$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

3차원 가속도 데이터를 이용한 HMM 기반의 동작인식
HMM-based Motion Recognition with 3-D Acceleration Signal 원문보기

정보과학회논문지. Journal of KIISE. 컴퓨팅의 실제 및 레터, v.15 no.3, 2009년, pp.216 - 220  

김상기 (포항공과대학교 컴퓨터공학과) ,  박건혁 (포항공과대학교 컴퓨터공학과) ,  전석희 (포항공과대학교 컴퓨터공학과) ,  임성훈 (포항공과대학교 컴퓨터공학과) ,  한갑종 (포항공과대학교 컴퓨터공학과) ,  최승문 (포항공과대학교 컴퓨터공학과) ,  최승진 (포항공과대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

본 연구에서는 손에 들고 있는 컨트롤러를 이용하여 사용자의 동작을 인식하는 방법을 제안한다. 컨트롤러에는 3축 가속도 센서가 부착되어 있어 사용자의 움직임에 따라 가속도 신호를 생성 이를 블루투스 통신을 이용하여 컴퓨터로 전달한 후 분석하여 사용자의 동작을 인식한다. 입력된 가속도 신호로부터 중력 가속도를 제거한 후 동작구간을 추출하여 이를 동작 모델에 적용 가장 높은 우도(likelihood)를 갖는 동작으로 인식한다. 각 동작 모델은 HMM을 이용하여 학습되며 성능 향상을 위한 가중치 보정과정과 인식 속도향상을 위한 방법을 포함한다. 제안된 방법을 3가지의 동작 집합에 적용하여 실용화가 가능한 정도의 높은 인식 결과를 얻었다.

Abstract AI-Helper 아이콘AI-Helper

In this paper we propose a motion recognition method for handheld controller 3-D acceleration signals, generated by 3 axis accelerometer in the controller, are transmitted to the computer by Bluetooth communication. We extract motion segments from continuous acceleration signals and apply to each mo...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 이는 일반적인 접근방법이지만 경우에 따라서는 사용자에게 불편함을 유발한다. 게임에서 칼을 내려 베는 동작을 생각해보자. 이는 컨트롤러를 위로 들어올렸다가 아래로 내리고다시 제자리도 돌아오는 부분 동작으로 구성된다.
  • 전석희, 김상기 등은 입력되는 가속도 신호로부터 동작 구간을 추출하고 이를 HMM으로학습된 모델에 적용하는 형태의 연구를 수행하였다. 만족스러운 인식 결과를 얻었으나 인식 속도 등 여러 문제점을 보완하여 이를 본 논문에서 소개한다.
  • 본 논문에서는 HMM기반의 3차원 가속도 신호를 이용한 동작인식 방법을 제안했다. 제안된 동작인식 시스템은빠른 인식 속도를 가지며 높은 인식 성능을 보인다.

가설 설정

  • 이러한 보정과정은 학습이 끝난 인식 시스템을 최적화 하는데 도움이 된다. 그림 7(a) 와 같이 컨트롤러를 위로 움직이는 동작과 오른쪽으로 움직이는 두 가지 동작을 인식하기 위해서 학습데이타를 만들고 학습을 마쳤다고 가정하자. 테스트 과정에서 위쪽과 오른쪽 사이의 방향으로 움직여서 인식 결과를 얻으면 그림 7(b)와 같은 형태로 나올 것이다.
본문요약 정보가 도움이 되었나요?

참고문헌 (5)

  1. L. Bao, S. S. Intille, "Activity recognition from user-annotated acceleration data," Lecture Notes In Computer Science, Vol. 3001, pp. 1-17, 2004 

  2. 황금성, 조성배, "자기 구성 지도와 은닉 마르코프 모델을 이용한 가속도 센서 기반 행동 인식", 한국 HCI학회 논문집, pp. 245-250, 2008 

  3. S.-J. Cho, J.-K. Oh et. al, "MagicWand: A hand-drawn gesture input device in 3-D space with inertial sensors," Proc. International Workshop on Frontiers in Handwriting Recognition, pp. 106-111, 2004 

  4. 전석희, 김상기, 박건혁, 한갑종, 이성길, 최승문, 최승진, "동작인식 및 촉감제공 게임 컨트롤러", 한국 HCI학술대회 논문집, pp. 1-6, 2008 

  5. L. R. Rabiner, "A Tutorial on hidden Markov models and selected applications in speech recog-nition," Proc. of the IEEE, pp. 257-286, 1989 

저자의 다른 논문 :

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로