[논문]SOFM 신경망을 이용한 수화 형상 인식

박경우

doi:10.13160/ricns.2010.3.1.038

[국내논문] SOFM 신경망을 이용한 수화 형상 인식
Sign Language Shape Recognition Using SOFM Neural Network 원문보기

조선자연과학논문집 = Journal of the chosun natural science, v.3 no.1, 2010년, pp.38 - 42

초록
AI-Helper

인간은 정보전달을 위하여 언어 이외에 동작, 표정과 같은 비언어적인 수단을 이용한다. 이러한 비언어적인 수단을 정확히 분석 할 수 있다면 인간과 컴퓨터간의 자연스럽고 지적인 인터페이스를 구축할 수 있게 된다. 본 논문은 별도의 센서를 부착하지 않은 단일 카메라 환경에서 손 형상을 입력정보로 사용하여 손 영역만을 분할한 후 자기 조직화 특징 지도(SOFM: Self Organized Feature Map) 신경망 알고리즘을 이용하여 손 형상을 인식함으로서 수화인식을 위한 보다 안정적이며 강인한 인식 시스템을 구현하고자 한다. 제안 방법으로는 피부색 정보를 이용하여 배경으로부터 손 영역만을 추출한 후 추출된 손 영역의 형상을 인식한다(전처리과정으로 모델이미지의 사이즈와 압축 및 컬러에 대한 정보를 정규화 시켰다). 또한 인식 효율을 높이기 위해 SOFM 신경망 알고리즘을 적용함으로서 보다 안정적으로 손 형상을 인식할 수 있게 되었으며, 손 형상 인식률에 대한 안전성과 정확성을 향상시킬 수 있었다. 그리고 인식된 손 형상의 의미를 텍스트로 보여줌으로서 사용자의 의사를 정확하게 전달할 수 있다.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 수화인식을 하기 위한 손 형상 인식 시스템을 구현하고자 한다. 먼저 손 형상을 정확하게 인식하기 위해 전처리과정으로 모델 영상의 크기를 100*100으로 정규화 했으며, 인식 속도를 높이기 위해 영상을 Gray Level로 변환하였다.
본 논문에서는 장애인과 비장애인 간 원활한 의사전달을 위하여 수화를 인식하고, 수화의 의미를 전달하는 수화인식 시스템을 구현한다. 수화를 인식하기 위해서는 손 형상을 인식해야 한다.
본 논문에서는 칼라 정보만을 이용하여 손 영역을 검출하기 위해 다음과 같이 제안한다. 이 방법은 간단하고 빠르게 RGB공간 안에서 피부색을 추출 할 수 있다.
본 논문은 별도의 센서^[4]를 부착하지 않은 단일 카메라 환경에서 손 형상을 입력정보로 사용하여 손 영역만을 분할한 후 SOFM(Self Organized Feature Map) 신경망 알고리즘을 이용하여 손 형상을 인식함으로서 수화인식을 위한 보다 안정적이며 강인한 인식 시스템을 구현하고자 한다. 이는 비장애인과 장애인간 상호 편리하게 대화할 수 있는 인터페이스를 제공하려 하며, 제안하는 방법으로는 카메라로 들어오는 영상을 입력 영상으로 하여 피부색 정보를 이용해 배경으로부터 손 영역만을 추출한 후 추출된 손 영역의 형상을 인식한다.

가설 설정

이 방법은 간단하고 빠르게 RGB공간 안에서 피부색을 추출 할 수 있다. RGB 데이터의 영상이 입력되면 피부색은 RED 값이 다른 GREEN이나 BLUE보다 크다고 가정했다. (식 1)과 같이 피부색에 해당하는 부분은 그 픽셀을 1로 할당하여 주고 이 이외에 해당하는 픽셀의 위치에서는 살색이 아닌 영역으로 판정하여 0의 값으로 할당을 하게 된다.

