딥러닝 기반 이미지분석 기술을 활용한 3차원 역학실험장치 개발

Development of a 3D Dynamic Experiment Device using Computer Vision Analysis Technology Based on Deep Learning

본 연구는 공간 속에서 운동하는 물체의 시간에 따른 위치 데이터를 수집하기 위해 딥러닝 기반 물체 탐지 기술과 측정 알고리즘을 융합한 장치의 개발 방안을 제시하고 있다. 일반적으로 사용하고 있는 운동분석 장치는 영상을 기반으로 하여 2차원 평면 운동의 측정으로 제한된다. 따라서, 관성 모멘트와 돌림과 같은 물리량은 구하기 어렵다. 스포츠분야에서 물체의 운동을 추적하여 측정, 분석하는 시스템을 사용하고 있지만, 고가이며, 그 분야에 특정되어 있어, 범용적으로 사용하기에는 무리가 있다. 본 연구에서는 수직으로 위치시킨 두 대의 카메라를 이용하여 다양한 3차원 공간에서 물체의 움직임을 분석하는 시스템을 개발하여, 다양한 환경에서도 사용 가능하면서, 구축비용이 획기적으로 줄어들 수 있도록 하여, 이러한 한계를 극복하고자 한다. 제안하는 장치는 크게 두 단계로 구성되며, 첫 번째는 1,465개의 이미지 데이터로 학습된 SSD (Single Shot MultiBox Detector)가 연결된 카메라로 물체의 3차원 위치를 측정하며, 두 번째 단계에서는 측정한 물체의 위치와 시간의 데이터를 입체적으로 시각화한 후 목표 물리량을 계산하고 운동을 분석한다. 물체의 실제 좌표를 측정하기 위해 물체의 지름을 측정하여 픽셀 단위로 환산하고 카메라에 찍힌 운동 중인 물체와의 닮음비를 활용하여 px당 cm단위의 거리를 구한다. 최종적으로 카메라를 통해 받은 px단위의 위치를 cm로 환산하여 위치를 파악한다. 제안한 장치의 정확도 검증을 위해 공간좌표계에서 추세선을 그려 중력 가속도를 측정해봤을 때, 평균 오차 범위가 ±0.20㎨ 로 좋은 성능을 보여준다.

This research proposes to develop a device that fuses deep learning-based object detection technology and measurement algorithms to collect real-time position data of objects moving in an area. The commonly used motion analysis devices are limited to measuring two-dimensional plane motion based on images. Therefore, physical quantities such as moments of inertia and rotation are difficult to obtain. Although systems that track, measure, and analyze the motion of objects are used in sports, they are expensive and specific to the field, making it difficult to use them widely in various fields of study. Thus, this research aims to overcome these limitations by developing device that analyzes the movement of objects in various three-dimensional spaces using two vertically positioned cameras, which can be used in a variety of environments with dramatically reduced costs. The proposed device consists of two main steps: the first step is to measure the three-dimensional position of an object with a camera connected to a single-shot multibox detector (SSD) trained with 1,465 image data, and the second step is to calculate the physical quantity and analyze the motion after visualizing the data of the measured object’s position and time in three dimensions. To measure the actual coordinates of the object, the diameter of the object is converted into pixels, and the distance in centimeters per pixel is obtained by utilizing the similarity ratio with the moving object captured by the camera. With the cm/px calculated, the pixel value obtained through camera is converted to cm, the actual coordinate of the object. To verify the accuracy of the proposed data, the acceleration of gravity was measured with the trend line of each parabola. The average error range of the acceleration of gravity calculated was ±0.20 m/s², which demonstrated great accuracy.