컴퓨터 비전(computer vision) 또는 영상처리 분야에서 있어서 가장 유명한 국제대회 3가지를 소개합니다. 자신이 개발한 알고리즘을 가지고 여러 국제대회에 도전해 보는 것도 좋은 경험이 되리라 생각합니다.

1. 파스칼 VOC 챌린지 (PASCAL Visual Object Classes Challenge)

URL: http://pascallin.ecs.soton.ac.uk/challenges/VOC/

파스칼 VOC 챌린지는 컴퓨터 비전 분야의 기술 중 물체 클래스 인식(object class recognition) 기술을 겨루는 국제대회로 2005년부터 2012년까지 총 8회에 걸쳐서 매년 진행되었습니다. 좀더 정확하게는 입력 영상에서 특정 종류의 물체를 검출해 내는 성능을 겨룬 대회인데, 다음의 총 20가지 물체 각각에 대해서 우승자를 가립니다(테스트 데이타 셋 및 ground truth 다운로드 가능). 참고로 PASCAL은 Pattern Analysis, Statistical Modeling and Computational Learning의 약자입니다.

• 사람: 사람
• 동물: 새, 고양이, 소, 개, 말, 양
• 탈것: 비행기, 자전거, 보트, 버스, 승용차, 오토바이, 기차
• 사물: 병, 의자, 식탁, 화초, 소파, 모니터

샘플 그림에서 보는 바와 같이 문제 난이도가 매우 높기 때문에 우승자라 하더라고 검출 성공률이 10 ~ 20% 내외밖에 안됩니다. 파스칼 VOC 챌린지는 컴퓨터 비전 분야에서 영상 물체 인식 (object detection) 기술로서 새로운 획을 그을만한 대표적인 방법들은 모두 이 대회 출신일 정도로 유명한 대회입니다. 파스칼 VOC 챌린지는 Mark Everingham란 사람에 의해 주도되어 왔는데, 그의 사망에 따라 2012년 대회를 마지막으로 챌린지를 종료하게 되었습니다 (2012년 대회에서는 그를 추모하기 위한 추모식도 같이 열렸습니다). 하지만 평가 서버는 계속 열어 둔다고 하니 자신이 개발한 알고리즘의 성능을 기존 우승자들과 비교해 보는 것은 여전히 가능합니다.

2. ACM 멀티미디어 그랜드 챌린지 (ACM Multimedia Grand Challenge)

URL: http://acmmm13.org/submissions/call-for-multimedia-grand-challenge-solutions/

ACM 멀티미디어 그랜드 챌린지는 ACM 멀티미디어 국제 컨퍼런스(학회)의 일부로서 컨퍼런스와 함께 열리는 국제 대회로 2009년부터 시작하여 올해로 5번째를 맞이하고 있습니다. MM 그랜드 챌린지에는 구글, 야후, 마이크로소프트사와 같은 세계 유수의 기업들이 참가하여 향후 3~5년 이내 이슈가 될 만한 기술이나 업계에서 필요로 하는 도전적인 기술들을 주제로 참가자들을 모집합니다. 선정된 방법론에 대해서는 MM 컨퍼런스 기간 동안에 시상 및 발표가 이루어집니다.

MM 챌린지에 나오는 문제들은 주로 이미지나 비디오와 같은 멀티미디어 데이터를 분석하고 분류 및 검색하는 문제들인데, MM 챌린지에 참가하지 않더라도 MM 챌린지에 나오는 문제들을 한번 쯤 살펴보는 것은 관련 분야 종사자들에게는 매우 유익하리라 생각됩니다. 왜냐하면 MM 챌린지에 나오는 문제들은 요즘 업계에서 정말 필요로 하는, 그리고 향후 이 부분에 대해서 연구개발 투자가 이루어지려고 하는 핵심 문제들이기 때문입니다.

3. PETS (Performance Evaluation of Tracking and Surveillance)

URL: http://pets2013.net/

PETS는 매년 개최되는 영상 보안 모니터링 분야의 대표적인 국제 워크샵입니다. PETS에서는 총 3가지 종류의 데이터 셋(1. people counting / density estimation, 2. people tracking, 3. flow detection / event detection)을 제공하고 이 데이터 셋에 대해 개발한 알고리즘을 평가하여 결과를 발표하는 것입니다.

