$\require{mediawiki-texvc}$

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.

깊이정보를 이용한 실시간 손 영역 검출 및 추적
Real-time Hand Region Detection and Tracking using Depth Information 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.1 no.3, 2012년, pp.177 - 186  

주성일 (숭실대학교 미디어학과) ,  원선희 (숭실대학교 미디어학과) ,  최형일 (숭실대학교 미디어학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 실시간 손동작 분석을 위한 깊이정보 기반 손 영역 검출 및 추적 방법을 제안한다. 이를 위해 손 영역 검출단계에서는 깊이정보만을 이용하여 손 영역의 특징인 형태모델을 생성하고, 검출 시 움직임 정보와 영역 확장(Region Growing)을 통해 객체를 추출한다. 추출된 객체는 사전에 생성된 형태모델과 크기정보를 분석하여 최종 손 영역으로 판정한다. 판정된 손 객체는 추적단계에서 중심점 전이 과정을 통해 이전 중심점과의 최근접점을 획득하고, 최근접점으로부터 영역 확장과 깊이기반 적응적 평균 이동 기법(DAM-Shift)을 통해 새로운 중심점을 검출하여 추적한다. 마지막으로 성능 검증을 위해 다양한 손 모양과 속도 및 위치에 대한 다양한 환경에서 실험하고, 검출속도와 추적된 궤적의 정량적, 정성적 분석을 통해 제안하는 방법의 효율성을 입증한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we propose a real-time approach for detecting and tracking a hand region by analyzing depth images. We build a hand model in advance. The model has the shape information of a hand. The detecting process extracts out moving areas in an image, which are possibly caused by moving a hand ...

주제어

#손 영역 검출   #누적차영상   #깊이영상   #손 추적   #키넥트   #깊이영상 기반 적응적 평균 이동  

질의응답

핵심어 질문 논문에서 추출한 답변
템플릿을 사용하는 방법은 어떻게 손의 위치를 검출하는가? 이 방법은 손 검출 및 추적을 위한 특징으로 정보의 양이 매우 부족하고, 조명의 변화에 민감하여 효율성이 낮다는 문제점이 있다. 템플릿을 사용하는 방법은 미리 학습한 손 모양 템플릿을 영상에 정합시켜 손의 위치를 검출한다[5][6]. Stenger[6]은 색상과 모션 모델을 이용하여 손을 검출하고 사전 정의된 손 포즈 템플릿과의 거리를 계산하여 실시간 정적 제스처 인식을 수행한다.
센서 기반 방법들은 영상 기반 방법의 한계점을 해결할 수 있는 이유는 무엇인가? 손 검출을 위한 또 다른 방법인 센서 기반 방법들은 3차원 데이터를 이용할 수 있기 때문에 영상 기반 방법의 한계 점을 해결할 수 있다. 3차원 데이터는 손이 위치하는 실세계 공간에서의 위치 정보와 형태 정보를 표현할 수 있으므로 주변 잡음이나 영상의 밝기정보, 색상정보와 무관하게 손을 검출할 수 있다.
손동작 인식을 위해서는 많은 다양한 접근법들을 위해 무엇이 적용되는가? 손동작 인식을 위해서는 많은 다양한 접근법들이 보고되고 있다. 이를 위해서는 손 영역 검출, 손 특징 추출, 그리고 학습 및 인식 방법들이 적용된다. 기존의 연구들은 크게손 영상을 분석하기 위해 데이터 글로브를 사용하는 방법[1]과 손의 2차원 패턴 정보를 분석하는 방법[2-6], 3차원 모델을 사용하거나 스테레오 비전을 이용하여 추출된 손의 3차원 기하학적인 정보를 분석하는 방법[7-10]으로 분류할수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. V. Pavlovic, R. Sharma, and T. Huang, "Visual Interpretation of Hand Gestures for Human-Computer Interaction: A Review", IEEE Trans. on PAMI, Vol.19, No.7, pp.677-695, 1997. 

    상세보기 crossref

  2. C. Manresa, J. Varona, R. Mas, Francisco, and J. Perales, "Hand Tracking and Gesture Recognition for Human- Computer Interaction", Electronic Letters on Computer Vision and Image Analysis, Vol.5, No.3, pp.96-104, 2005. 

  3. M. G. Hwang, H. R. Kim, S. B. Kang, and T. K. Ynag, "Vision Based Real-time Hand Shape Recognition Using Fuzzy Inference", Journal of Korean Institute of Information Technology, Vol.6, No.2, pp.53-59, 2008. 

  4. H. I. Suk, and B. H. Sin, "Dynamic Bayesian Network based Two-Hand Gesture Recognition", Journal of KIISE : Software and Applications, Vol.35, No.4, 2008. 

  5. A. Yilmaz, O. Javed, and M. Shah, "Object tracing: A survey", ACM Comput. Surv., Vol.38, No.4, Dec., 2006. 

  6. B. Stenger, "Template-Based Hand Pose Recognition Using Multiple Cues", ACCV 2006, LNCS. 3852, pp.551-560, 2006. 

  7. P. Breuer, C. Eckes, and S. Muller, "Hand Gesture Recognition with a novel IR Time-of-Flight Range Camera-A pilot study", LNCS.4418, 247, 2007. 

  8. I. Oikonomidis, N. Kyriazis, and A. A. Argyros, "Efficient model-based 3D tracking of hand articulations using Kinect", in British Machine Vision Conference, Dundee, UK, pp.101.1-101.11, 2011. 

  9. S. H. Park, S. J. Yu, J. R. Kim, S. J. Kim, and S. Y. Lee, "3D hand tracking using Kalman filter in depth space", EURASIP Journal on Advances in Signal Processing, Vol.2012, No.1, pp.1-18, 2012. 

    상세보기 crossref

  10. M. B. Holte, T. B. Moeslund, and P. Fihl, "Fusion of range and intensity information for view invariant gesture recognition", in IEEE Computer Society Conference on Computer Vision & Pattern Recognition Workshops, Anchorage, AK, U.S.A, pp.1-7, 2008. 

  11. H. S. Yang, and H. W. Jung, "A study on hand recognition in image for multimedia system", The Journal of the Korea Contents Association, Vol.5, No.2, pp.267-274, 2005. 

  12. PrimeSensor http://www.primesense.com 

  13. H. Breu, J. Gil, D. Kirkpatrick, M. Werman, "Linear Time Euclidean Distance Transform Algorithms", Pattern Analysis and Machine Intelligence, IEEE Transactions, Vol.17, No.5, pp.529-533, 1995. 

    상세보기 crossref

  14. http://www.imageprocessingplace.com/downloads_V3 /root_downloads/tutorials/contour_tracing_Abeer_George_Ghunei m/index.html 

  15. C. P. Chen, Y. T. Chen, P. H. Lee, Y. P. Tsai, and S. Lei, "Real-time Hand Tracking on Depth Images", Visual Communications and Image Processing (VCIP), IEEE, pp.1-4, 2011. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

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