적 지지란 감정이입,사랑,신뢰 등의 정서적 지지와 물질과 서비스를 제 공하는 도구적 도움 및 충고와 제언을 하는 정보적 도움 그리고 평가적 도움 중 하나 혹은