엄밀히 말하면 대회는 아니지만 동일한 데이터 셋에 대해 결과를 내고 기존의 다른 방법들과 성능을 비교해 볼 수 있습니다. 만일 보행자 영상추적이나 보행자 카운팅 등의 연구를 수행하고 있다면 PETS 데이터 셋을 이용하여 자신의 알고리즘을 평가해 보고 나아가서 PETS에 직접 참가하는 것도 좋을 것입니다.

by 다크 프로그래머

영상 보행자 검출 (pedestrian/people detection) 기술에 대한 전반적인 소개 및 정보공유를 위해 이 글을 씁니다.

1. 영상 보행자 인식 기술 소개

2. 학계 기술 동향

3. 보행자 검출 성능 지표

4. 관련 법규 동향(자동차 보행자 안전 시스템)

5. 관련 제품 동향

6. 보행자 검출 소프트웨어

7. 공개된 보행자 검출 데이터 셋

1. 영상 보행자 인식 기술 소개

영상 보행자 인식 기술은 영상에서 보행자, 즉 서 있는 사람을 찾는 기술입니다. 현재까지의 연구는 대부분 서 있는 사람을 검출하는데 초점이 맞추어져 있으며 앉아있는 사람이나 누워있는 사람까지는 찾지 못합니다(기술적으로 안된다는 것이 아니라 연구를 하지 않는다는 것이 맞겠습니다. 재난 등 상황에서 인명구조 용도로는 누워있는 사람을 찾는 것도 유용할텐데 말이죠). 어쨌든 영상에서 보행자만 잘 찾을 수 있으면 정말 많은 곳에 유용하게 활용될 수 있을 것입니다. 매장을 드나드는 사람의 수를 셀 때, 운전중 전방의 위험을 알릴 때, 중장비와 인부들이 같이 일을 하는 작업장에서 인부들의 안전을 지킬 때, 사진사 로봇이 자동으로 최적의 구도를 잡을 때 등 통상적인 보안, 모니터링 외에도 그 응용은 무궁무진할 것입니다.

본 글에서는 보행자 인식 기술에 대한 학계의 주요 기술 동향, 보행자 검출 성능을 평가하는 주요 성능 지표, 보행자 인식과 관련된 관련 법규 동향(자동차 안전 관련), 관련 제품 동향, 보행자 검출 소프트웨어, 공개된 보행자 테스트 데이터 셋, 관련 인터넷 링크 등을 소개합니다.

2. 학계 기술 동향

영상 보행자 검출 분야에서 있어서 중요한 의미를 갖는 대표적인 논문들을 연도순으로 정리해 보았습니다.

[Viola2001] P. Viola and M. J. Jones, "Rapid Object Detection using a Boosted Cascade of Simple Features," In Proc. of CVPR 2001.

=> 영상 Object Detection 분야에 있어서 고전적이면서도 가장 대표적인 방법론 중의 하나로 인정받고 있는 논문입니다. 이 방법은 보통 Haar Feature-based Cascade Classifier라고 불리는데, 웨이블릿의 일종인 Haar feature와 유사한 매우 단순한 feature들을 조합하여 물체를 찾아냅니다.  캐스캐이드(cascade)란 용어는 하나의 검출기로 물체를 찾는 것이 아니라 여러 개의 검출기를 순차적으로 사용하되 처음에는 간단한 검출기를 적용하고 점점 더 어려운 검출기를 적용하는 방법입니다. 시간이 많이 걸리는 강력한 검출기는 초기 단순 검출기를 통과한 후보에만 적용되기 때문에 전체적으로 검출 속도를 크게 향상시킬 수 있습니다. 부스팅(boosting)이란 용어는 수많은 Haar-like feature들 중에서 물체를 식별하는데 유용한 feature들을 학습을 통해 점진적으로 그리고 자동으로 찾아낼 수 있는 매카니즘을 지칭합니다. 또한 이 논문에는 integral image라고 불리는 영상처리에 있어서 연산속도를 획기적으로 높일 수 있는 매우 유용한 방법이 제시되어 있습니다.