제안 방법

본 논문에서는 수화인식을 하기 위한 손 형상 인식 시스템을 구현하고자 한다. 먼저 손 형상을 정확하게 인식하기 위해 전처리과정으로 모델 영상의 크기를 100*100으로 정규화 했으며, 인식 속도를 높이기 위해 영상을 Gray Level로 변환하였다. 카메라로 들어오는 영상을 입력정보로 사용하였으며, 피부색 정보를 이용하여 영상의 전체 영역에서 손 영역만을 분리하였다.
학습되는 양을 결정하는 방법에는 거리와 무관하게 동일한 이득항으로 갱신하는 방법과 거리에 따라 학습 되는 이득을 다르게 적용하는 방법이 있다. 본 논문에서는 거리에 따라 다른 이득으로 학습되는 방법을 적용하였으며, 학습 알고리즘에서 시냅스 Weight 학습 함수는 (식6)과 같다.
입력 영상에서 피부색 정보를 이용하여 손 영역을 추출할 때 칼라 필터를 사용하더라도 손만을 정확히 추출하기란 쉽지 않다. 본 연구는 칼라 필터가 적용되고 남아 있는 피부색 정보의 픽셀들은 대부분 손에 속해 있기 때문에 횡 좌표 X축으로 피부색 픽셀들의 수를 계산하여 배경 영역으로부터 손 영역만을 분리한다 (labeling). (그림 2)는 입력 영상에서의 손 영역을 추출한 것이다.
를 부착하지 않은 단일 카메라 환경에서 손 형상을 입력정보로 사용하여 손 영역만을 분할한 후 SOFM(Self Organized Feature Map) 신경망 알고리즘을 이용하여 손 형상을 인식함으로서 수화인식을 위한 보다 안정적이며 강인한 인식 시스템을 구현하고자 한다. 이는 비장애인과 장애인간 상호 편리하게 대화할 수 있는 인터페이스를 제공하려 하며, 제안하는 방법으로는 카메라로 들어오는 영상을 입력 영상으로 하여 피부색 정보를 이용해 배경으로부터 손 영역만을 추출한 후 추출된 손 영역의 형상을 인식한다. 또한 인식 효율을 높이기 위해 SOFM 신경망^[5] 알고리즘을 적용함으로서 보다 안정적으로 손 형상을 인식할 수 있게 되었으며, 손 형상 인식률에 대한 안전성과 정확성을 향상시킬 수 있었다.
수화를 인식하기 위해서는 손 형상을 인식해야 한다. 인식과정은 첫째, 카메라로부터 들어온 입력 영상의 전체 영역에서 피부색 정보를 이용하여 손 영역만을 추출한다(전처리 과정으로 100개의 전체 모델 영상에 대해 사이즈를 100*100으로 정규화 하였으며, 연산속도를 줄이기 위해 모델 영상을 Gray Level(회색조) 정규화 시켰다). 둘째, 전체 영상으로부터 추출된 손 영역을 손 형상으로 정확하고 안정적으로 인식하기 위해 SOFM(Self Organized Feature Map) 신경망 알고리즘을 적용한다.
먼저 손 형상을 정확하게 인식하기 위해 전처리과정으로 모델 영상의 크기를 100*100으로 정규화 했으며, 인식 속도를 높이기 위해 영상을 Gray Level로 변환하였다. 카메라로 들어오는 영상을 입력정보로 사용하였으며, 피부색 정보를 이용하여 영상의 전체 영역에서 손 영역만을 분리하였다. 분리된 손 영역으로부터 손 형상을 정확하고 안정적으로 인식하기 위해 SOFM 신경망 알고리즘을 사용하였다.

이론/모형

인식과정은 첫째, 카메라로부터 들어온 입력 영상의 전체 영역에서 피부색 정보를 이용하여 손 영역만을 추출한다(전처리 과정으로 100개의 전체 모델 영상에 대해 사이즈를 100*100으로 정규화 하였으며, 연산속도를 줄이기 위해 모델 영상을 Gray Level(회색조) 정규화 시켰다). 둘째, 전체 영상으로부터 추출된 손 영역을 손 형상으로 정확하고 안정적으로 인식하기 위해 SOFM(Self Organized Feature Map) 신경망 알고리즘을 적용한다. 셋째, SOFM 알고리즘의 경쟁과정, 학습과정, 적응과정을 통해 입력 영상의 특징 벡터와 모델 영상의 특징 벡터의 거리를 계산한 후 초기 연결강도로부터 점차 연결강도의 가중치를 부여함으로서 입력 영상과 모델 영상간의 거리가 최소값(0)이 되는 모델을 찾고, 찾은 최소값의 모델을 최상위 모델로 선택하며, 최상위 모델로 인식한다(그림 10).
본 논문에서는 손 형상을 정확히 분석하고 인식하기 위해서 SOFM 신경망 알고리즘을 사용한다. SOFM은 입력뉴런들, 출력뉴런들, 그리고 입·출력 뉴런 간에 연결된 시냅스들로 구성되어 있으며 학습단계에서 다차원 공간상의 특징 벡터로 표현되는 객체들이 경쟁층에서 스스로 유사한 패턴끼리 2차원의 특징 지도를 조직화하여 영역 지도를 형성한다.
본 논문에서는 손 형상을 정확히 분석하고 인식하기 위해서 자기 조직화 특징 지도(SOFM:Self Organized Feature Map)란 신경망 알고리즘^[7]을 사용하였다. 본 논문에서 제안한 알고리즘 구성은 (그림 3)과 같다.
카메라로 들어오는 영상을 입력정보로 사용하였으며, 피부색 정보를 이용하여 영상의 전체 영역에서 손 영역만을 분리하였다. 분리된 손 영역으로부터 손 형상을 정확하고 안정적으로 인식하기 위해 SOFM 신경망 알고리즘을 사용하였다.

