스마트폰에서 계층 모델 기반의 사진 자동 분류 및 사진 탐색기 647 스마트폰에서 계층 모델 기반의 사진 자동 분류 및 사진 탐색기 (Automated Photo Classification and Photo Explorer based on Hierarchical Model in Smartphones) 최 재 용 원 지 섭 이 수 안 김 진 호 (Jaeyong Choi) (Jiseop Won) (Suan Lee) (Jinho Kim) 요 약 최근 스마트폰의 보급이 확산되고, 대중화됨에 따라 기존의 많은 모바일 기기들을 대체하고 있 다. 많은 사용자들은 스마트폰을 이용한 사진 촬영을 취미뿐만 아니라 일상생활의 한 부분으로 많이 이용 하고 있다. 하지만, PC에 비해 제한된 처리 능력과 디스플레이 크기를 가진 스마트폰에서 사진의 양이 증 가함에 따라 단일 분류 기준으로는 관리 및 탐색에 어려움이 있다. 본 논문에서는 스마트폰에서 날짜/시 간, GPS 정보를 추출한 뒤, 계층 모델을 생성하고, 계층 모델에 따라 사진 분류를 통해 효과적인 계층적 사진 탐색을 제공한다. 본 논문에서 제안한 시스템은 (1) 사용자 지정 가상 계층에 따른 사진 탐색, (2) 계 층 트리 노드 병합을 이용한 사진 탐색, 그리고 (3) 균형 계층 트리를 이용한 사진 탐색 기법을 이용하여 사진 탐색의 편리함과 효율성을 극대화 하였으며, 구글 안드로이드 기반의 스마트폰에서 계층적 사진 탐색 기를 설계 및 개발하였다. 키워드 : 사진 메타데이터, 사진 관리, 사진 검색, 계층 모델, 스마트폰 Abstract Recently smart phones are replacing a number of existing mobile devices while gaining wide popularity. Taking pictures with smart phones became a big part of our daily lives as well as hobbies. However, smart phones have limited processing capabilities and display size compared to a PC. Therefore, it is hard to manage and explore photos in a single category basis when the number of photos in a phone increase. This paper provides an effective hierarchical photo exploring system. As generating a hierarchical model by extracting date/time and GPS data from smartphones, this system offers us with an efficient way to explore photos. This photo exploring system features (1) using user customizable virtual hierarchy (2) using hierarchical tree nodes merge (3) maximizing efficiency and convenience by using balanced hierarchy tree. It was designed and developed using a Google Android smart phone. Key words : Photo Metadata, Photo Management, Photo Search, Hierarchy Model, Smartphone 이 연구는 한국연구재단의 일반연구자지원사업(과제번호: 2011-0011824) 의 지원을 받았음 학생회원 : 강원대학교 컴퓨터과학과 richson1@kangwon.ac.kr k890407@kangwon.ac.kr salee@kangwon.ac.kr 종신회원 : 강원대학교 컴퓨터과학과 교수 jhkim@kangwon.ac.kr (Corresponding author임) 논문접수 : 2012년 2월 27일 심사완료 : 2012년 6월 25일 CopyrightC2012 한국정보과학회ː개인 목적이나 교육 목적인 경우, 이 저작 물의 전체 또는 일부에 대한 복사본 혹은 디지털 사본의 제작을 허가합니다. 