$\require{mediawiki-texvc}$

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.

저해상도 손 제스처 영상 인식에 대한 연구
A Study on Hand Gesture Recognition with Low-Resolution Hand Images 원문보기

통신위성우주산업연구회논문지 = The Journal of Korea Society of Communication and Sapce Technology, v.9 no.1, 2014년, pp.57 - 64  

안정호 (강남대학교 컴퓨터미디어정보공학부)

초록
AI-Helper 아이콘AI-Helper

최근 물리적 디바이스의 도움 없이 사람이 시스템과 인터랙션 할 수 있는 인간 친화적인 인간-기계 인터페이스가 많이 연구되고 있다. 이중 대표적인 것이 본 논문의 주제인 비전기반 제스처인식이다. 본 논문에서 우리는 설정된 가상세계의 객체와의 인터랙션을 위한 손 제스처들을 정의하고 이들을 인식할 수 있는 효과적인 방법론을 제안한다. 먼저, 웹캠으로 촬영된 저해상도 영상에서 사용자의 양손을 검출 및 추적하고, 손 영역을 분할하여 손 실루엣을 추출한다. 우리는 손 검출을 위해, RGB 공간에서 명암에 따라 두개의 타원형 모델을 이용하여 피부색을 모델링하였으며, 블랍매칭(blob matching) 방법을 이용하여 손 추적을 수행하였다. 우리는 플러드필(floodfill) 알고리즘을 이용해 얻은 손 실루엣의 행/열 모드 검출 및 분석을 통해 Thumb-Up, Palm, Cross 등 세 개의 손모양을 인식하였다. 그리고 인식된 손 모양과 손 움직임의 콘텍스트를 분석해서 다섯 가지 제스처를 인식할 수 있었다. 제안하는 제스처인식 방법론은 정확한 손 검출을 위해 카메라 앞에 주요 사용자가 한 명 등장한다는 가정을 하고 있으며 많은 실시간 데모를 통해 효율성 및 정확성이 입증되었다.

Abstract AI-Helper 아이콘AI-Helper

Recently, many human-friendly communication methods have been studied for human-machine interface(HMI) without using any physical devices. One of them is the vision-based gesture recognition that this paper deals with. In this paper, we define some gestures for interaction with objects in a predefin...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서 제안하는 손 제스처 인식 알고리즘은 가상공간의 오브제와의 인터랙션을 위해 현실공간에 있는 사용자의 제스처를 인식하는 것을 목표로 한다. 인터랙션을 위해 정의한 제스처는 PUSH, PULL, POINTING 등 세 가지 명령형 제스처와 가상 오브제(예: 김연아)에게 점프동작을 학습시키기 위한 JUMP 동작이 있다.
  • 본 논문은 사용자가 가상의 사이버 공간의 객체들과 소통하는 프로그램을 제작하기 위한 프로젝트의 일부이다. 설정된 사이버 공간에는 인간과 닮은 사이버 객체들이 존재한다.
  • 우리는 본 논문에서 효과적인 손 검출 및 추적 방법론과 손 모양 인식에 기반을 둔 제스처 인식 방법론을 제안하였다. 제안한 손 검출 및 추적 방법론은 움직임이 발생한 부분 주변의 피부색 영역이 제스처를 수행중인 손이라는 생각에 기초하였다.
  • 우리는 서론의 뒷부분에서 정의된 제스처의 특징과 용도에 대해 설명하고 관련 연구를 소개한다. 2절에서는 제스처 인식을 위한 저해상도 손 검출 및 추적 방법론을 소개하고, 3절에서 손 모양 인식 및 제스처 인식 방법론을 소개한다.

