지난 수 십 년간 IT 기술을 이용한 움직임 인식(Motion recognition)에 관한 연구는 영상처리를 중심으로 활발히 진행되어왔다. 영상처리 기반의 인식은 카메라를 제외한 다른 도구나 센서의 사용이 최소화 될 수 있는 장점이 있지만, 주변 조도, 카메라와 피사체의 각도 등 많은 상황을 고려해야 하며 정확한 인식을 위해 움직임의 범위가 넓어져야 한다는 단점이 있다. 움직임 인식 분야에서는 다양한 신체 부위를 대상으로 한다. 이 중 손가락은 신체에서 가장 정교하게 움직일 수 있는 관절이며, 직관적인 ...
지난 수 십 년간 IT 기술을 이용한 움직임 인식(Motion recognition)에 관한 연구는 영상처리를 중심으로 활발히 진행되어왔다. 영상처리 기반의 인식은 카메라를 제외한 다른 도구나 센서의 사용이 최소화 될 수 있는 장점이 있지만, 주변 조도, 카메라와 피사체의 각도 등 많은 상황을 고려해야 하며 정확한 인식을 위해 움직임의 범위가 넓어져야 한다는 단점이 있다. 움직임 인식 분야에서는 다양한 신체 부위를 대상으로 한다. 이 중 손가락은 신체에서 가장 정교하게 움직일 수 있는 관절이며, 직관적인 인터페이스를 제공할 수 있는 장점을 가지고 있다. 그러나 손가락은 움직임의 범위가 매우 작아 영상처리 방법을 적용하기에는 많은 제약이 따른다. 이에 본 연구에서는 플렉스 센서(Flex sensor)를 이용한 손가락 움직임 인식 기술을 제안한다. 플렉스 센서는 휘어짐의 정도에 따라 저항이 변하는 가변 저항의 한 종류로, 비용이 저렴하며 웨어러블 디자인이 가능하다는 장점을 가지고 있다. 플렉스 센서의 신호는 뇌파(EEG: ElectroEncephaloGraphy), 근전도(EMG: ElectroMyoGraphy)와 마찬가지로 시계열 데이터의 특징을 갖는다. 시계열 데이터를 인식하기 위하여 사용되는 기법으로는 DTW(Dynamic Time Warping), HMM(Hidden Markov Model)이 있다. 본 연구에서는 좌우(Left-to-right) 모델의 HMM과 DBA(DTW Barycenter Averaging) 기반의 DTW 기법을 적용하여 시간상에서의 데이터 변화를 인식하는 시스템을 구현한다. 성능평가를 위해 제안한 방법들과 함께 가장 기초적인 패턴 매칭 방법인 템플릿 정합법을 이용하여 인식 시스템을 구현하였으며, 6가지 손가락 동작을 설정하여 인식률을 측정한 결과 템플릿 정합법은 80.0%, HMM 기법은 93.3%, DTW 기법은 95.3%의 정확도를 나타냈다. 계산 복잡도 측면에서는 템플릿 정합법이 가장 우수했으나, 정확도 측면에서는 신뢰성이 낮았다. DTW 기법의 경우, HMM보다 낮은 연산량을 요구하면서도 2% 높은 정확도를 나타내었다.
