With the increasing interests in Augmented Reality (AR), the physical interactive entertainments are becoming popular. Among the entertainments related with AR, especially indoor screen sports are attracting people’s interests since they are not limited to the variations of weather, time, and region. In this paper, we propose a method to estimate human joint position in sports simulator using depth information. While most of the human pose estimation algorithms require the use of expensive sensors or high-performance GPUs, this study proposes a method that allows the achievement of accurate analysis even with lower priced sensor, a single depth camera. In this paper, an SVM (Support Vector Machine)-based human pose estimation algorithm was used with a single depth camera, which performs well even with a CPU without additional calibration. The proposed SVM-based joint estimation algorithm using depth information has been experimentally verified in a screen horse riding simulator environment.
증강 현실에 대한 관심으로 최근 체감형 엔터테인먼트에 대한 기대가 커지고 있다. 이 중 실내에서 즐기는 스크린 스포츠는 날씨 및 시간, 지역에 제한되지 않아 인기가 높아지고 있다. 본 논문은 스포츠 시뮬레이터에서 사용자의 운동 자세 인식을 위해 깊이 정보를 이용해 사람의 관절 위치를 추정하는 방법을 제시하고자 한다. 사람 자세 인식하는 방법들은 고가의 센서나 메모리를 필요로 하는 경우가 많지만, 단일 깊이 정보 카메라를 이용한 방법은 저가의 센서로도 비교적 정확한 성능을 낼 수 있다. 본 논문에서는 단일 깊이 카메라를 이용하여 획득한 이미지를 SVM(Support Vector Machine) 기반으로 별도의 calibration 없이 CPU만으로도 자세 추정을 할 수 있는 알고리즘을 제안하고자 한다. 제안된 깊이 정보를 이용한 SVM 기반의 관절 추정 알고리즘은 승마 시뮬레이터 환경에서 실험 및 검증되었다