이 때, 사본은 상업적 수단으로 사용할 수 없으며 첫 페이지에 본 문구와 출처 를 반드시 명시해야 합니다. 이 외의 목적으로 복제, 배포, 출판, 전송 등 모든 유형의 사용행위를 하는 경우에 대하여는 사전에 허가를 얻고 비용을 지불해야 합니다. 정보과학회논문지: 컴퓨팅의 실제 및 레터 제18권 제9호(2012.9) 1. 서 론 최근 스마트폰의 확산과 더불어 많은 사용자들이 스 마트폰으로 쉽게 사진을 촬영하며, 인터넷과 소셜 네트 워크를 통해 수많은 사진을 업로드하고, 공유한다. 또한, 자신의 일상생활에 대해서 즐거움을 표현하는 매체로서 사진을 촬영하며, 각 개인이 만들어내는 사진의 양이 증 가하고, 기술의 발전으로 저장 장치 용량도 함께 증가하 고 있다. 그리하여 많은 사람들이 스마트폰에서 촬영한 사진을 PC로 옮겨서 보관하는 것이 아니라 스마트폰 내에서 사진을 관리하고 탐색하고 있다. 하지만 사진의 개수가 어느 정도를 넘어가면, 원하는 사진을 다시 찾기 란 어려움이 많고, 오랜 시간이 소요된다. 일반적으로
648 정보과학회논문지 : 컴퓨팅의 실제 및 레터 제 18 권 제 9 호(2012.9) 사용자들은 사진을 관리하기 위해서, 촬영된 시간이나 장소를 이용한다. 즉, 사진의 이름이나 보관된 폴더의 이름에 부가적인 정보를 추가하는 형태이다. 또한, 스마 트폰 사진 관리 및 탐색 모바일 애플리케이션들은 사진 이 저장된 폴더를 보여주는 단순한 형태가 많다. 본 논 문에서는 사용자에게 효과적으로 사진을 관리할 수 있 는 모바일 애플리케이션을 개발하였다. 본 논문에서 개발한 계층적 사진 탐색기는 사진에 포 함된 EXIF(Exchangeable Image File Format)[1] 정보 에서 날짜/시간 정보를 추출하여 날짜/시간 계층 모델을 생성하고, 모바일의 GPS 모듈에서 위도/경도 좌표 정보 를 추출한 뒤, Google API[2]를 이용하여 변환된 주소 를 이용하여 주소 계층 모델을 생성한다. 계층적 사진 탐색기는 생성된 계층 모델을 이용하여 세 가지의 계층 적 사진 탐색 방법을 제안한다. 먼저, 사용자가 원하는 계층의 순서대로 모델을 재생성하고, 실제 사진이 저장 된 디렉토리를 변경하는 것이 아니라, 가상 계층을 이용 하여 사진을 보여주는 (1) 사용자 지정 가상 계층 사진 탐색 기법, 계층의 노드가 가지는 자식 노드가 너무 많 거나, 자식 노드들 간의 사진 개수의 차이가 너무 클 경 우, 사진 수가 적은 자식 노드들을 병합하여 탐색하는 (2) 계층 트리 노드 병합 사진 탐색 기법, 그리고 모든 노드가 가지는 사진의 개수를 분석하여 균형을 고려한 계층 모델을 재생성하여 효과적으로 사진을 탐색하는 (3) 균형 계층 트리 사진 탐색 기법이 있다. 본 논문에 서는 구글 안드로이드[3] 기반의 스마트폰에서 계층적 사진 탐색기를 설계 및 개발하였고, 사진에서 각 정보를 추출하는 시간과 각 계층 모델 생성 시간, 그리고 사진 을 탐색하는 시간을 측정하였다. 실험 결과를 통해 제안 한 계층적 사진 탐색기가 효과적임을 증명하였다. 2. 관련 연구 최근 스마트폰의 대중화로 수많은 애플리케이션이 개 발되었고, 사진을 효과적으로 탐색하기 위한 연구가 수 행되었다. 