$\require{mediawiki-texvc}$

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.

에지 방향성 히스토그램과 주성분 분석을 이용한 손 형상 인식에 관한 연구
A Study on Hand Shape Recognition using Edge Orientation Histogram and PCA 원문보기

디지털콘텐츠학회 논문지 = Journal of Digital Contents Society, v.10 no.2, 2009년, pp.319 - 326  

김종민 (조선대학교 자연과학대학 전산통계학과) ,  강명아 (광주대학교 공과대학 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 별도의 센서를 부착하지 않고 영상만을 이용하여 실시간으로 손 형상을 인식하는 알고리즘에 대해 기술한다. 손은 형상이 매우 복잡하기 때문에 2차원 형상의 불변량에 해당하는 에지의 방향성 히스토그램을 이용하여 인식을 행한다. 이 방법은 복잡한 배경에서 피부색을 지닌 손 영역이 정확히 추출되며 손 형상을 인식하는데 있어서 수행속도가 빠르고 조명변화에 덜 민감하기 때문에 실시간 손 형상 인식에 적합하다. 본 논문에서는 손의 형상에서 방향이 틀어지는 경우에도 인식을 가능하게 하기위해 주성분 분석법을 사용하여 인식오차를 줄이는 방법을 기술한다. 이 방법을 사용함으로써 손 영상이 3차원적으로 회전에 의해 변하는 경우도 인식가능하게 되었다. 본 논문에서 제안하는 방법은 가정용 가전제품이나 게임을 제어하는 실시간 휴먼 인터페이스 제작에 사용 할 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we present an algorithm which recognize hand shape in real time using only image without adhering separate sensor. Hand recognizes using edge orientation histogram, which comes under a constant quantity of 2D appearances because hand shape is intricate. This method suit hand pose reco...

주제어

#PCA(principal component analysis)   #Edge Orientation Histogram   #Hand Shape  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 단일 카메라를 이용하여 손의 방향이 틀어지는 경우를 같은 형상으로 인식하기에는 많은 어려움이 있다. 본 논문에서는 손의 방향성이 틀어지는 경우(그림 7)에도 같은 형상으로 인식하기 위해 주성분 분석을 이용한 손 형상 방향성 문제의 해결 방법을 제시한다. 실시간으로 들어오는 영상에서 손 영역만 추출한 후 이미지 정규화 과정(이미지 크기, 노이즈제거)을 거쳐 얻어진 영상을 이용하여 손 형상의 전체적인 외관 특징을 표현할 수 있는 저차원 벡터 공간, 즉 파라메트릭 공간을 생성한다.

가설 설정

  • 3차원 기하 정보를 이용하는 방법은 스테레오 영상을 이용한 3차원 정보추출과 복잡한 손의 3차원 운동 모델을 구축하기 위한 많은 계산량이 필요하므로 고성능의 하드웨어가 필요하다는 단점이 있다. 2차원 정보를 이용하는 방법들은 사람의 피부색의 컬러분포를 사전 학습 과정에서 계산하여 입력 영상 내 해당 피부 컬러 분포에 해당되는 영역만을 추출하는 방법을 적용하였으나 대부분 단일 배경이거나 조명 변화가 거의 없다고 가정하였다.
  • RGB 데이터의 영상이 입력되면 살색은 RED 값이 다른 GREEN이나 BLUE보다 크다고 가정했다. 식(1)과 같이 피부색에 해당하는 부분은 그 픽셀을 1로 세팅하여 주고 이는 픽셀의 위치에서는 살색이 아닌 영역으로 판정하여 0의 값으로 세팅을 하게 된다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
손 형상을 분석하기 위해 Data glove를 사용하는 방법의 단점은 무엇인가? 기존의 연구들은 크게 손 형상을 분석하기 위해 Data glove를 사용하는 방법[1]과 3차원 모델을 사용하거나 스테레오 비전을 이용하여 추출된 손의 3차원 기하학적인 정보를 분석하는 방법[2], 손의 2차원 패턴 정보를 분석하는 방법[3-4]으로 분류할 수 있다. Data glove를 사용하는 방법은 정밀도가 낮고 전체 시스템과 접속하기 위해 반드시 연결선이 필요하다는 점에서 자연스러운 인터페이스 구축에는 많은 문제점을 안고 있다. 3차원 기하 정보를 이용하는 방법은 스테레오 영상을 이용한 3차원 정보추출과 복잡한 손의 3차원 운동 모델을 구축하기 위한 많은 계산량이 필요하므로 고성능의 하드웨어가 필요하다는 단점이 있다.
주성분 분석이란 무엇인가? 이 공간은 주성분 분석법이라는 통계적 방법에 의해 만들어진다. 주성분 분석이란 각 손 형상 영상의 데이터들의 공간적 위치 값이 주로 각 영상에서 어디에 분포하는가를 계산하여 확률 빈도가 높은 벡터 값들을 고유치 값에 비례하여 재구성하는 방법이다. 따라서 이 방법은 고유벡터(eigenvector)와 고유치(eigenvalue)를 계산하여, 손 형상의 전체의 평균 모델을 구하여 이용한다.
주성분 분석 방법을 사용하기 위해서는 무엇을 계산해야 하는가? 주성분 분석이란 각 손 형상 영상의 데이터들의 공간적 위치 값이 주로 각 영상에서 어디에 분포하는가를 계산하여 확률 빈도가 높은 벡터 값들을 고유치 값에 비례하여 재구성하는 방법이다. 따라서 이 방법은 고유벡터(eigenvector)와 고유치(eigenvalue)를 계산하여, 손 형상의 전체의 평균 모델을 구하여 이용한다. (그림 6)는 전체 사용한 손 형상 객수와 (그림 7)는 손 형상을 5° 씩 틀어서 획득한 영상이다 (1개의 포즈 = 40 image).
질의응답 정보가 도움이 되었나요?