=> 이 방법은 매우 빠르게 영상에서 물체를 찾을 수 있다는 장점이 있습니다. 하지만 검출 성능을 높이기 위해서는 엄청나게 많은 샘플 데이터와 오랜 학습과정을 필요로 합니다. 즉, 어떤 데이터를 사용하고 어떻게 학습을 시키느냐에 따라서 성능에 많은 차이가 납니다. 한 마디로 노가다의 결정판이라고 볼 수 있지만 잘만 학습을 시키면 훌륭한 성능을 낼 수 있습니다. OpenCV에는 이 방법으로 학습된 다양한 물체 검출기들이 포함되어 있으며 여기에는 보행자 검출기(Haarcascade_fullbody.xml)도 포함되어 있습니다. 하지만 제가 써본 바로는 그다지 성능이 좋지는 않았습니다.

[Dalal2005] N. Dalal and B. Triggs, "Histograms of oriented gradients for human detection," In Proc. of CVPR 2005.

=> 현재의 영상 보행자 검출 기술에 있어 가장 기본적인 방법론이 된 HOG(Histogram of Oriented Gradient)기반 영상 보행자 검출기가 발표된 논문입니다. 현재 OpenCV에 포함되어 있는 보행자 검출기는 이 논문의 내용이 구현된 것입니다. HOG 방법은 어떤 물체 영상이 갖는 지역적인 gradient(edge 방향) 분포(histogram) 특성을 추출하여 물체를 식별하는 방법인데, 보행자 뿐만 아니라 승용차, 트럭 등 다양한 물체 검출에 적용할 수 있는 일반적인 방법론입니다. 논문 저자의 HOG 검출기는 2006년도 파스칼 VOC 물체 검출 챌린지(PASCAL VOC object detection challenge)에서 person detection 분야 우승을 차지했습니다. 단점은 속도가 느리다는 점입니다(병렬처리로 CPU를 풀로 사용했을 때, i7 PC에서 VGA기준 약 7 Hz).

[Zhu2006] Q. Zhu, M.-C. Yeh, K.-T. Cheng, and S. Avidan. "Fast human detection using a cascade of histograms of oriented gradients," In Proc. of CVPR 2006.

=> Cascade HOG라 불리는 방법으로서, 2005년 발표된 Dalal & Triggs의 HOG 검출기에 캐스캐이드(cascade) 기법을 적용하여 속도를 개선한 논문입니다. 기존 HOG 검출기가 물체 영역을 고정된 크기(16 x 16픽셀)로 분할한 후 각 분할 영역마다 지역적으로 HOG를 계산하여 객체 모델을 만들었다면, cascade HOG는 다양한 크기와 위치의 수많은 블록들로부터 HOG를 계산하고 유의미한 블록들을 부스팅(boosting) 학습 과정을 통해 선별합니다. OpenCV에 보면 이 방법과 유사한 방법으로 학습된 보행자 검출기가 hogcascade_pedestrians.xml라는 이름으로 제공됩니다.

[Dollar2009] P. Dollár, Z. Tu, P. Perona, and S. Belongie, "Integral channel features," In BMVC, 2009.

=> ChnFtrs 방법으로 불리며 HOG[2005]보다 성능이 뛰어나다고 알려져 있습니다. 기존 방법이 단일 채널의 영상특징을 이용하여 물체를 검출한 반면(예: HOG[2005]는 histogram of oriented gradient라는 채널을 이용한 것으로 볼 수 있음) ChnFtrs 방법은 검출 대상 영역에 대해 다양한 채널을 계산하고(예: R, G, B 색상값, 그레이값, edge 값, gradient magnitude 값, gradient histogram 값 등) 이 채널들을 종합적으로 이용해서 물체를 검출합니다. 실제 구현 방법에 있어서는, 다양한 채널에서 계산된 영상 특징, 즉 다양한 측면에서 계산한 영상특징들을 Viola & Jones[2001]의 boosted cascade 기법을 적용하여 학습시킴으로써 영상 검출기를 구현합니다.

[Felzenszwalb2010] P. F. Felzenszwalb, R. B. Girshick, D. McAllester, and D. Ramanan, "Object Detection with Discriminatively Trained Part Based Models," IEEE Trans. on PAMI, 32(9):1627-1645, 2010.

