초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 근전도 신호를 이용한 손 제스처 인식 기술의 한계를 극복하기 위한 방법을 제안한다. 근전도 신호 기반 손 제스처 인식 기술의 인식률은 실제 적용 단계에서 사용자의 변경 또는 측정 전극의 위치와 같은 요인에 의해 저하되기도 한다. 그 뿐만 아니라, 동일 피실험자와 동일 전극의 위치임에도 불구하고 동일한 손 제스처를 수행할 때의 팔 자세에 의해서도 인식률이 저하되는 현상이 있다. 본 연구에서는 다양한 팔 자세에 강건한

본 논문에서는 근전도 신호를 이용한 손 제스처 인식 기술의 한계를 극복하기 위한 방법을 제안한다. 근전도 신호 기반 손 제스처 인식 기술의 인식률은 실제 적용 단계에서 사용자의 변경 또는 측정 전극의 위치와 같은 요인에 의해 저하되기도 한다. 그 뿐만 아니라, 동일 피실험자와 동일 전극의 위치임에도 불구하고 동일한 손 제스처를 수행할 때의 팔 자세에 의해서도 인식률이 저하되는 현상이 있다. 본 연구에서는 다양한 팔 자세에 강건한 근전도 기반 손 제스처 인식 기술을 제안한다. 제안한 방법은 가속도 센서와 근전도 센서 신호를 동시에 사용하여 다양한 팔 자세에서도 정확한 손 제스처를 인식한다. 팔 자세 인식을 위하여 가속도 센서를 사용하였으며, 손 제스처 인식을 위해 팔 자세를 고려한 근전도 신호의 통계적 모델을 생성한다. 실험 결과로 팔 자세를 고려한 경우와 고려하지 않은 경우의 손 제스처 인식률을 비교한다. 제안한 방법을 사용한 경우의 손 제스처 인식률은 85.7%로 팔 자세를 고려하지 않은 경우의 손 제스처 인식률인 54.1%보다 31.6%의 성능 개선이 있었다. 이 연구에서는 가속도 센서와 근전도 센서를 동시에 사용하여 다른 팔 자세로 인해 근전도 신호에 미치는 영향을 보정함으로써 손 제스처 인식 정확도를 향상시켰다.

Abstract ▼ AI-Helper

In this paper, we propose a method to overcome the limitation of hand gesture recognition using EMG signals. The recognition rate of the hand gesture recognition based on the EMG signal may be degraded by factors such as the user changes or the location of the electrode in the actual application sta...

In this paper, we propose a method to overcome the limitation of hand gesture recognition using EMG signals. The recognition rate of the hand gesture recognition based on the EMG signal may be degraded by factors such as the user changes or the location of the electrode in the actual application stage. In addition, there is a phenomenon in which the recognition rate is reduced due to the arm posture when performing the same hand gesture. In this study, we propose the EMG based hand gesture recognition robust to various arm postures. The proposed method recognizes accurate hand gesture in various arm postures by using the accelerometer and EMG signal simultaneously. For hand gesture recognition, the EMG signals are statistically modeled considering the arm position. In the experiments, we compared the cases that considered the arm postures with the cases that ignored the arm postures for the recognition of hand gestures.
The hand gesture recognition rate when using the proposed method was 85.7%, which was 31.6% better than the hand gesture recognition rate of 54.1% when the arm position was not considered. In this study, the hand gesture recognition accuracy was improved by compensating the effect of the EMG signal on the EMG signal due to the use of the acceleration sensor and the EMG sensor simultaneously.