먼저, 모바일 기기에서 이벤트 기반과 객체 기반의 브라우징 방법을 연구[4]하였고, 통계적 분석 기 반의 이벤트 클러스터링을 이용한 연구[5]가 있었다. 많 은 연구가 이미지의 저차원 특성인 색깔, 질감, 모양 등 을 분석하여 활용하거나 객체 분석 등 많은 연산을 필 요로 하는 연구가 많았으며, 사진 그룹화를 위해 이벤트 클러스터링을 이용하는 연구는 복잡하고, 통계를 위한 샘플링 과정이 추가적으로 필요하여 실시간으로 처리하 기 어려운 것을 알 수 있다. 기존 스마트폰의 사진 관리의 문제점을 살펴보기 위 해 가장 연관성이 높은 네 개의 안드로이드 애플리케이 션들을 분석하였다. Gallery(Naïve App): 기본적으로 내장된 앱으로서 사 진을 단순히 최근 정렬을 하며 보여주고, 내장 메모리 (또는 SD Card)에 저장된 폴더별로 그룹화하여 보여준다. QuickPic[6]: Gallery와 마찬가지로 사진을 최신순으로 정렬하여 보여주며, 내장 메모리(또는 SD Card)에 저 장된 폴더별로 그룹화하여 보여주고, 이름, 경로, 날짜 별 정렬 기능을 가지고 있다. 달력 사진첩[7]: 이미지들을 캘린더 형태로 보여주는 기 능이 있지만, 캘린더로 보여줄 이미지들을 직접 수동적 으로 선택해야 하며, 그 외에 기능들은 없다. 포토 캘린더[8]: 사진들을 날짜별로 그룹화하여 보여주 고, 월별보기, 캘린더 기능이 있다. Calendar Galley와 다르게 사진들을 갤러리에서 선택하지 않아도 자동으로 캘린더를 생성하여 보여준다. 본 논문에서는 기존에 개발된 애플리케이션이 가지는 불편함을 개선하기 위해 계층적 사진 관리 및 탐색 애 플리케이션을 개발하였다. 기존의 문제점과 불편함을 정 리하면 다음과 같다. 사진을 최신 또는 이름별 정렬 방법으로만 보여줌 실제 사진이 저장된 디렉토리 형태로만 탐색 가능 사진을 단순히 날짜별로 그룹화하여 보여줌 사진을 다시 찾기 위한 의미적인 정보가 누락됨 이벤트, 객체, 통계적 분석 기반 등의 사진 분류 방법은 복잡하고, 다소 긴 처리 시간이 필요함 3. 시스템 구성 3.1 시스템 개요 본 논문에서 개발한 계층적 사진 탐색기는 그림 1과 같이 구성되어 있다. 구성도 그림을 보면, 사진의 EXIF 로부터 날짜/시간 데이터를 추출하고, 스마트폰의 GPS 센서로부터 추출한 위도, 경도 데이터를 Google Geocoding API를 통해 주소 데이터로 변환한다. 이렇게 추 출된 날짜/시간, 주소 데이터는 메타데이터 저장된다. 메타데이터에 저장된 데이터들은 날짜/시간 계층 모델과 주소 계층 모델로 구분하여 생성하고, 효과적인 사진 탐 색을 위해 가상 계층 트리, 병합 계층 트리, 그리고 균 형 계층 트리를 생성하여 트리를 탐색한다. 3.2 메타데이터 추출 메타데이터는 EXIF와 GPS 센서로부터 추출되며, EXIF 의 경우, 촬영 시간, 조리개, 노출시간, 초점거리, 줌 정 보 등의 다양한 메타데이터가 포함되어 있다. 본 논문에 서는 촬영 시간을 날짜/시간 데이터로 이용한다. 그리고 GPS 센서의 경우, 위도와 경도 데이터를 제공하는데, 위도와 경도 데이터의 경우, 단순히 좌표값으로 나타나 활용할 수 있는 부분이 적기 때문에, 주소 데이터로 변 환한다. 주소 데이터로 변환하기 위해서, Google의
스마트폰에서 계층 모델 기반의 사진 자동 분류 및 사진 탐색기 649 자식으로 가진다. 마지막으로 레벨 3의 일 단위 분류에 따라 각각의 자식 노드들이 연결된다. 같은 부모를 갖는 자식들은 서로 형제관계이며, 각 노드들은 사진의 개수 정보를 가진다. 이러한 계층형 자료구조를 이용하여 효 과적인 사진 탐색이 가능하며, 여러 계층을 혼합하거나 병합하여 사용할 수도 있다. 4. 계층적 사진 탐색 그림 1 계층적 사진 탐색기 구성도 Geocoding API를 이용한다. Google Geocoding API의 경우, GPS의 위도와 경도 데이터를 보내면, 주소로 변 환하여 값을 반환한다. 