Journal Archive

현대의 직조산업에서는 개량된 일본, 서양 직기들이 도입되면서 최근에는 간단한 키트를 구매하여 즐기는 형태로 직조문화가 발전되고 있다. 이러한 방식으로 외래문화의 도입과 산업화가 동시에 발생하면서 전통 직기를 설치부터 제직과정까지 다룰 수 있는 사람은 점점 줄어가는 추세다. 그로 인해 전통 베틀을 구성하는 부속품인 바디를 제작하는 국가무형문화재 제88호인 바디장에게도 많은 영향을 미치고 있다[3].

한국의 전통 직물을 대표하는 모시는 고대로부터 오늘에 이르기까지 꾸준히 사용되는 소재이며 특히 모시는 깨끗하고 고아한 태를 지니고 있어 한국인의 정서와 미의식을 상징하는 옷감으로 높이 평가받고 있다. 한산에서 만든 모시는 오래전부터 홍산·서천·비인·임천·보령·남포·정산 등과 함께 ‘저산팔읍(紵産八邑)’에 속하는 지역으로 저산팔읍 중 가장 품질이 우수함으로 널리 알려져 있으며. 현재 ‘한산모시’라는 고유 명사로 불리고 있다[4]. 한산모시짜기는 2011년 유네스코 인류무형유산에 등재되어 보호받는 중이나 섬유 분야가 산업화하면서 점차 축소되고 현재는 문화재청의 국가무형문화재 제도에서 전승 취약종목으로 분류되어 특별관리가 필요한 실정이다[5]. 전체 제작과정은 그림 1과 같이 재배와 수확, 태모시 만들기, 모시째기, 모시삼기, 모시굿 만들기, 모시날기, 모시매기, 모시짜기 순으로 진행되며, 본 연구에서는 제일 마지막 단계이며 베틀로 직물을 제작하는 단계인 제직 과정을 중심으로 기록화 방식을 선정하였다.

Fig. 1. 
Process of Hansan ramie weaving[4]

최근 국내외에서 이러한 무형문화유산의 가치 보존을 위하여 ICT 기술을 접목하여 기록화를 새롭게 진행하는 방식들이 도입되고 있다. 주로 무용과 공예방식에서 진행되고 있으며 해당 데이터를 가상현실 혹은 애니메이션 등 디지털 콘텐츠와 연계하여 학습 및 체험을 진행할 수 있도록 센서를 활용한 연구들이 많이 진행되고 있다. 또한, 기록화 방식에서도 실시간 동작 인식을 중점으로 체험 및 학습에 중점을 둔 사례가 있지만, 공예 과정의 동작을 디지털 데이터로 저장하여 추후 목적에 맞춰 활용할 수 있는 리소스 데이터를 만들고자 하는 연구 방안으로 나뉜다.

먼저 실시간 동작 인식을 중점으로 한 콘텐츠의 경우 아래의 그림 2에서 이미지를 확인할 수 있으며 K. Dimitropoulos(2018)은 도예 공예 제작 시 실시간 동작 데이터 취득을 위해 두 대의 키넥트(Kinect)와 한 대의 립모션(Leap Motion)을 사용하여 두 외부시점과 내부시점에서 도예 공예 동작 취득하였다[6]. 그러나 센서가 외부시점에만 설치되어 장애물에 의한 가려짐 문제로 오류가 발생한다는 제한점을 가지고 있다. Sotiris Manitsaris (2018)는 센서를 기반으로 취득되는 손가락과 상반신의 데이터를 통해 딥러닝 알고리즘을 접목하여 동작 추적 과정 시스템을 제작하여 도예 동작을 가르치는 교수자- 학습자들의 평가를 받아 문제점을 개선하였다[7]. 이처럼 실시간 동작 인식을 중점으로 한 연구들에서는 관성 센서와 이미지 기반 센서를 중점으로 활용하는데, 이는 직접 센서를 부착하거나 슈트를 입지 않아도 되는 부분이나, 공예 과정처럼 주변에 사용하는 도구 혹은 특정한 환경이 필요할 때 장애물이 많아 신체를 가리게 되고, 그로 인해 데이터의 정확도가 급격히 떨어질 수 있다는 한계점이 있다.

