마이크로 틸트 현상과 각속도를 SBM 머신러닝을 통해 분석함으로써 수평한 방향에서의 회전 오류 현상 해결할 구체적 방안 마련

 산업및시스템공학과 이의진 교수 연구팀이 스마트폰 카메라를 이용할 때 의도하지 않은 회전 오류 현상을 분석하는 데 성공했다. 이번 연구는 이번 달 <인터내셔널 저널 오브 휴먼 컴퓨터 스터디(International Journal of Human-Computer Studies)>에 게재되었다.

회전 오류, 수평으로 찍을 때 발생해
스마트폰 카메라로 인물, 문서, 배경 등을 촬영하면 사진은 가로가 긴 직사각형 혹은 세로가 긴 직사각형, 둘 중 하나로 저장된다. 이는 핸드폰이 3차원 중력가속도의 방향에 따라 촬영 당시 핸드폰이 누워있는지 아니면 똑바로 서있는지 정확하게 감지하기 때문이다. 하지만 바닥에 수평으로 핸드폰을 들어서 사진을 찍게 되면, 핸드폰 전체에 중력이 가해지는 방향이 일정해져 핸드폰의 방향을 감지하기 힘들어진다. 일부 연구는 문서에 한해서, 어떤 언어인지 분석한 후 방향을 찾아내는 알고리즘을 개발하기도 했다. 하지만 이는 어디까지나 문서에 한정되어있으며, 이미지를 전부 읽어야 한다는 한계가 있었다.

쉽게 간과해온 회전 오류의 중요성

연구팀은 본격적인 연구에 앞서서 이 연구의 필요성을 확인했다. 약 100명의 일반인을 대상으로 3개월동안 찍은 사진들 중 인물, 풍경이 아닌 사진들을 분석했더니 글자가 없는 사진의 비율이 컸다. 즉, 문서에만 한정된 알고리즘으로는 실생활의 불편함을 해소하기에 역부족이었다. 대부분은 핸드폰을 바닥과 나란하게 들었을 때 화면이 돌아가는 현상을 인지하지 못하고 있었다. 의식적으로 방향을 맞추지 않고 사진을 찍기 때문에 나중에 사진을 확인했을 때 불편함을 느끼는 경우가 많았다.

마이크로 틸트 현상과 각속도 이용해
연구팀은 크게 두 가지 측정값에 머신러닝* 기법을 적용해 회전 오류 현상을 해결할 새 알고리즘을 제시했다. 우선 연구팀은 핸드폰을 수평으로 들어 올릴 때, 몸 쪽으로 핸드폰을 기울이는 마이크로 틸트(micro-tilt) 현상을 이용했다. 단, 사람이 핸드폰을 몸 쪽으로 기울이는 다른 일반적인 경우들을 배제하기 위해 중력가속도를 통해 측정한 x축과 y축에 해당하는 핸드폰의 기울기, 그에 따른 가속도, 관련 값들의 표준편차 등 다양한 값들에 머신러닝 기법을 적용해 분석했다. 기울기뿐만 아니라 회전 각속도도 중요한 측정값으로 사용되었다. 연구팀은 사진을 찍기 위해 카메라 앱을 켠 후, 빠른 속도로 핸드폰을 기울이는 사람들의 습관을 이용했다. 마이크로 틸트 현상으로 걸러낸 샘플들 중 핸드폰이 기울어지는 각속도가 빨라지는 상황에 주목했다. 머신러닝에 다양한 샘플 값을 넣어 각속도가 빨라지는 상황들 중 사진을 찍기 위해 핸드폰을 돌리는 상황만 걸러냈다.

방향 인식에 가장 적합한 SBM 모델
연구팀은 다양한 머신러닝 알고리즘에 관련된 값들을 넣어본 결과, SBM(Similarity Based Modeling)**이 가장 적합했다. 기울기와 각속도 값에 대한 적당한 역치 값만 설정해주면 머신러닝 알고리즘은 핸드폰을 몸 쪽으로 기울이는 다른 일반적 상황들을 배제하고 오직 사진을 찍기 위해 핸드폰을 수평으로 들 때의 상황만 선별해낸다. SBM 모델에 해당 값들을 넣었을 때, 90%가 넘는 정확도가 확인됐다.
이번 연구는 관련 연구 성과로 특허 등록까지 마친 상태이다. 연구팀은 실제로 우리가 사용하는 핸드폰에 이번 기술을 사용할 수 있도록 상용화에 힘쓰고 있다. 제1 저자인오정민 박사는 “알고리즘을 만드는 과정에서 파생된 HCI와 관련된 결과들이 많다”라며 “회전 오류 현상을 한 단계 더 분석할 수 있게 되었다”라고 이번 연구의 의의를 밝혔다.

머신러닝*
인공지능의 주 연구 분야 중 하나로, 컴퓨터에게 학습 능력을 실현하는 기술.

SBM**
유사한 값들을 중심으로 분석하는 가장 일반적인 머신러닝 알고리즘.

저작권자 © 카이스트신문 무단전재 및 재배포 금지