=> 이 방법은 part-based 모델 방법으로 불리며 현재까지 나와있는 영상 검출 방법들 중 가장 뛰어난 성능을 보이는 방법으로 인정받고 있습니다. 기존의 HOG 검출기(cvpr 2005)는 단일 물체 모델을 사용하기 때문에 보행자의 전신이 모두 나와야만 검출할 수 있고 앉거나 누워있는 사람은 검출할 수 없는 문제가 있습니다. 하지만, part-based 모델 방법은 (HOG feature를 사용한다는 점은 같지만) 물체의 전체적인 모습 뿐만 아니라 물체를 구성하는 부분(part)들도 같이 검출하기 때문에 물체의 일부만 보여도 검출할 수 있으며 또한 물체의 형태가 변하는 경우에는 적용할 수 있는 장점을 가집니다. 예를 들어, 보행자의 경우 전신, 상반신, 하반신, 머리, 팔, 다리를 각각 따로 검출하고(검출기가 여러 개임) 그 결과를 종합하여 최종적으로 보행자 여부를 판단하는 것입니다. 또한 파트(part)들을 검출할 때에는 물체내 정상적인 위치에서 벗어난 정도에 따라 패널티(penalty)를 받게 됩니다. 저자들의 파트 모델 방법은 2007, 2008, 2009 파스칼 VOC 물체 검출 챌린지(PASCAL VOC object detection challenge)에서 보행자 뿐만 아니라 다양한 분야에서 우승을 차지했습니다.

[Dollar2012] P. Dollar, C. Wojek, B. Schiele, and P. Perona, "Pedestrian detection: An evaluation of the state of the art," IEEE Trans. on PAMI, 2012.

=> 영상 보행자 검출 분야에서 있어서 대표적인 방법들의 성능을 정량적으로 비교 분석한 논문입니다.

[Benenson2012] R. Benenson, M. Mathias, R. Timofte, and L. V. Gool, "Pedestrian detection at 100 frames per second," In Proc. of CVPR 2012.

=> 2012년 cvpr에 구두(oral)로 발표된 논문인데 스테레오 비전과 GPU를 사용해서 VGA 해상도 기준으로 135 Hz의 속도로 보행자를 검출할 수 있다고 합니다(모노 비전 + GPU의 경우에는 50 Hz). 영상 feature로는 ChnFtrs라는 Integral Channel Feature를 사용합니다. 기존 방법에 비해서 검출 성능이 크게 개선된 것은 아니지만 검출성능의 저하없이 처리속도를 크게 높였다는 점에서 의미가 있는 논문입니다. 처리속도 개선을 위해 GPU를 사용한 것 외에 스테레오 카메라의 거리정보로부터 계산된 stixel(카메라와 지면과의 기하학적 관계를 이용하여 탐색 영역을 축소한 것)을 이용한 점, 다양한 크기의 보행자를 검출할 때 영상의 크기를 변화시키지 않고도 여러 크기의 보행자 모델과 HOG feature의 스케일링을 결합하여 빠른 처리를 가능케 한 점을 들 수 있습니다.

3. 보행자 검출 성능 지표

보행자 검출 알고리즘의 성능을 평가할 때 사용하는 용어 및 성능지표들을 정리해 보았습니다. 보행자 뿐만 아니라 영상 object detection 분야에서도 공통적으로 사용되는 지표들입니다.

• 검출율(recall rate): detection rate라고도 합니다. 입력(테스트) 데이터에 있는 전체 보행자들 중에서 성공적으로 검출된 보행자 비율을 지칭합니다.
• 미검출율(missing rate): 검출율과는 상반되는 개념으로 입력 데이터에 있는 전체 보행자들 중 검출되지 못한 보행자의 비율을 지칭합니다(missing rate = 1 - recall rate).
• 정확도(precision): 검출기가 검출한 결과들 중 정검출(true positive)의 비율을 말합니다. 아무리 검출율이 높아도 오검출이 많다면 쓸모가 없기 때문에 검출기의 성능을 말할 때는 보통 precision과 recall을 함께 얘기합니다. 예를 들어, 영상의 모든 영역을 검출 결과로 반환하면 검출율은 항상 100%이지만 아무런 쓸모가 없는 검출기가 될 것입니다.
• 오검출율(false alarm rate): 정확도에 상반되는 개념으로서 검출 결과 중 오검출(false positive 또는 false alarm)의 비율을 의미합니다(false alarm rate = 1 - precision).
• FPPW(false positives per window): FPPW는 오검출율을 표현하는 다른 한 방법으로서 입력 window 1개당 평균 오검출 개수를 나타냅니다. 예를 들어, 10,000개의 window를 검출기로 검사했는데 오검출(false positive)이 5개 있었다면 FPPW는 5/10,000 입니다. False alarm rate가 검출기의 정확도를 표현하는 지표라면 FPPW는 실제로 오검출이 얼마나 많이 발생하는지를 나타내는 지표입니다. 참고로, 영상에서 물체를 찾을 때 통상적으로 일정한 크기의 사각형 window를 영상 내에서 이동시켜 가면서 각 window 위치에 물체가 존재하는지 여부를 판단하는 방식으로 물체 검출이 이루어집니다(이러한 방식을 sliding window 방식이라 부릅니다).
• FPPI(false positives per image): 이미지 1장 당 평균 오검출 개수로서 오검출 개수를 정량적으로 표현하는 다른 한 방법입니다. FPPW보다는 훨씬 직관적입니다만 검출기의 성능을 비교할 때에는 FPPW가 보다 엄밀한 지표입니다. 왜냐하면 FPPI는 sliding window 기법에서 window를 몇 픽셀 간격으로 이동시키느냐에 따라서 수치가 달라지기 때문입니다.