지난 수 십 년간 IT 기술을 이용한 움직임 인식(Motion recognition)에 관한 연구는 영상처리를 중심으로 활발히 진행되어왔다. 영상처리 기반의 인식은 카메라를 제외한 다른 도구나 센서의 사용이 최소화 될 수 있는 장점이 있지만, 주변 조도, 카메라와 피사체의 각도 등 많은 상황을 고려해야 하며 정확한 인식을 위해 움직임의 범위가 넓어져야 한다는 단점이 있다. 움직임 인식 분야에서는 다양한 신체 부위를 대상으로 한다. 이 중 손가락은 신체에서 가장 정교하게 움직일 수 있는 관절이며, 직관적인 인터페이스를 제공할 수 있는 장점을 가지고 있다. 그러나 손가락은 움직임의 범위가 매우 작아 영상처리 방법을 적용하기에는 많은 제약이 따른다. 이에 본 연구에서는 플렉스 센서(Flex sensor)를 이용한 손가락 움직임 인식 기술을 제안한다. 플렉스 센서는 휘어짐의 정도에 따라 저항이 변하는 가변 저항의 한 종류로, 비용이 저렴하며 웨어러블 디자인이 가능하다는 장점을 가지고 있다. 플렉스 센서의 신호는 뇌파(EEG: ElectroEncephaloGraphy), 근전도(EMG: ElectroMyoGraphy)와 마찬가지로 시계열 데이터의 특징을 갖는다. 시계열 데이터를 인식하기 위하여 사용되는 기법으로는 DTW(Dynamic Time Warping), HMM(Hidden Markov Model)이 있다. 본 연구에서는 좌우(Left-to-right) 모델의 HMM과 DBA(DTW Barycenter Averaging) 기반의 DTW 기법을 적용하여 시간상에서의 데이터 변화를 인식하는 시스템을 구현한다. 성능평가를 위해 제안한 방법들과 함께 가장 기초적인 패턴 매칭 방법인 템플릿 정합법을 이용하여 인식 시스템을 구현하였으며, 6가지 손가락 동작을 설정하여 인식률을 측정한 결과 템플릿 정합법은 80.0%, HMM 기법은 93.3%, DTW 기법은 95.3%의 정확도를 나타냈다. 계산 복잡도 측면에서는 템플릿 정합법이 가장 우수했으나, 정확도 측면에서는 신뢰성이 낮았다. DTW 기법의 경우, HMM보다 낮은 연산량을 요구하면서도 2% 높은 정확도를 나타내었다.
Research on motion recognition has been actively conducted for decades. The motion recognition based the image processing is advantageous in that it requires no sensors other than the camera, but it is necessary to consider many situations such as the illumination, the angle of the camera and the su...
Research on motion recognition has been actively conducted for decades. The motion recognition based the image processing is advantageous in that it requires no sensors other than the camera, but it is necessary to consider many situations such as the illumination, the angle of the camera and the subject. In the field of motion recognition, various body parts are targeted. Among them, fingers are the most elaborate joints in the body and have the advantage of providing an intuitive interface. However, since the range of movement of the finger is very small, there are many restrictions to apply the image processing method. In this thesis, we propose a finger motion recognition technique using a flex sensor. Flex sensors are a kind of variable resistors. It's resistance varies depending on the degree of bending, and they have an advantage that cost is low and wearable design is possible. The signal of the flex sensor has the characteristic of time series data like EEG(Electroencephalography) and EMG(ElectroMyoGraphy). Dynamic time warping(DTW) and hidden markov model(HMM) are used to recognize time series data. In this thesis, we implement a system that recognizes the data change over time by applying left-to-right model HMM and DBA(DTW Barycenter Averaging)-based DTW method. The recognition system was implemented using the template matching method which is the most basic pattern matching method together with the proposed methods for the performance evaluation. The result of measuring the recognition rate by setting 6 finger motions was 80.0% for the template matching method, 93.3% for the HMM method., and DTW method showed 95.3% accuracy. In terms of computational complexity, the template matching method was the best, but the reliability was low in terms of accuracy. The DTW method requires less computation than the HMM, but shows a 2% higher accuracy.
Research on motion recognition has been actively conducted for decades. The motion recognition based the image processing is advantageous in that it requires no sensors other than the camera, but it is necessary to consider many situations such as the illumination, the angle of the camera and the subject. In the field of motion recognition, various body parts are targeted. Among them, fingers are the most elaborate joints in the body and have the advantage of providing an intuitive interface. However, since the range of movement of the finger is very small, there are many restrictions to apply the image processing method. In this thesis, we propose a finger motion recognition technique using a flex sensor. Flex sensors are a kind of variable resistors. It's resistance varies depending on the degree of bending, and they have an advantage that cost is low and wearable design is possible. The signal of the flex sensor has the characteristic of time series data like EEG(Electroencephalography) and EMG(ElectroMyoGraphy). Dynamic time warping(DTW) and hidden markov model(HMM) are used to recognize time series data. In this thesis, we implement a system that recognizes the data change over time by applying left-to-right model HMM and DBA(DTW Barycenter Averaging)-based DTW method. The recognition system was implemented using the template matching method which is the most basic pattern matching method together with the proposed methods for the performance evaluation. The result of measuring the recognition rate by setting 6 finger motions was 80.0% for the template matching method, 93.3% for the HMM method., and DTW method showed 95.3% accuracy. In terms of computational complexity, the template matching method was the best, but the reliability was low in terms of accuracy. The DTW method requires less computation than the HMM, but shows a 2% higher accuracy.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.