$\require{mediawiki-texvc}$

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.

동적 베이스망 기반의 걸음걸이 분석
Dynamic Bayesian Network-Based Gait Analysis 원문보기

정보과학회논문지. Journal of KIISE. 소프트웨어 및 응용, v.37 no.5, 2010년, pp.354 - 362  

김찬영 (부경대학교 컴퓨터공학과) ,  신봉기 (부경대학교 IT 융합 응용 공학과)

초록
AI-Helper 아이콘AI-Helper

본 연구는 동적 베이스 망을 이용하여, 사람의 보행 동작을 보행 방향과 보행 자세로 분리하여 계층적으로 분석하는 방법을 제안한다. DBN의 일종인 FHMM을 기본 바탕으로 하여, 걸음걸이 동작 특성을 고려하여 순환 고리형 상태 공간 구조로 '보행 동작 디코더'(Gait Motion Decoder, GMD)를 설계한다. 기존 연구에는 보행자의 식별에만 치중을 하고 보행 방향의 변화, 관찰 각도에 제한적이거나 보행 동작에 대한 분석이 없었다. 반면에 본 연구에서는 동작과 자세를 적극적으로 표현하여 임의 방향의 보행, 방향의 변화, 보행 자세까지 인식할 수 있도록 하였다. 실험 결과 동작과 자세의 관점에서 걸음걸이 방향을 분석한 결과 96.5%의 방향 인식률을 기록하였다. 본 연구는 보행 동작을 방향과 보행 자세로 계층적으로 분석하는 최초의 방법 및 시도이며 향후 상황별 휴먼 동작 분석에 크게 활용할 수 있을 것이다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper proposes a new method for a hierarchical analysis of human gait by dividing the motion into gait direction and gait posture using the tool of dynamic Bayesian network. Based on Factorial HMM (FHMM), which is a type of DBN, we design the Gait Motion Decoder (GMD) in a circular architecture...

주제어

#걸음걸이 분석   #동적 베이스망   #Factorial 은닉 마르코프 모델  

참고문헌 (20)

  1. Aggarwal and Q. Cai, "Human motion analysis - a review," Computer Vision and Image Understanding, vol.73, no.3, pp.428-440, 1999. 

    상세보기 crossref

  2. H.-I. Suk and B.-K. Sin, "HMM-Based Gait Recognition with Human Profiles," in Proc. of Joint Workshop on SSPR 2006 /SPR2006, Hong Kong, China, pp.596-603, 2006. 

  3. B.Chakraborty, O. Rudovic, and J. Gonzalez, "View-Invariant Human-Body Detection with Extension to Human Action Recognition using Component-Wise HMM of Body Parts," in 8th IEEE International Conference on Automatic Face and Gesture Recognition, Amsterdam, The Netherlands, September, 2008. 

  4. C. Rao, A. Yilmaz, and M. Shah, "View-invariant representation and recognition of actions," International Journal of Computer Vision, vol.50, no.2, pp.203-226, 2002. 

    crossref

  5. J. Yamato, J. Ohya, and K. Ishii, "Recognizing human action in time sequential images using hidden Markov model," Computer Vision and Image Processing, pp.379-385, 1992. 

  6. X. Feng and P. Perona, "Human action recognition by sequence of movelet codewords," in Proceedings of First International Symposium on 3D Data Processing Visualization and Transmission, pp. 717-721, 2002. 

  7. T. Mori, Y. Segawa, M. Shimosaka, and T. Sato, "Hierarchical recognition of daily human actions based on continuous hidden Markov models," in Proceedings of IEEE International Conference on Automatic Face and Gesture Recognition, pp.779 -784, 2004. 

  8. M. Brand and V. Kettnaker, "Discovery and segmentation of activities in video," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.22, no.8, pp.844-851, 2000. 

    상세보기 crossref

  9. J. Sullivan and S. Carlsson, "Recognizing and tracking human action," in Proceedings of European Conference on Computer Vision, pp.629-644, 2002. 

  10. A. S. Ogale, A. Karapurkar, and Y. Aloimonos, "View-invariant modeling and recognition of human actions using grammars," in Proc. Workshop Dynamical Vis. ICCV, Beijing, China, pp.115-126, 2005. 

  11. S. Park and J.K.Aggarwal, "A hierarchical Bayesian network for event recognition of human actions and interactions," Multimedia Systems, vol.10, pp.164-179, 2004. 

    상세보기 crossref

  12. C. Chen, J. Liang, H. Zhao, H. Hu, J. Tian, "Factorial HMM and parallel HMM for gait recognition," IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews, vol.39, pp.114-123, 2009. 

    상세보기 crossref

  13. K. Murphy, "Dynamic Bayesian Network: Representation, Inference and Learning," Ph.D. Dissertation, University of California, Berkeley, 2002. 

  14. Z. Ghahramani and M.I. Jordan, "Factorial Hidden Markov Models," Machine Learning, vol.29, pp.245-275, 1997. 

    crossref

  15. L. R. Rabiner, "A tutorial on hidden Markov models and selected applications in speech recognition," in Proc. IEEE, vol.77, no.2, pp.257-286, Feb. 1989. 

  16. F. Jensen, "Bayesian Networks and Decision Graphs," Chapter 1, pp.3-34, Springer, 2001. 

  17. M. Brand, N. Oliver, and A. Pentland, "Coupled Hidden Markov Models for Complex action Recognition," in Proc. of IEEE International conference on Computer Vision and Pattern Recognition, San Juan, Puerto Rico, pp.994-999, June 1997. 

  18. A.Dempster, N. Laird, and D. Rubin, "Maximum Likelihood from Incomplete Data via the EM Algorithm," Journal of the Royal statistical Society, vol.39, No.1, pp.1-38, 1977. 

  19. http://sourceforge.net/projects/opencvlibrary/ 

  20. http://www.cs.ubc.ca/~murphyk/Software/BNT/bnt.html 

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
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