본 논문에서는 http://maps.google. com/maps/geo?q=latitude,longtitude 주소로 위도와 경도 값을 보내고, 결과로 XML 파일을 Parsing하여 Country, AdminArea, Locality, 그리고 Feature로 구 분하여 주소 데이터로 추출한다. 3.3 계층 모델 계층 모델은 사진을 효과적으로 관리 및 탐색하기 위 한 계층형 자료구조(hierarchical data structure)이다. 본 논문에서는 계층형 자료구조로서 트리 형태의 자료 구조를 이용한다. 그림 2는 계층형 자료 구조에 대한 예 제로서 가장 상위의 루트 노드는 레벨 1의 년도 단위 분류에 따라 2010년, 2011년, 그리고 2012년으로 구분되 어 세 개의 자식 노드를 가지게 된다. 다음 레벨 2의 월 단위 분류에 따라 2010년 노드에서는 8월과 12월이라는 두 개의 자식 노드를 가지고, 2011년 노드에서는 8월 노드를 자식으로 가지며, 2012년 노드에서는 2월 노드를 그림 2 계층형 자료 구조 예제 4.1 가상 계층 트리 가상 계층 트리는 사용자가 지정한 계층에 따라 생성 한 트리이다. 가상 계층 트리에서 가상은 실제 사진이 저장된 구조와 달리 계층 모델에 따라서 가상 디렉토리 를 생성하여 사용자에게 사진을 분류하여 보여주는 기 능이다. 예를 들면, 일반적으로 사용자들은 사진을 디렉 토리로 구분하여 관리한다. 하지만, 사진의 수가 많아지 면, 디렉토리를 세분화하여 관리하기가 어렵게 된다. 그 리하여 가상 디렉토리를 이용하여 언제든지 사용자가 원하는 계층 형태로 재생성하여 탐색할 수 있게 된다. 만약 사용자가 년도, 월, 지역 순으로 정렬하고 싶다면, 그림 3과 같이 가상 계층 트리가 생성된다. 그림 3을 보 면, 사용자가 원하는 계층 분류에 따라 레벨 1은 년도로 레벨 2는 월로 레벨 3은 지역으로 구분되어 계층 트리 가 생성되었다. 그림 3 가상 계층 트리 예제 4.2 병합 계층 트리 병합 계층 트리는 계층의 자식 노드들의 개수가 너무 많거나, 자식 노드간의 사진 개수의 차이가 너무 클 경 우, 사진 수가 적은 자식 노드들을 병합한 트리이다. 일 반적으로 날짜/시간에 따라 균일하게 사진을 찍는 경우 가 적다. 다시 말해, 어느 날은 사진을 많이 찍고, 다른 날은 사진을 적게 찍을 수 있는 것이다. 병합 계층 트리 는 사진을 적게 찍은 날에 해당하는 계층의 노드들을 병합하여 효과적으로 사진을 탐색할 수 있게 된다. 그림 4는 그림 2의 계층 트리를 임계값 30으로 지정한 뒤, 병합한 계층 트리이다. 사진의 개수가 임계값보다 작은 노드들은 통합되어 탐색이 가능하다. 그림 4는 2011년과
650 정보과학회논문지 : 컴퓨팅의 실제 및 레터 제 18 권 제 9 호(2012.9) 그림 4 병합 계층 트리 예제 2012년 노드가 통합되어 자식 노드들도 통합된 것을 보 여준다. 4.3 균형 계층 트리 균형 계층 트리는 모든 노드의 사진 개수에 따라 균 형적 사진 분포를 고려하여 계층을 생성한다. 사용자가 원하는 계층에 따라 분류하는 가상 계층 트리 또는 병 합 계층 트리와 달리 사진의 개수에 따른 분포만 고려 하기 때문에 시스템이 자동적으로 계층을 생성한다. 그 림 5는 균형 계층 트리에 대한 예제이다. 그림을 보면, 시스템이 분석한 결과, 시간에 따른 사진 분포가 가장 균일하다면, 최하위 계층인 레벨 3은 시간이 되고, 시간 계층을 포함할 수 있는 지역 계층이 레벨 2가 되며, 지 역 계층을 포함할 수 있는 년도 계층이 레벨 1이 된다. 균형 계층 트리를 이용할 경우, 사용자들이 어떤 디렉토 리를 탐색해도 사진의 수가 너무 많거나 혹은 너무 적 은 경우가 없어진다. 