성능/효과

이는 비장애인과 장애인간 상호 편리하게 대화할 수 있는 인터페이스를 제공하려 하며, 제안하는 방법으로는 카메라로 들어오는 영상을 입력 영상으로 하여 피부색 정보를 이용해 배경으로부터 손 영역만을 추출한 후 추출된 손 영역의 형상을 인식한다. 또한 인식 효율을 높이기 위해 SOFM 신경망^[5] 알고리즘을 적용함으로서 보다 안정적으로 손 형상을 인식할 수 있게 되었으며, 손 형상 인식률에 대한 안전성과 정확성을 향상시킬 수 있었다. 그리고 인식된 손 형상의 의미를 텍스트로 보여줌으로서 사용자의 의사를 정확하게 전달할 수 있다.

후속연구

향후에는 복잡한 배경에서의 정교한 분할과 조명변화에 강한 방법과 다른 알고리즘과의 접목으로 손 형상 인식에 더 좋은 결과를 낼 수 있도록 노력을 아끼지 않을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	수화인식 시스템의 인식 과정은 어떻게 되는가?	수화를 인식하기 위해서는 손 형상을 인식해야 한다. 인식과정은 첫째, 카메라로부터 들어온 입력 영상의 전체 영역에서 피부색 정보를 이용하여 손 영역만을 추출한다(전처리 과정으로 100개의 전체 모델 영상에 대해 사이즈를 100*100으로 정규화 하였으며, 연산속도를 줄이기 위해 모델 영상을 Gray Level(회색조) 정규화 시켰다). 둘째, 전체 영상으로부터 추출된 손 영역을 손 형상으로 정확하고 안정적으로 인식하기 위해 SOFM(Self Organized Feature Map) 신경망 알고리즘을 적용한다. 셋째, SOFM 알고리즘의 경쟁과정, 학습과정, 적응과정을 통해 입력 영상의 특징 벡터와 모델 영상의 특징 벡터의 거리를 계산한 후 초기 연결강도로부터 점차 연결강도의 가중치를 부여함으로서 입력 영상과 모델 영상간의 거리가 최소값(0)이 되는 모델을 찾고, 찾은 최소값의 모델을 최상위 모델로 선택하며, 최상위 모델로 인식한다(그림 10).
	SOFM 신경망 알고리즘을 사용함으로써 얻은 이점으로는 무엇이 있는가?	제안 방법으로는 피부색 정보를 이용하여 배경으로부터 손 영역만을 추출한 후 추출된 손 영역의 형상을 인식한다(전처리과정으로 모델이미지의 사이즈와 압축 및 컬러에 대한 정보를 정규화 시켰다). 또한 인식 효율을 높이기 위해 SOFM 신경망 알고리즘을 적용함으로서 보다 안정적으로 손 형상을 인식할 수 있게 되었으며, 손 형상 인식률에 대한 안전성과 정확성을 향상시킬 수 있었다. 그리고 인식된 손 형상의 의미를 텍스트로 보여줌으로서 사용자의 의사를 정확하게 전달할 수 있다.
	비언어적인 수단을 정확히 분석 할 수 있게되면 어떤 결과를 기대할 수 있는가?	인간은 정보전달을 위하여 언어 이외에 동작, 표정과 같은 비언어적인 수단을 이용한다. 이러한 비언어적인 수단을 정확히 분석 할 수 있다면 인간과 컴퓨터간의 자연스럽고 지적인 인터페이스를 구축할 수 있게 된다. 본 논문은 별도의 센서를 부착하지 않은 단일 카메라 환경에서 손 형상을 입력정보로 사용하여 손 영역만을 분할한 후 자기 조직화 특징 지도(SOFM: Self Organized Feature Map) 신경망 알고리즘을 이용하여 손 형상을 인식함으로서 수화인식을 위한 보다 안정적이며 강인한 인식 시스템을 구현하고자 한다.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증