증강현실 게임에서 딥러닝을 활용한 배경객체 분석에 관한 연구

국문 초록 (Abstract)

증강현실기술을 사용하는 증강현실 게임이 늘어남에 따라 사용자들의 요구도 많아지고 있다. 증강현실 게임에서 사용되는 게임 기술에는 MARKER, MARKERLESS, GPS등을 활용한 게임이 주를 이루고 있다. 이러한 기술을 활용한 게임은 배경과 다른 오브젝트를 증강할 수가 있다. 이 문제를 해결하기 위해 증강현실의 중요한 요소인 배경에서 객체를 분석하여 증강현실 게임을 개발하는데 도움을 주고자 한다. 증강현실 게임에서 배경을 분석하기 위해 UNITY엔진에서 TensorFlow Lite를 활용하여 딥러닝 모델을 적용하여 배경 객체를 분석하였다. 이 결과를 활용하여 배경에서 분석된 객체의 종류에 맞춰 게임에 증강되는 오브젝트를 배치 할 수 있다는 결과를 얻었다. 이 연구를 활용하여 배경에 맞는 오브젝트를 증강하여 향상된 증강현실 게임을 개발 할 수 있을 것이다.

다국어 초록 (Multilingual Abstract)

As the number of augmented reality games using augmented reality technology increases, the demands of users are also increasing. Game technologies used in augmented reality games are mainly games using MARKER, MARKERLESS, GPS, etc. Games using this technology can augment the background and other objects. To solve this problem, we want to help develop augmented reality games by analyzing objects in the background, which is an important element of augmented reality. To analyze the background in the augmented reality game, the background object was analyzed by applying a deep learning model using TensorFlow Lite in the UNITY engine. Using this result, we obtained the result that augmented objects can be placed in the game according to the types of objects analyzed in the background. By utilizing this research, it will be possible to develop advanced augmented reality games by augmenting objects that fit the background.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 1.1 연구배경
• 1.2 문제제기
• 2. 관련연구
• 2.1 증강현실게임
• 2.1 SSD(Single Shot Detector)
• 2.2 Tensorflow Lite
• 3. 요구분석 및 설계
• 3.1 요구분석
• 3.2 설계
• 4. 구현 및 검증
• 4.1 Tensorflow Lite Manager
• 4.2 객체검출 및 NPC 오브젝트 생성
• 5. 결론
• REFERENCES

참고문헌 (Reference)

1 원강식, "증강현실을 이용한 복원영상의 박물관 교육분야 활용방안" 한국콘텐츠학회 10 (10): 205-212, 2010

2 한재혁, "모의 위치 서비스를 이용한 온라인 게임 악용 탐지 방안" 한국정보보호학회 27 (27): 1069-1076, 2017

3 J. Redmon, "You only look once: Unified, real-time object detection" 779-788, 2016

4 Google Inc, "Tensorflow Lite"

5 W. Liu, "SSD: Single Shot MultiBox Detector" Springer 21-37, 2016

6 박성민, "SSD 방법을 이용한 Cut transition 검출 모델" 한국정보과학회 47 (47): 655-664, 2020

7 R. Azuma, "Recent advances in augmented reality" 21 (21): 33-47, 2001

8 S. Ren, "Faster R-CNN: towards real-time object detection with region proposal networks" 39 (39): 1137-1149, 2016

9 J. E. Hwang, "A Preliminary Study on an User Created Content Framework for Mobile Augmented Reality" 921-923, 2012

10 H. Y. Jo, "A Development of Efficient RoadCrack Detection Model under Mobile Environment" Graduate School of Management of TechnologyPukyong National University 2020