그림 5 균형 계층 트리 예제 5. 시스템 구현 5.1 메타데이터 시스템에서는 필요한 계층 모델을 위해 날짜/시간과 GPS 데이터를 추출한다. 날짜/시간 데이터의 경우, 사 진의 EXIF정보를 관리하는 ExifInterface[9]를 이용하 여 추출하고, GPS 데이터의 경우, GPS 센서로부터 위 도와 경도 데이터를 추출한다. 위도와 경도를 계층 생성을 위한 주소 데이터로 변환하기 위해서는 Google Geocoding API를 이용한다. 이렇게 추출된 날짜/시간 데이터와 주소 데이터는 저장을 위해 안드로이드에 내장된 SQLite[10] 을 이용한다. 저장된 메타데이터는 계층 트리 생성 및 탐색에 이용된다. 5.2 계층 트리 알고리즘 계층 트리 알고리즘은 일반적인 k-ary 트리 알고리즘 [11]을 사용한다. k-ary 트리는 부모 노드가 k개의 자 식 노드를 가질 수 있는 것을 의미한다. 계층 트리 알고 리즘은 생성하는 부분과 탐색하는 부분으로 구분되며, 기본적으로 노드 클래스와 트리 클래스를 가진다. 노드 클래스는 사진의 개수 정보와 자식 노드들을 리스트 형 태로 가지고 있고, 트리 클래스는 탐색을 위한 함수를 포함하고 있다. 다음은 계층 트리를 정의하는 알고리즘 을 나타낸다. k-ary 트리 알고리즘: 노드는 일반적으로 m-1 키와 m 자식을 가짐 각 노드는 서브 트리 포인터와 키를 포함: sub-tree key... key sub-tree... (1) 왼쪽 서브 트리에 있는 모든 key는 해당 key보다 작음 (2) 두 개의 key 사이의 노드에 있는 모든 key는 두 개의 key 사이에 있음 (3) 오른쪽 서브 트리에 있는 모든 key는 해당 key보다 큼 (4) 재귀적으로 반복 위와 같은 계층 트리 알고리즘을 통해, 본 논문에서는 계층적 사진 탐색을 수행한다. 5.3 계층적 사진 탐색기 계층적 사진 탐색기는 수집된 메타데이터와 계층 트 리를 이용하여 사진을 효과적으로 관리 및 탐색할 수 있다. 그림 6은 개발된 시스템의 각 계층별 화면이다. 먼저 그림 6(a)는 기본적인 날짜 계층 트리에서 년도 레벨에 해당하는 화면이다. 그림 6(b)는 주소 계층 트리 에서 시/도에 해당하는 레벨의 화면이다. 그리고 그림 6(c)는 날짜 계층을 병합 계층 트리를 이용하여 월 레벨 에 대해 병합된 디렉토리를 보여주고 있다. 사용자는 계 층 구성을 언제든지 달리하여 가상 계층 트리를 이용해 원하는 대로 사진을 볼 수 있을 뿐만 아니라 병합 계층 트리, 균형 계층 트리를 이용해 용이한 사진 탐색이 가 능하다. 6. 실험 6.1 실험 환경 본 논문에서 제안한 계층적 사진 탐색기는 구글 안드 로이드 플랫폼 2.3 진저브레드 기반으로 개발되었으며, 실험에 사용된 기기는 삼성 갤럭시 노트[12]를 이용하였 다. 갤럭시 노트는 듀얼 코어 1.4GHz CPU와 32GB 내 장 메모리와 32G microsd를 추가 장착하였으며, 800만
스마트폰에서 계층 모델 기반의 사진 자동 분류 및 사진 탐색기 651 (a) 날짜(년도) 계층 (b) 주소(시/도) 계층 (c) 날짜(월) 병합 계층 그림 6 계층적 사진 탐색기 스크린 샷 화소 카메라를 사양으로 하고 있다. 실험은 계층적 사진 탐색에 필요한 날짜/시간, GPS, 주소 데이터를 추출 및 저장하는 시간과 사진의 개수를 200장에서 1000장까지 각 계층 트리의 생성 시간, 마지막으로 각 계층별 사진 탐색 시간을 측정하였다. 6.2 메타데이터 추출 및 저장 메타 데이터의 추출 시간과 저장 시간은 사진 1000장 에 대한 평균으로 계산하였으며 표 1과 같다. 표를 보 면, 날짜/시간과 GPS의 경우, 매우 빠른 속도로 추출된 것을 볼 수 있다. 하지만 주소의 경우, 인터넷을 접속하 기 때문에 상대적으로 속도가 느리다. 