☞ 최근 아래의 한 댓글(cv초심자, 2015.4.1)을 통해 기존에는 FPPW가 많이 사용되었으나 최근에는 FPPI가 보다 일반적인 성능지표로 인정받고 있음을 알게 되었습니다. 관련하여 그 이유를 조사해 보았는데, 가장 큰 이유는 FPPW는 분류기(classifier)의 성능을 평가하는 것이고 FPPI는 검출기(detector)의 성능을 평가하는 기준이기 때문입니다. 응용 시스템 관점에서 보았을 때 중요한 것은 각 윈도우(window)의 분류 정확도가 아니라 최종적으로 시스템에서 반환하는 검출 결과이기 때문입니다. 따라서 검출기(detector)의 성능을 평가할 때에는 FPPI가 보다 정확한 성능지표로 사용되는 것 같습니다. 보다 자세한 내용에 대해서는 [Dallar2012] 논문을 참조하시기 바랍니다.

위의 성능 지표들을 계산하기 위해서는 어떤 검출 결과가 성공(true positive)인지 실패(false positive)인지를 판단할 수 있는 기준이 있어야 합니다. 이러한 검출성공 여부 기준으로 흔히 사용되는 방법은 파스칼 VOC 챌린지(PASCAL VOC challenge)에서 사용되는 object detection criterion입니다. 이는 검출결과와 ground truth와의 overlap이 50%이상이면 true positive로 간주하고 그 이하면 오검출로 간주하는 방법입니다. 즉, (R∩G)/(R∪G)>0.5 이면 성공으로 간주합니다(단, R은 검출결과 경계 사각형 & G는 ground truth 경계 사각형).

4. 관련 법규 동향(자동차 보행자 안전 시스템)

그동안 영상 보행자 인식 기술은 주로 감시(surveillance), 보안(security) 목적으로 연구되어 왔으나 최근 들어서는 자동차 업계를 중심으로 안전(safety) 이슈가 대두되면서 보행자 인식 기술에 대한 관심이 크게 증가되고 있습니다. 특히 최근 유럽, 미국을 중심으로 자동차 보행자 안전 시스템의 탑재 의무화가 법으로 추진되고 있어서 요즘 자동차 업계에서는 보행자 인식 기술이 초미의 관심사입니다. 관련 동향은 다음과 같습니다.

• 대형차(대형트럭,버스)에 대해 유럽은 2013년부터, 일본은 2014년부터 AEBS(Advanced Emergency Break System: 첨단 긴급 브레이크 시스템) 장착을 법으로 의무화함. 2014~2016년 사이에 다른 많은 나라들도 입법 예고되고 있음.
• 승용차에 대해서는 아직 AEBS 도입이 법규화되어 있지 않지만 자동차 회사 자체적으로 자동 브레이크 시스템 채용이 이루어지고 있음.
• 세계에서 가장 엄격한 신차 안전도 평가인 Euro NCAP(New Car Assessment Programme)에서는 2014년부터 자동 브레이크 시스템의 유무를 자동차 평가 항목에 추가한다고 발표(2012.6.13일 발표). 따라서, 2014년 이후 자동차들은 AEBS를 표준장비로 할 가능성이 매우 높음.
• 미국에서는 2014년까지 모든 차량의 후방카메라 장착을 의무화.