Fig. 2. 
Real-time motion tracking methods[6, 7]

그다음으로 동작 데이터를 취득하는 데이터 취득 방법 중심 연구 중 먼저 Z. Gang(2017)은 중국 소수민족의 전통 직조과정을 기록하여 데이터베이스화하며, 전시ㆍ전승을 위한 콘텐츠를 제작하기 위해 키넥트와 립모션을 사용하여 동작 기록을 진행하였다[8]. 그러나 손동작을 취득하는 센서가 외부시점에만 설치되어 장애물에 의해 일부가 인식되지 않는다는 제한점을 가지고 있다. 다음으로는 Partarakis(2019)는 관성 센서와 카메라 영상을 기반으로 그리스 지역의 직조과정을 기록화하여 실시간으로 3D 객체화된 데이터를 가상현실 콘텐츠로 전송 후 직기의 구동 과정을 새롭게 시각화할 수 있는 시스템을 개발하였다[9]. 그러나 직기의 구동 과정 분야에서 공예전문가 혹은 고증전문가의 검증을 받지 않았다는 한계점을 가지고 있다. 또한 전체적인 동작기록보다 신체 일부에 집중하여 기록화를 진행한 사례도 존재한다. 주로 움직임이 많은 손을 중심으로 진행되었는데, 그림 3에서 이미지를 확인할 수 있다. Dimitrios(2016)은 도예 과정의 특성상 직접 흙과 물을 만지는 문제 때문에 접촉이 많은 손에 센서를 부착할 수 없으므로 그림 3 처럼 팔에 근육의 전기신호를 취득할 수 있는 Myo band를 사용하여 데이터를 취득하였다[10]. 그러나 근육 움직임에 따라 손의 움직임을 추정하는 과정이기 때문에 동작의 정확도가 떨어진다는 문제점이 있다. 마지막 Jung Eun-sol(2020)은 그림 3과 같이 자기 시점과 외부시점으로 립모션을 배치하여 각 시점의 센서 데이터를 취득하고 통합한 다음 바느질 누빔 과정의 동작 데이터를 취득하는 과정을 관성센서와 비교하여 기록화 방안을 제시하였다[11]. 이렇게 기록화 중심 연구에서는 추후 데이터 활용이 목적이므로 데이터 취득을 위해 다양한 기종의 센서들이 연구되어왔다.

Fig. 3. 
Methods of hand tracking[10, 11]

그러나 웨어러블, 이미지, 광학식 센서의 경우 데이터의 정확도가 부족하다는 단점이 있으며 별도의 알고리즘을 적용하지 않는 이상 데이터의 정확도가 떨어진다는 단점을 가지고 있다. 관성 센서의 경우 직접 손가락에 센서를 부착할 수 있으므로 정확도가 높은 편이지만, 일부 공예 과정에서는 특성상 직접 배치할 수 없는 문제가 발생한다. 본 연구에서는 관련 연구들에서 도출된 센서 및 기술을 분석하여 한산모시짜기 제직 과정에 적합한 기록화 방안을 제시하고자 한다.

위의 공예과정에서 센서를 활용하여 동작 인식, 기록관련 연구사례를 기반으로 표1에서 정리하였을 때, 대표적으로 사용되는 센서는 광학식 비마커기반 센서(optical-markerless), 광학식 수동 마커기반 센서(Optical-Passive Marker) 자기 센서(Magnetic), 관성 센서 (inertial measurement unit, IMU) 4가지 센서를 로 나뉘었으나, 연구사례중 가장 활발하게 사용되는 두가지 센서를 선정하여 사전 테스트를 진행하였다. 선정된 센서의 경우 전용 데이터 출력 소프트웨어를 사용할 수 있으며, 단일센서만으로 전신 동작을 출력 가능하다는 조건에서 선정하였다.

앞서 조사된 연구사례 및 모션 캡처 센서들을 기반으로 재직 과정에 적합한 동작 기록화 센서 선정 및 기록화 방안을 제시하고자 하며, 위의 표 2에서 선정된 센서를 확인할 수 있다. 먼저 인식영역이 넓은 키넥트와 애저키넥트(AzureKinect)를 배치하여 동작 데이터를 취득하거나, 활용목적에 따라 비교적 착용이 간편한 밴딩을 장착하거나 더욱 정밀한 동작 데이터의 취득이 필요할 경우 전신 슈트 형식을 사용하여 동작 데이터를 취득하고자 한다.

name	IGS-Cobra Wireless Suit	Xsens
IMU
Specification	• 12dx Micro IMU • On-Board Gyroscope, Accelerometer and • Magnetometer • Internal Update rate: • 500Hz	• Tracker : micro 17 • wired • internal update • rate:1000 Hz • On-body buffering: • 10m
name	Kinect v2	Azure Kinect
Optical-Markerless
Specification	• Depth:0.5-8.0m • RGB: 1920× 1080 • Frame Rate: 30 FPS	• Depth:0.5-3.86m • RGB: 3840 × 2160 • Frame Rate: 30 FPS