하지만 주소의 경 우, 실시간이 아닌 후처리로 처리하여 느린 속도를 해결 할 수 있다. 저장 시간을 살펴보면, 날짜/시간과 주소의 저장 속도는 20 ms 정도로 사진을 저장하는 속도보다 빠른 것을 볼 수 있다. 표 1 메타데이터 추출 및 저장 시간 구분 항목 평균 시간 (ms) 날짜/시간 0.031854 추출 시간 GPS 2.603846 주소 365.3022439 사진 35.46962281 저장 시간 날짜/시간 19.64751063 주소 19.09519905 6.3 계층 트리 생성 계층 트리 생성 시간은 12개의 계층 트리에 대해서 실험하였다. 먼저, 그림 7은 기본적인 날짜/시간 계층 그림 7 날짜/시간 계층과 주소 계층 트리 생성 시간 (Year-Month-Day-Hour)과 주소 계층(Country-Area- Locality-Feature) 모델에 대한 실험으로 각 트리 생성 시간을 측정하였다. 그림을 보면, 매우 빠른 시간에 트 리가 생성됨을 알 수 있다. 그림 8은 가상 계층에 대한 트리 생성 시간으로 (1) Country-Year-Month-Day 가상 계층 트리, (2) Year- Country-Month-AdminArea 가상 계층 트리, (3) Year- Country-AdminArea-Locality 가상 계층 트리, 총 세 개의 트리를 임의로 생성하여 실험하였다. 그림을 보면, 트리의 계층에 따라 생성 시간이 조금 다른 것을 볼 수 있다. 그 이유는 계층의 순서에 따라 트리의 크기가 달 라지기 때문이다. 그림 9는 병합 계층 트리에 대한 생성 시간이다. 병합 되는 사진의 개수, 즉 임계값을 50장, 100장, 150장으로 구분하여 실험하였다. 실험 결과를 보면, 사진 1000장에 대해서 0.5초 내외에 트리를 생성하며, 병합되는 수가
652 정보과학회논문지 : 컴퓨팅의 실제 및 레터 제 18 권 제 9 호(2012.9) 그림 11 계층별 사진 탐색 시간 그림 8 가상 계층 트리 생성 시간 탐색 시간에 대한 평균 탐색 시간을 측정하였으며, 그림 11과 같다. 그림을 보면, 날짜 계층에 해당하는 Year, Month, Day, Hour와 주소 계층에 해당하는 Country, Admin, Locality, Feature에 대해서 각각 탐색 시간을 측정하였으며, 탐색 시간이 4.5 ms 이하로 매우 빠른 속도로 탐색이 가능함을 보여준다. 병합 계층 트리나 균 형 계층 트리에 대한 노드는 더 적은 개수를 가지므로 더 빠르거나 비슷한 탐색 시간을 가질 것으로 예상된다. 7. 결론 및 향후연구 그림 9 병합 계층 트리 생성 시간 그림 10 균형 계층 트리 생성 시간 많을수록 트리 생성 시간이 조금 줄어드는 것을 알 수 있다. 그 이유는 병합이 많이 될수록 트리에 생성되는 노드의 개수가 줄어들기 때문이다. 그림 10은 균형 계층 트리의 생성 시간을 나타낸다. 균형 계층 트리의 경우, 1에서 4계층까지 달리하여 네 개의 트리를 생성하였으며, 계층이 클수록 오랜 시간이 소요된다. 모든 노드에 대한 균형을 비교하며 생성하기 때문에 실시간으로 사용하기 어려운 속도를 보여준다. 6.4 사진 탐색 사진 탐색의 경우, 사진 1000장에 대해서 1000번의 본 논문에서는 스마트폰에서 사진의 메타데이터를 이 용해 계층 트리를 생성하여 사진을 효과적으로 관리 및 탐색할 수 있는 계층적 사진 탐색기를 개발하였다. 사용 자들이 사진을 관리 및 탐색을 용이하게 하기 위해 계 층 모델을 사용하였으며, 좀 더 효과적인 방법으로 총 세 개의 계층 트리를 제안하였다. 제안한 (1) 가상 계층 트리, (2) 병합 계층 트리, (3) 균형 계층 트리는 궁극적 으로 제한된 스마트폰의 디스플레이 환경에서 사용자에 게 적합한 사진 탐색 환경을 제공하기 위함이다. 