AEBS에 사용될 수 있는 센서로는 radar, 카메라, 레이져 센서, 초음파 센서 등이 있는데 가장 유망한 센서로는 radar + (스테레오)카메라 조합이 될 것으로 예상되고 있습니다. 그 만큼 영상인식 기술의 중요성이 대두되고 있는 것입니다. 현대자동차의 모 상무의 말에 의하면 영상 검출률이 한 95%만 되어도 바로 써먹을 수 있을 텐데라고 말했다 합니다. 물론 오검출율은 거의 0%에 가까워야 합니다.

5. 관련 제품 동향

• Mobileye는 상용화된 대표적인 영상 보행자 감지 시스템입니다. 자동차 백미러에 설치된 카메라 영상을 분석하여 차선, 전방 차량, 보행자 등을 감지하고 운전자에게 경보를 줍니다.
• 볼보의 시티 세이프티 시스템은 30km/h 이하에서 전방 장애물을 감지해서 자동으로 브레이크를 잡아주는 기능을 제공합니다. 특히 어린이가 갑자기 튀어나올 수 있는 골목길이나, 차가 많이 밀리는 상황에서 도움이 되는 기능입니다. 최근에는 시속 50km/h 이하에서도 장애물 감지가 가능하도록 기능이 개선되었습니다.

6. 보행자 검출 소프트웨어

공개된 검출기로는 공개 비전 라이브러리인 OpenCV에 포함된 보행자 검출기(총 4가지의 보행자 검출기가 포함되어 있음)가 대표적입니다. 각각의 검출기의 사용법은 아래 예제 코드를 참조하시기 바랍니다.

• HOG(INRIA): [Dalal2005] 논문의 HOG 검출기를 구현한 것으로 INRIA Person Database를 사용하여 학습되었습니다. 학습에 사용된 보행자 템플릿의 크기가 64(w)x128(h)이며 템플릿보다 작은 크기의 보행자는 검출하지 못합니다. 물론 영상을 확대한 후에 검출기를 적용하면 작은 크기의 보행자도 찾을 수는 있지만 속도가 느려집니다. 파라미터 값으로는 hitThreshold=0~0.4, groupThreshold=2 정도가 적당합니다.
• HOG(Daimler): HOG를 사용하되 Daimler Pedestrian Dataset를 사용하여 학습시킨 보행자 검출기입니다. 보행자 템플릿의 크기가 48(w)x96(h)이기 때문에 보다 작은 크기의 보행자도 검출할 수 있습니다. 파라미터 값은 hitThreshold=1.2~1.8, groupThreshold=4~6 정도가 적당합니다. 성능은 HOG(INRIA)와 큰 차이는 없습니다.
• hogcascades: HOG feature에 cascade 기법을 적용하여 학습시킨 검출기입니다. 보행자 템플릿의 크기는 48(w)x96(h)입니다.
• haarcascades: [Viola2001] 논문의 방법을 이용하여 구현한 보행자 검출기입니다. 보행자 템플릿의 크기는 14(w)x28(h)입니다. 속도가 빠릅니다.

OpenCV에 포함된 4가지의 보행자 검출기를 쉽게 테스트해볼 수 있도록 다음과 같은 테스트 코드를 작성해 보았습니다 (opencv_ffmpeg244.dll을 프로그램과 같은 실행폴더에 놓고 실행하세요).

코드 및 실행파일 다운로드: PedestrianOpenCV.zip, opencv_ffmpeg244.dll 

7. 공개된 보행자 검출 데이터 셋

MIT Pedestrian Database

INRIA Person Dataset

ETH Pedestrian Dataset

TUD-Brussels Pedestrian Dataset

Daimler Pedestrian Dataset

Caltech Pedestrian Dataset (최근 공개되었으며 가장 정리가 잘됨)

☞ 제 글이 보행자 인식/검출 분야에 대해 공부를 하는 학생이나 관련 업계 연구 개발자들에게 도움이 되길 바랍니다. 아직 미진한 부분도 있으나 본업이 바쁜 관계로 추후 시간이 되는 대로 내용을 보완할 예정입니다. 관련된 정보나 코멘트, 요청사항, 질문답변 등이 있으면 편하게 댓글로 남겨주시기 바랍니다.

by 다크 프로그래머

모터싸이클 다이어리(2016.2.1)

최근 모터싸이클 다이어리란 영화를 봤다. 깊은 울림이 있는 좋은 영화이다. 욕심을 버려야지. 아무것도 아닌 것에 얽매이려 하는 나 자신을 돌아보게 한다.