가설 설정

  • 둘째, 우리는 배경이 복잡하지 않고 사용자가 피부색과 유사한 옷을 착용하지 않음을 가정하고 있다. 영상 차가 발생한 부분에 있는 피부색 부분을 손으로 인식하기 때문에, 피부색 옷이 이동하는 경우 손으로 오인될 가능성이 높다.
  • 사용자와 가상세계의 인터페이스 시작 프로토콜은 사용자가 차렷 자세를 일정시간 지속한 후 손을 올리는 것으로 정하였다. 제스처를 수행하기 위해 손을 올릴 때, 손이 처음 등장하는 위치는 화면의 아래 부분이라 예상할 수 있다.
  • 셋째, 우리는 한 명의 사용자만 프로그램을 제어한다고 가정하고 있다. 이러한 가정 하에서 피부색 블랍의 크기만으로 얼굴을 검출한 후, 허리, 가슴 등의 인체 부위를 추정할 수 있었다.
  • 노이즈에 강인한 손 추적을 위해 손 사이즈 필터를 고안하였다. 연속된 두 프레임에서 손의 크기가 많이 변하지 않는다는 가정 하에, 이전 프레임의 손의 크기와 비슷한 크기를 가지는 피부색 블랍을 현재 프레임의 해당 손으로 선택하였다. 이 사이즈 필터링으로 인해 몸통에서 발생할 수 있는 작은 피부색 블랍을 손으로 오인하는 오류를 방지할 수 있다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
손 제스처 인식 알고리즘의 목표는? 본 논문에서 제안하는 손 제스처 인식 알고리즘은 가상공간의 오브제와의 인터랙션을 위해 현실공간에 있는 사용자의 제스처를 인식하는 것을 목표로 한다. 인터랙션을 위해 정의한 제스처는 PUSH, PULL, POINTING 등 세 가지 명령형 제스처와 가상 오브제(예: 김연아)에게 점프동작을 학습시키기 위한 JUMP 동작이 있다.
피부색 검출에 기반을 둔 손 검출 방법론의 피부색 모델링을 위해 선행된 것은? 이를 위해, 타원형 피부색 모델과 배경의 피부색 영역을 제거하기 위한 필터, 피부색을 이용한 얼굴검출 방법론을 소개한다. 우리는 피부색 모델링을 위해 다양한 조명환경에서 100개의 피부 영상조각을 수집하였다. 다음 그림 3은 대표적인 피부색 영상 샘플을 보여준다.
양손 제스처에는 어떤 것이 있는가? 양손 제스처는 화면 확대를 위한 Pull 제스처, 화면 축소를 위한 Push 제스처, 가상공간의 객체에게 점프 동작을 가르치기 위한 Jump 제스처가 있다. 두 손이 모두 가슴 부분에 위치하면, 이 세 가지 제스처 중 어느 하나가 인식될 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (13)

  1. Y. Fang, K. Wang, J. Cheng and H. Lu, "A real-time hand gesture recognition method", IEEE International Conference on Multimedia and Expo, pp. 995-998, 2007. 

  2. A. F. Bobick, and J. W. Davis, "The Recognition of Human Movement Using Temporal Templates", IEEE Transactions on Pattern Recognition and Machine Learning, Vol. 23, No. 3, 2001. 

  3. J.W. Davis, "Hierarchical Motion History Images for Recognizing Human Motion", IEEE workshop on Detection and Recognition of Events in Video, pp.39-46, 2001. 

  4. N. D. Binh, E. Shuichi and T. Ejima, "Real-Time Hand Tracking and Gesture Recognition System", GVIP Conference, 2005. 

  5. L. Bretzber, I. Laptev, Tony Lindeberg, "Hand Gesture Recognition using Mulit-Scale Colour Features, Hierarchical Models and Partical Filtering", IEEE Interntional Conference on Automatic Face and Gesture Recognition, pp.423-428. 2002. 

  6. H. Kim, G. Albuquerque, S. Havemann, D. W. Fellner, "Tangible 3D: Hand Gesture Interaction for Immersive 3D Modeling", IPT & EGVE Workshop, 2005. 

  7. Microsoft Project Natal, http://research.microsoft .com/apps/video/default.aspx?id144455 . 

  8. T. Kirishima, K. Sato, K., Chihara, "Real-Time Gesture Recognition by Learning and Selective Control of Visual Interest Points", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 27, No. 3, pp.351-364, 2005. 

  9. A. Malima, E. Ozgur, M. Cetin, "A Fast Algorithm for Vision-based Hand Gesture Recognition for Robot Control", IEEE Conference on Signal Processing and Communications Applications, 2006. 

  10. H.-S. Yoon, J. Soh, Y. J. Bae, H. S. Yang, "Hand gesture recognition using combined features of location, angle and velocity", Pattern Recognition, Vol. 34, pp. 1491-1501, 2001. 

  11. P. Viola and M. Jones, "Robust Real-time Face Detection", International Journal of Computer Vision, vol.57, No. 2, pp. 137-154, 2001. 

  12. X. Xiong and F. D. Torre, "Supervised Descent Method and its Applications to Face Alignment", IEEE Conference on Computer Vision and Pattern Recognition, 2013. 

  13. J.-H. Ahn and J.-H. Kim, "A Stable Hand Tracking Method by Skin Color Blob Matching", Pacific Science Review, Vol.12, No.2, pp. 146-151, 2010. 

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