원 얼굴 형상을 측정하는 것이 방법이다. 12개의 패턴 영상의 경우는 256 그레이 레벨 정도의 명암도로 구성되며 패턴이나 배경과의 명암도가 일정하게 분포되지 않은 영역이 존재한다. 또한 이미지 패턴의 경계 부분 역시 명암도 차이가 크지 않은 영역, 그리고 패턴 내 잡음이 있는데 이와 같은 문제점이 있을 경우에는 임계치를 기준으로 분할하기는 검출이 어렵다는 단점이 있다. 이에 비해 줄무늬의 폭이 가늘어도 패턴 분할이 가능한 FCM 방법을 사용한다. FCM 클러스터링은 하나의 클러스터에 속한 각각의 데이터 점을 소속 정도에 따라 구분한다. 그리고 클러스터에 대한 데이터 소속 정도를 하나하나 열거한 후 데이터를 분류하는 알고리즘이다. 3차원 정보 추출을 위해 프로젝터에서 12개의 다른 패턴을 투영하면 얼굴에 반사된 후 패턴이 변형된다. 이렇게 변형된 각 패턴을 카메라고 획득해서 획득한 이미지로부터 코드화를 위해 각 이미지를 분할한 후 변형된 패턴을 추출하는 방식이다. 그러나 획득한 이미지에서 배경과 패턴과의 명암도가 일정하게 분포되지 않은 영역이 존재하고 패턴의 경계 부분 역시 명암도의 차이가 크지 않은 영역이 존재한다. 기존의 이진화 분할 방법의 경우 이미지를 분할하는 시간이 빠르고 명암도의 경계가 분명할수록 분할 효율이 높아진다. 하지만 3차원 물체의 표면이 균일하지 않거나 배경과 패턴의 경계가 뚜렷하지 않을 경우는 분할하기 어렵다는 단점이 있다. 또한 12장의 패턴 영상에서 분할이 잘못되어 오류가 누적되면 잘못된 코드화 영역이 발생하는데 이 경우 FCM 클러스터링 방법을 통해 기존 방법보다 8~20% 정도 분할 효율을 높일 수 있다.
4. 출처 및 참고문헌
마화텅 & 장샤오펑(2016.). Internet+. 강영희 & 김근정 옮김(2016.). 『인터넷 플러스 혁명』. 서울: 비즈니스북스.
로고그램으로 디자인된 바코드에 관한 연구
디자인융복합연구(구.인포디자인이슈)
https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART001692308
FCM을 이용한 3차원 영상 정보의 패턴 분할
한국해양정보통신학회논문지
https://scienceon.kisti.re.kr/srch/selectPORSrchArticle.do?cn=JAKO200626813039217&SITE=CLICK