늦은밤(2014.4.30)

그것이 알고싶다.. 솔직히 내키지는 않았지만 의무감 반으로 찾아서 아내와 함께 봤다. 아내는 또 눈물을 흘린다. 시간이 지나면 그렇게 또 잊혀져 갈 것이고 이러한 일이 또 반복될 것만 같다고 한다. 왠지 아이들을 학교에 보내는 생각만으로도 막연한 두려움이 생긴다고 한다. 애들에게 말 잘 들어야지 하면서도 이렇게 말하는게 정말 맞는 것인지조차 혼란스럽다고 한다. 지난 몇년간 사회적 가치와 시스템이 얼마나 쉽게 무너질 수 있는지를 경험하면서 조금씩 나아지리라는 희망도 갖기 쉽지 않다.

세월호(2014.4.29)

세월호.. 뉴스에서 검찰이 세월호 회장 비리 및 세금 탈루 수사한다고 나온다. 그리고 세월호 관련하여 모금을 한다는 얘기도 들린다. 또한 연일 방송에서 나오는 선장, 선원 구속 얘기를 들으며 과연 구속할 사람들이 저들뿐인가 하는 생각이 든다. 감정이 메마른 나도 눈앞에 바로 자식이 있다는걸 알면서도, 눈으로 직접 보면서도 어찌할 수 없는 바라만 봐야 하는 무기력함, 그 심정을 아느냐는 한 어머니의 인터뷰에는 절로 눈물이 나온다. 최소한 문제의 본질을 덮고 왜곡하는 일은 없어야겠다. 언제까지 이러한 일들이 반복될지..

논문(2014.1.14)

작년에 나름 이름은 있지만 아주 어렵지는 않은 학회에 논문을 하나 냈는데 떨어졌다. 약간 승질도 나고 해서 에라 모르겠다는 심정으로 그 분야에서 가장 이름이 있는 학회에 그 논문을 그대로 또 냈다. 그런데 그 논문이 accept됐단다. 좋긴 한데 당황스럽다..

맛가루(2013.8.8)

한달전쯤 경찰이 몸에 해로운 재료를 사용한 맛가루 업체를 적발했다고 발표했다. 하지만 아직까지 그 업체가 어디인지는 밝히지 않고 있다. 이를 두고 몇몇 인상적인 의견들이 있어서 적어본다. '옛날 만두 파동때 영세업자들은 모두 도산하고 일부 대기업들만 살아남았다', '열명의 범인은 놓치더라도 한명의 억울한 사람을 만들어서는 안된다', '만일 근거가 불충분하여 밝히지 못하는 것이라면 충분한 검증과 검토를 거친 후에야 발표를 했어야 했다'..

자동차보험(2013.8.3)

벌써 자동차 보험을 갱신하라는 전화가 온다. 돈 내라고 하는건 왜 이리 시간이 빨리 가는지... 그래서 견적서를 보내달라고 하면 어김없이 자손(자기신체사고)을 최소로 잡아서 보내온다. 난 그러면 항상 투덜투덜하면서 자손을 빼고 자상(자동차상해)을 최대로 해서 다시 견적을 달라고 한다. 자상으로 최대로 잡아봤자 2~3만원 차이밖에 안난다. 하지만 막상 사고가 났을 때, 그 차이는 비교가 안된다.  자동차 보험은 당연히 자상으로 해야 하는데도 아직도 많은 사람들이 그냥 보험사가 권하는 대로.. 자손으로 하고 있다.

국민연금(2013.7.12)

정부가 국민연금을 올린단다. 아예 올리는 김에 팍팍 올려서 한 소득의 70~80%까지 걷었으면 한다. 단, 기본생계유지를 제외한 그 누구도 예외없이.

오솔길(2013.7.1)

이제는 자신의 오솔길을 걷는 자만이 살아남을 수 있다. 오늘 팟캐스트 방송에서 들은 한 평론가의 말이다. 오솔길.. 

대원 국제중(2013.6.22)

왜 굳이 그런 곳에 보내려 기를 쓰는 것일까? 삶의 가치의 기준 문제이겠지..

계약직(2013.5.8)

요즘 인기인 TV드라마 '직장의신'에서 계약직을 이렇게 규정한다. 정해진 업무만 수행하면 되는 사람. 정해진 업무 외에는 해서는 안되는 사람. 말 그대로 계약된 사항에 대해서만 책임과 의무를 가지며 회사와는 아무런 관련이 없는 사람. 과연 그럴까 싶기도 하지만 어쩌면 계약직, 비정규직의 본질을 가장 적나라하게 표현한 말 같기도 하다.

