블록과 모형을 활용한 사물인식 디지털 교육 체험

블록이나 모형을 카메라나 센서로 인식하면, 블록을 배치한 상태에 따라 화면 콘텐츠가 달라지도록 구성할 수 있습니다. 손으로 직접 조립하는 활동이 화면 반응과 연결된다는 점이 터치 위주 교육 콘텐츠와 다릅니다. 이 글에서는 라온스퀘어가 실제로 구축한 사례를 통해 블록 인식이 화면에 반영되는 방식을 살펴봅니다.

카메라 인식

센서로 블록의 색상·위치를 인식하는 방식과, 카메라 기반 머신러닝으로 사물의 형태를 인식하는 방식으로 나눌 수 있습니다. 블록을 특정 순서·모양으로 배치하면 정답 판정이나 결과 화면 전환으로 이어집니다.

라온스퀘어 실제 사례

인식 조건과 다른 형태로의 확장

인식 정확도를 위한 조명 조건과 블록 규격(크기·색상 대비)은 프로젝트마다 확인이 필요합니다. 디지털 칠교놀이처럼 '머신러닝 기반 사물인식'은 학습 데이터에 따라 형태를 인식하는 방식이어서, 칠교 조각이 아닌 다른 형태의 모형이라도 학습 데이터를 새로 구성하면 적용할 수 있습니다.

자주 묻는 질문

Q. 경주 칠교놀이처럼 여러 명이 동시에 참여해도 각자의 결과를 따로 구분해서 보여주는 게 가능한 건가요, 아니면 인원수에 제한이 있나요?

A. 경주 칠교놀이는 머신러닝 기반 사물인식으로 각자 놓은 칠교놀이 조각을 구분해서 인식하는 방식이라, 여러 명이 동시에 참여해도 각자의 결과를 따로 보여줄 수 있습니다. 다만 정해진 인원수 제한이 있는 구조는 아니고, 2,600×1,300mm 테이블 면적 안에서 참여자들의 조각이 서로 겹치지 않게 배치될 수 있는 공간 범위로 실질적인 동시 참여 인원이 결정됩니다.

Q. 경주 사례는 스크린이 2:1 비율(2,600×1,300mm)로 되어 있는데, 참여 인원이 늘어나면 화면을 더 키울 수도 있나요?

A. 카메라(인식 센서)마다 인식할 수 있는 화면 비율·범위가 정해져 있어서, 화면을 더 넓게 키우면 카메라를 더 먼 거리에 설치해야 합니다. 그런데 거리가 멀어지면 카메라에 잡히는 객체(칠교 조각 등)의 크기가 작아져서 오히려 인식률이 떨어질 수 있습니다. 그래서 화면을 무작정 키우기보다는, 커진 크기에 맞춰 카메라를 2대 이상으로 나눠 설치하는 방식을 검토하게 되고, 필요한 카메라 대수는 화면 크기에 따라 달라질 수 있습니다.