광학식 센서 중 전신의 스캔이 가능한 종류를 선별했을 때, 대표적인 전신 인식이 가능한 센서의 경우 크게 두 가지로 나뉜다. Kinect v2의 경우 기존 동작 기록 연구사례에서 많이 쓰이던 대표적인 사례이며 센서 크기가 비교적 큰 편이므로 영역 또한 넓은 편이다. Azure kinect의 경우 2019년도에 기존 키넥트를 개선하여 홀로렌즈 및 Azure cloud 서비스를 연동하여 실시간 데이터를 전송하는 것을 목적으로 제안되었으며 기존 키넥트에 비해 비교적 크기 및 영역이 작으나 RGB 영상 해상도가 높아 실시간 추적 및 정합에 유리하다.

관성 센서의 경우 Cobra IGS suite(Gloves 포함), Xsens MVN(전신) 등 2가지 방식을 중심으로 비교하였다. Cobra의 경우 글러브까지 포함되어 손가락의 움직임 등의 세밀함을 인식할 수 있다는 장점이 있으나 센서가 밴딩형식이므로 움직이는 과정에서 센서의 위치가 쉽게 움직일 수 있어 인식정확도가 그리 높지 않고, 일부 데이터가 비틀려서 출력된다는 단점이 있다. 그다음 전신 슈트 형식인 Sens의 경우 총 17개의 센서로 구성되어 전신 슈트에 부착하는 방식으로 구성되었으며 모든 연결선이 배터리로 연결되어야 하므로 다소 행동이 불편하다는 단점이 있으나 전용 소프트웨어의 자체적으로 동작 데이터를 보완하여 전송하므로 추가적인 보정이 필요하지 않다는 장점이 있다.

해당 논문에서는 모시 짜기 공정 가운데 개량 베틀에서 준비된 북을 사용해 작업자가 베틀에 앉아 활용하는 기법인 ‘제직’을 중심으로 기록화 대상을 선정하였다. 선정된 제직과정에서 사용되는 도구인 개량 베틀은 오늘날 모시짜기에서 가장 많이 활용되는 도구이며, 대부분 동일한 구조로 되어 있으며, 지역에 따라 철, 나무 등 다양한 재료로 제작되었다. 그림 4의 왼편의 베틀은 서천에서 일반적으로 많이 사용되는 나무베틀이나 오른편의 베틀은 안동에서 환경적 영향을 줄이기 위하여 철로 제작된 사례이다. 직조는 직물 형태를 만들기 위한 중심적인 과정이다. 직조과정에서 오랜 시간에 걸쳐서 지속해서 반복-순환이 되는 핵심 기법이다. 전체과정은 표 3에 나와 있듯이 먼저 말코에 날실을 고정한 후 직물의 폭과 날실의 장력을 맞춰주기 위해서 모시를 어느 정도 짠 후에 말코에 감긴 천을 풀어 정리한다. 도투마리에 감겨 있던 천과 막대를 제거하고 직물의 끝을 정리하여 말코의 홈에 넣고 막대로 고정한다. 종광 2개를 설치하고 앞 종광을 들어 올리면 뒤에 종광은 내려가며 뒤 종광이 올라가면 앞 종광이 내려가게 되는데 아래 연결된 2개의 답목을 번갈아 밟아가며 잉아틀을 번갈아들어 올리고, 날실의 매 개구 사이로 위사를 투입하여 제직하게 된다.

Fig. 4. 
Improved Loom Image[4]

weaving order	Contents
	①beating chest
	② Open front jongkwang
	③Open back jongkwang
	④ Dotumari Loose Malco wind

먼저 본 연구에서 제안하고자 하는 제직과정 전신 동작 기록화 방안은 다음과 같다. 먼저 기록화는 대상 혹은 현장에 따라 변동될 가능성이 있으나 전체적인 과정은 (1) Setting, (2)Calibration, (3) Motion Recording 세 가지로 나뉜다.

3) Motion Recording

모든 준비가 끝나고 본격적으로 기록화를 진행하는 과정이다. 배치된 센서가 흔들리거나 움직일 경우, 자체적인 데이터의 정확도가 낮아질 가능성을 고려하여 미리 준비과정에서 적절한 각도에 카메라를 배치하여 영상을 촬영한다. 동작 기록화 데이터 취득의 경우 2~3회 이상을 반복하여 데이터를 취득하는 편을 추천하며 동작에 따라 기록화 시간을 고려할 필요가 있다.

Fig. 4. 
Hansan Mosi weaving recording and processing result data