참고문헌 (12)

  1. J. Ohya and Y. , Kitamura, etc, "Real-Time Reproduction of 3D Human Images in Virtual Space Telecon ferencing" in Proc. of '93 IEEE Virtual Reality Annual Int. Symp. pp.408-414, 1993. 

  2. Haiying Guan, Jae Sik Chang, Longbin Chen. Feris. R.S., Turk. M., "Multi-view Appearance-based 3D Hand Pose Estimation", Computer Vision and Pattern Recognition Workshop, pp.154 - 154, June 2006. 

  3. K. Imagawa, S. Lu and S. Igi, "Color-Based Hand Tracking System for Sign Language Recognition,"Proceedings of International Conference on Automatic Face and Gesture Recognition, Killington, 1996. 

  4. S. Ahmad, "A Usable Real-Time 3D Hand Tracker," Conference Record of the Asilomar Conference on Signals, System and Computers, pp. 1257-1261, 1994. 

  5. Hanning Zhou, Lin. D.J., Huang. T.S. , "Static Hand Gesture Recognition based on Local Orientation Histogram Feature Distribution Model",Computer Vision and Pattern Recognition Workshop. pp.161-170, June 2004. 

  6. Liang Xiao, Zhihui Wei, and Huizhong Wu, "Robust Orientation Diffusion Via PCA Method and Application to Image Super-Resolution Reconstruction",Lecture Notes in Computer Science LNCS 4688 pp726-735, 2007. 

  7. Jong-Min Kim, and Hwan-Seok Yang, "A Study on Object Recognition Technology using PCA in Variable Illumination", Lecture Notes in Computer Science LNAI 4093 pp911-918, 2006. 

  8. William T. Freeman and Michael Roth, "Orientation Histograms for Hand Gestures Recognition," in Course Note of SIGGRAPH'94, pp.M-1-M-23, 1994. 

  9. Ragael C. Gonzalez and Richard E. Woods "Digital Image Processing", Prentice Hall, 2002. 

  10. Jong-Min Kim, Woong-Ki Lee "Three Dimensional Gesture Recognition Using PCA of Stereo Images and Modified Matching Algorithm", IEEE Fuzzy Systems and Knowledge Discovery Vol.4 pp116-120, Oct 2008. 

  11. P. Hong, M. Turk and T. Huang, "Gesture Modeling and Recognition using Finite State Machines," Proc, Int'l Workshop on Automatic Face and Gesture Recognition, pp.544-549, 2000. 

  12. J. Segen and S. Kumar, "Shadow Gesture: 3D hand Pose Estimation using a Single Camera", in Proc. of CVPR'99, pp.479-485, Colorado, 1999. 

저자의 다른 논문 :

관련 콘텐츠

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