머신러닝의 발전함에 따라, Human-computer interaction(HCI)의 연구도 활발히 이루어지고 있습니다. HCI는 다양한 센서를 통해 사용자의 모션의 특징점을 측정하고 그 데이터를 통해 인식합니다. 다양한 센서 중 레이더 센서는 환경에 대한 견고함과 원격으로 측정할 수 있는 장점이 존재한다. 본 논문에서는 이러한 장점을 가진 CW 레이더를 이용해 실시간 모션 인식을 위한 ...
머신러닝의 발전함에 따라, Human-computer interaction(HCI)의 연구도 활발히 이루어지고 있습니다. HCI는 다양한 센서를 통해 사용자의 모션의 특징점을 측정하고 그 데이터를 통해 인식합니다. 다양한 센서 중 레이더 센서는 환경에 대한 견고함과 원격으로 측정할 수 있는 장점이 존재한다. 본 논문에서는 이러한 장점을 가진 CW 레이더를 이용해 실시간 모션 인식을 위한 알고리즘을 제안한다. 이 논문에서 첫 번째로 제안하는 알고리즘은 트리거 알고리즘이다. 모션 인식 시스템에서 실시간 처리를 위해서 유효한 데이터를 트리거하는 것이 필수적이다. 따라서 Idle time에 해당하는 데이터 사이에서 손동작이 존재하는 유효한 위치를 트리거하는 알고리즘을 제안하였다. 두 번째로 제안하는 알고리즘은 모션의 특징점을 개선하는 전처리 알고리즘이다. 모션 인식을 실생활에서 사용하기 위해서 정확도가 중요하다. 따라서 측정된 데이터에서 전처리를 통해 CNN 모델의 정확도를 높이는 알고리즘을 제안하였다. 이 논문에서는 유효한 프레임을 검출하는 트리거 알고리즘과 모션의 특징점을 개선하는 전처리 알고리즘을 제안한다. 제안 된 알고리즘은 Matlab과 python을 사용하여 검증되었다. 알고리즘을 검증하기 위해 스마트폰에 사용되는 동작인 스와이프 동작의 micro-Doppler 신호를 측정하였다. raw 데이터에서 Idle time을 제외하고 유효한 데이터를 트리거하는 정확도를 계산하였다. 그리고 전처리 알고리즘을 검증하기 위해 알고리즘 적용 전과 적용 후의 CNN 모델의 정확도를 측정하였다.
머신러닝의 발전함에 따라, Human-computer interaction(HCI)의 연구도 활발히 이루어지고 있습니다. HCI는 다양한 센서를 통해 사용자의 모션의 특징점을 측정하고 그 데이터를 통해 인식합니다. 다양한 센서 중 레이더 센서는 환경에 대한 견고함과 원격으로 측정할 수 있는 장점이 존재한다. 본 논문에서는 이러한 장점을 가진 CW 레이더를 이용해 실시간 모션 인식을 위한 알고리즘을 제안한다. 이 논문에서 첫 번째로 제안하는 알고리즘은 트리거 알고리즘이다. 모션 인식 시스템에서 실시간 처리를 위해서 유효한 데이터를 트리거하는 것이 필수적이다. 따라서 Idle time에 해당하는 데이터 사이에서 손동작이 존재하는 유효한 위치를 트리거하는 알고리즘을 제안하였다. 두 번째로 제안하는 알고리즘은 모션의 특징점을 개선하는 전처리 알고리즘이다. 모션 인식을 실생활에서 사용하기 위해서 정확도가 중요하다. 따라서 측정된 데이터에서 전처리를 통해 CNN 모델의 정확도를 높이는 알고리즘을 제안하였다. 이 논문에서는 유효한 프레임을 검출하는 트리거 알고리즘과 모션의 특징점을 개선하는 전처리 알고리즘을 제안한다. 제안 된 알고리즘은 Matlab과 python을 사용하여 검증되었다. 알고리즘을 검증하기 위해 스마트폰에 사용되는 동작인 스와이프 동작의 micro-Doppler 신호를 측정하였다. raw 데이터에서 Idle time을 제외하고 유효한 데이터를 트리거하는 정확도를 계산하였다. 그리고 전처리 알고리즘을 검증하기 위해 알고리즘 적용 전과 적용 후의 CNN 모델의 정확도를 측정하였다.
As machine learning advances, human-computer interaction (HCI) is being actively researched. HCI uses various sensors to measure your motion features and recognize them through the data. Among the various sensors, the radar sensor has advantages of robustness to the environment and remote measuremen...
As machine learning advances, human-computer interaction (HCI) is being actively researched. HCI uses various sensors to measure your motion features and recognize them through the data. Among the various sensors, the radar sensor has advantages of robustness to the environment and remote measurement. In this thesis, we propose two algorithms for real-time motion recognition using CW radar. The first algorithm proposed in this thesis is the trigger algorithm. In motion recognition systems, it is essential to trigger valid data for real-time processing. Therefore, we proposed an algorithm that triggers a valid position where hand gestures exist between data corresponding to idle time. The second proposed algorithm is a preprocessing algorithm that improves the feature of motion. Accuracy is important to use motion recognition in real life. Therefore, we proposed an algorithm to increase the accuracy of the Convolutional Neural Network (CNN) model through the preprocessing of measured data. In this thesis, we propose a trigger algorithm that detects valid frames and a preprocessing algorithm that improves the features of motion. The proposed algorithm was verified using Matlab and python. To verify the algorithm, we measured the micro-Doppler signal of the swipe gesture, which is the gesture used in smartphones. Except for the idle time in raw data, we calculated the accuracy of triggering valid data. And to verify the preprocessing algorithm, we measured the accuracy of the CNN model before and after applying the algorithm.
As machine learning advances, human-computer interaction (HCI) is being actively researched. HCI uses various sensors to measure your motion features and recognize them through the data. Among the various sensors, the radar sensor has advantages of robustness to the environment and remote measurement. In this thesis, we propose two algorithms for real-time motion recognition using CW radar. The first algorithm proposed in this thesis is the trigger algorithm. In motion recognition systems, it is essential to trigger valid data for real-time processing. Therefore, we proposed an algorithm that triggers a valid position where hand gestures exist between data corresponding to idle time. The second proposed algorithm is a preprocessing algorithm that improves the feature of motion. Accuracy is important to use motion recognition in real life. Therefore, we proposed an algorithm to increase the accuracy of the Convolutional Neural Network (CNN) model through the preprocessing of measured data. In this thesis, we propose a trigger algorithm that detects valid frames and a preprocessing algorithm that improves the features of motion. The proposed algorithm was verified using Matlab and python. To verify the algorithm, we measured the micro-Doppler signal of the swipe gesture, which is the gesture used in smartphones. Except for the idle time in raw data, we calculated the accuracy of triggering valid data. And to verify the preprocessing algorithm, we measured the accuracy of the CNN model before and after applying the algorithm.
주제어
#Motion Recognition Hand gesture micro-Doppler signatures CW-radar Convolutional Neural Network Real-time process Detection
학위논문 정보
저자
유명석
학위수여기관
세종대학교 대학원
학위구분
국내석사
학과
정보통신공학과
지도교수
이성주
발행연도
2020
총페이지
14, II.48 p.
키워드
Motion Recognition Hand gesture micro-Doppler signatures CW-radar Convolutional Neural Network Real-time process Detection
※ AI-Helper는 부적절한 답변을 할 수 있습니다.