자이로 센서와 가속도 센서 신호의 군집화를 이용한 연속 제스처 인식 시스템 구현 An implementation of continuous gesture recognition system using clustering of gyro sensor and acceleration sensor signals원문보기
센서 신호를 이용한 제스처 인식 방식은 활성화 구간을 검출하고 검출된 구간의 데이터를 훈련 데이터와의 HMM(hidden Markov model), ANN(artificial neural network),SVM(support vector machine) 등 다양한 머신러닝 알고리즘의 비교를 통해 제스처를 인식하였다. 활성화 구간의 검출은 ...
센서 신호를 이용한 제스처 인식 방식은 활성화 구간을 검출하고 검출된 구간의 데이터를 훈련 데이터와의 HMM(hidden Markov model), ANN(artificial neural network),SVM(support vector machine) 등 다양한 머신러닝 알고리즘의 비교를 통해 제스처를 인식하였다. 활성화 구간의 검출은 문턱 값을 이용한 방식을 사용하고 있으며 활성화 구간을 제대로 검출하는 것은 제스처 인식률에 큰 영향을 준다. 활성화 구간을 검출하는 것은 제스처와 제스처 사이의 휴지 구간이 보장된 경우 쉽지만 휴지 구간이 없는 경우 활성화 구간을 검출하는 것은 어렵다. 이 논문에서는 세 가지 장치에서 발생하는 3축 가속도 신호와 3축 자이로 신호를 사용하여 휴지 구간이 짧은 연속적인 제스처를 인식 할 수 있는 두가지 알고리즘을 제안하였다. 3축 가속도 신호와 3축 자이로 신호를 K-평균 군집화 알고리즘으로 군집화 한 후 훈련 데이터의 군집 인덱스와 각 훈련 데이터 길이 만큼 입력 신호의 군집 인덱스 비교를 통해 제스처를 인식한다. 첫 번째 알고리즘은 각 훈련 데이터의 군집 인덱스와 히스토그램 비교를 통해 가장 유사한 제스처를 인식한다. 두 번째 알고리즘은 군집 인덱스의 비교를 통한 거리 계산을 통해 제스처를 인식한다. 두 알고리즘의 성능 평가는 14개의 기본 제스처를 정의한 후 휴지 구간의 길이를 변경해가며 실시하였으며, 실험 결과 모든실험에서 95%이상의 정확도를 얻었다.
센서 신호를 이용한 제스처 인식 방식은 활성화 구간을 검출하고 검출된 구간의 데이터를 훈련 데이터와의 HMM(hidden Markov model), ANN(artificial neural network),SVM(support vector machine) 등 다양한 머신러닝 알고리즘의 비교를 통해 제스처를 인식하였다. 활성화 구간의 검출은 문턱 값을 이용한 방식을 사용하고 있으며 활성화 구간을 제대로 검출하는 것은 제스처 인식률에 큰 영향을 준다. 활성화 구간을 검출하는 것은 제스처와 제스처 사이의 휴지 구간이 보장된 경우 쉽지만 휴지 구간이 없는 경우 활성화 구간을 검출하는 것은 어렵다. 이 논문에서는 세 가지 장치에서 발생하는 3축 가속도 신호와 3축 자이로 신호를 사용하여 휴지 구간이 짧은 연속적인 제스처를 인식 할 수 있는 두가지 알고리즘을 제안하였다. 3축 가속도 신호와 3축 자이로 신호를 K-평균 군집화 알고리즘으로 군집화 한 후 훈련 데이터의 군집 인덱스와 각 훈련 데이터 길이 만큼 입력 신호의 군집 인덱스 비교를 통해 제스처를 인식한다. 첫 번째 알고리즘은 각 훈련 데이터의 군집 인덱스와 히스토그램 비교를 통해 가장 유사한 제스처를 인식한다. 두 번째 알고리즘은 군집 인덱스의 비교를 통한 거리 계산을 통해 제스처를 인식한다. 두 알고리즘의 성능 평가는 14개의 기본 제스처를 정의한 후 휴지 구간의 길이를 변경해가며 실시하였으며, 실험 결과 모든실험에서 95%이상의 정확도를 얻었다.
The gesture recognition method using the sensor signal detects the spot point and compares the data of spot point with various machine running algorithms such as HMM(hiddn Markov model), ANN(artificial neural network), and SVM(support vector machine) to recognize the gesture. Detection of the spot p...
The gesture recognition method using the sensor signal detects the spot point and compares the data of spot point with various machine running algorithms such as HMM(hiddn Markov model), ANN(artificial neural network), and SVM(support vector machine) to recognize the gesture. Detection of the spot point is based on the threshold value, and detecting the spot point has a great influence on the recognition rate of the gesture. Detecting the spot point is easy when enough rest interval the gesture and the gesture is guaranteed. But, it is difficult to detect spot point when there is no rest interval. In this paper, we propose two algorithms for recognizing continuous gestures with short rest interval using 3 - axis acceleration signal and 3 - axis gyro signal generated from three devices. The three-axis acceleration signal and the three-axis gyro signal are clustered by the K-means clustering algorithm, and the gesture is recognized by comparing the cluster index of the training data and the cluster index of the input signal by the training data length. The first algorithm recognizes the most similar gesture by comparing histograms with the cluster index of each training data. The second algorithm recognizes the gesture through the distance calculation by comparing the cluster index. The performance evaluation of the two algorithms was performed by defining 14 basic gestures and then changing the length of the idle period. Experimental results show that the accuracy of all experiments is over 95%. keywords: gesture recognition, clustering, IMU sensor, Human-Computer interaction
The gesture recognition method using the sensor signal detects the spot point and compares the data of spot point with various machine running algorithms such as HMM(hiddn Markov model), ANN(artificial neural network), and SVM(support vector machine) to recognize the gesture. Detection of the spot point is based on the threshold value, and detecting the spot point has a great influence on the recognition rate of the gesture. Detecting the spot point is easy when enough rest interval the gesture and the gesture is guaranteed. But, it is difficult to detect spot point when there is no rest interval. In this paper, we propose two algorithms for recognizing continuous gestures with short rest interval using 3 - axis acceleration signal and 3 - axis gyro signal generated from three devices. The three-axis acceleration signal and the three-axis gyro signal are clustered by the K-means clustering algorithm, and the gesture is recognized by comparing the cluster index of the training data and the cluster index of the input signal by the training data length. The first algorithm recognizes the most similar gesture by comparing histograms with the cluster index of each training data. The second algorithm recognizes the gesture through the distance calculation by comparing the cluster index. The performance evaluation of the two algorithms was performed by defining 14 basic gestures and then changing the length of the idle period. Experimental results show that the accuracy of all experiments is over 95%. keywords: gesture recognition, clustering, IMU sensor, Human-Computer interaction
※ AI-Helper는 부적절한 답변을 할 수 있습니다.