가습기살균제(2013.5.8)

안타까움, 분노와 함께 인위적인 것들에 대해 다시한번 돌아보게 된다. 방향제, 탈취제, 전자모기향, 공기청정제, ...

Baek Z Young(2013.4.25)

백지영 flash back drama ost best. 좋다. 노래의 음색과 음성에서 묻어나는 감정이 좋다.

잰틀맨(2013.4.22)

며칠 전 집사람이 요즘 이것 때문에 시끄럽다며 싸이의 잰틀맨 뮤직비디오를 보여줬다. 보고 난 개인적 느낌은 음악은 잘 모르겠지만 영상은 좀 아니다 싶었다. 예전 강남스타일이 잘 정제된 하나의 작품을 보는 느낌이었다면 젠틀맨은 조금은 난잡한 (문란하다는 의미가 아니라 전반적인 구성이 정신없다는 의미이다), 이전에 비해 수준이 떨어지는 느낌이었다.

다크프로그래머(2013.4.17)

블로그를 시작한지 대략 3달 정도 지났다. 블로그의 이름인 다크 프로그래머는 암흑 대마왕을 뜻하는 다크라기 보다는 드러나지 않은, 나름의 길을 추구하는 익명성을 상징한다. 번거로움을 싫어하는 개인적 성향과도 관계된다. 재미있게 읽었던 묵향 소설에 나오는 주인공 이름이기도 하고 컴퓨터 게임을 할 때도 다크라는 아이디를 종종 사용한다. 그냥 다크라는 단어가 좋다. 언젠가는 양지로 나갈 날이 있을 수도 있지만 지금은 조용히 자신을 가다듬고 나의 길을 가는데 전념하고 싶다.

말(2013.4.15)

실질적으로 삶에 영향을 끼친 말. 급한 일을 먼저 하지 말고 중요한 일을 먼저 하라. 이 말을 해준 후배에게 감사한다.

영어(2013.4.10)

나에게 있어 영어는 필요악이다. 영어 공부라고는 대학교 가기 위해서 마지못해 정말 어거지로 1~2년 공부한게 다이다. 대체 이딴걸 왜 공부해야 하는가. 그런거 공부할 시간에 소설책을 한권 읽거나 아니면 전공 공부를 해야지. 그런데 어딜 가나 온통 영어다. 얼마전 아들놈이 TV에 나온 외국애를 보고 '재는 왜 이렇게 영어를 잘해"라기에 "재는 영어밖에 못해. 너는 땡큐라도 알지만 재는 영어밖에 모르는 바보야"라고 해줬더니 좋다고 웃는다.;; 요즘 정보의 홍수에 있지만 막상 고급 정보들은 다 영어이다. 국제 학회에 가도 영어로 발표하고 영어로 질문한다. 영어권 애들이야 편안히 앉아서 음 그렇구나 하고 듣다가 궁금하면 서슴없이 물어본다. 하지만 영어와 담을 쌓고 살아온 나로서는 발표 내용보다는 영어 해석하는데 온 신경을 곤두서야 하며, 급기야는 감기는 눈에 힘주기 바쁘다. 얼마 전 내가 개발한 기술에 대한 설명을 듣겠다고 외국애들이 왔다. 버벅이면서 영어로 설명을 하는데 짜증이 확 솓구친다. 아쉬운 사람이 우물을 파야 하는데... 언젠가 그런 날이 오기를 희망해 본다.

국가에 대한 믿음(2013.3.31)

오늘 저녁 뉴스에 집주인의 연체된 세금 때문에 그런 사실을 모르고 입주한 세입자가 전세금을 하나도 받지 못한다는 내용이 나왔다. 계약당시 은행대출도 없는 상태였고 확정일자도 받았지만 아무 소용이 없었다는 것이다. 집은 경매에 부쳐졌고 우선순위에서 연체된 세금이 먼저 환수되었고 세입자는 아무것도 없다는 것이다. 어떻게 생각해야 할지... 그걸 국가가 가져간단 말인가.. 어디선가 읽은 글에서 핀란드 인들은 굳이 재산을 축적하려고 무리하지 않는다 한다. 국가에 대한 기본적인 믿음이 있기 때문이라 한다.

by 다크 프로그래머