제안한 세 개의 계층 트리가 사진 관리 및 탐색에 유용하며, 균 형 계층 트리를 제외한 나머지 트리는 적절한 생성 시 간으로 실시간 응답이 가능함을 보였다. 향후에는 좀 더 다양한 분류를 이용한 실험과 제안한 세 개의 계층에 대한 장점을 병합할 예정이다. 그리고 사용자의 사용 패턴에 따른 의미적인 트리 생성에 대해 서 연구하고 있다. 또한 날짜/시간, 주소 외에 유용한 메타 데이터들을 계층화 하는 연구를 수행하고 있다. 참 고 문 헌 [ 1 ] Exchangeable image file format, http://en.wikipedia. org/wiki/exchangeable_image_file_format. [2] The Google Geocoding API, http://code.google.com/ apis/maps/documentation/geocoding/. [3] Google Android, http://www.android.com/. [4] Sangchul Kim, Jongho Nang, "An Event-based
스마트폰에서 계층 모델 기반의 사진 자동 분류 및 사진 탐색기 653 Clustering and Browsing of Personal Photo Collections on Mobile Device," Proc. of the KIISE Korea Computer Congress 2011, vol.38, no.1(a), pp.498-501, 2011. [5] Jeongsoo Yu, Jongho Nang, "Automatic Event Clustering Method for Personal Photo Collection on Mobile Phone," Journal of KIISE : Computer Practices and Letters, vol.16, no.12, pp.1269-1274, 2010. [ 6 ] QuickPic, https://market.android.com/details?id=com. alensw.picfolder. [7] Calendar Album, https://market.android.com/details?id= com.untoc.eos1987. [8] Photo Calendar, https://market.android.com/details?id =com. cultstory.photocalendar. [ 9 ] ExifInterface, http://developer.android.com/reference/ android/media/exifinterface.html. [10] SQLite, http://www.sqlite.org. [11] K-ary tree, http://en.wikipedia.org/wiki/k-ary_tree. [12] Samsung Galaxy Note, www.samsung.com/global/ microsite/galaxynote/note/. 김 진 호 1982년 경북대학교 전자공학과 졸업(학사) 1985년 KAIST 전산학과 졸업(석사). 1990 년 KAIST 전산학과 졸업(박사). 1990 년~현재 강원대학교 컴퓨터과학과 교수, 관심분야는 데이터 웨어하우스, OLAP, 데이터 마이닝, 정보 검색, 소셜 네트워크 최 재 용 2009년~현재 강원대학교 컴퓨터과학과 학사과정, 관심분야는 클라우드 컴퓨팅, 이미지 처리, 소셜 네트워크, 모바일 원 지 섭 2009년~현재 강원대학교 컴퓨터과학과 학사과정, 관심분야는 프로그래밍, 모바일 모바일 이 수 안 2008년 강원대학교 컴퓨터과학과 졸업 (학사). 2010년 강원대학교 컴퓨터과학과 졸업(석사). 2010년~현재 강원대학교 컴 퓨터과학과 박사과정. 관심분야는 데이터 웨어하우스, OLAP, 데이터 마이닝, 정보 검색, 클라우드 컴퓨팅, 소셜 네트워크,