최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기재활복지공학회논문지 = Journal of rehabilitation welfare engineering & assistive technology, v.10 no.4, 2016년, pp.329 - 336
김성중 (연세대학교 보건과학대학 의공학부) , 이한수 (연세대학교 보건과학대학 의공학부) , 김종만 (연세대학교 의공학과) , 안순재 (연세대학교 의공학과) , 김영호 (연세대학교 의공학과)
Deaf people using sign language are experiencing social inequalities and financial losses due to communication restrictions. In this paper, real-time pattern recognition algorithm was applied to distinguish American Sign Language using an armband sensor(8-channel EMG sensors and one IMU) to enable c...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
현재까지의 수화 인식 시스템은 어떤장치들을 이용하였는가? | 현재까지의 수화 인식 시스템에 대한 선행연구들은 카메라를 이용한 영상 처리, 장갑형 센서, 부착형 센서를 이용하였다. Dong 등[5]의 연구에서는 카메라와 손 사이의 거리를 이용해서 24개의 미국 수화 알파벳을 90% 이상의 정확도로 분류하였다. | |
장갑 형태의 센서를 이용한 수화인식 시스템의 장단점은 무엇인가? | Francesco 등[7]의 연구에서는 장갑 형태의 센서를 이용하여 실시간으로 3900가지의 동적인 손 모양을 99% 이상의 정확도를 보였으며, Oz 등[8]의 연구는 장갑 센서로부터 얻은 손의 모양과 궤적을 이용하여 50가지 미국 수화 단어를 90% 이상의 정확도로 분류하였다. 장갑형 센서를 이용한 시스템은 수많은 손 동작을 높은 정확도로 다양한 동작을 인식할 수 있다는 장점이 존재하지만 땀으로 인해 장시간 사용할 수 없으며 일상생활에서 맨손을 사용할 수 없다는 제한점을 가지고 있다. Zhang 등[9]의 연구에서는 가속도 센서와 근전도 센서를 이용하여 18개의 손동작을 97% 이상의 정확도로 분류하였으며, Jian 등[10]의 연구에서도 동일한 센서를 사용하여 40개의 미국 수화 단어를 98% 이상으로 분류하였다. | |
수화 인식 시스템의 역할은 무엇인가? | 그러나 국가마다 다른 수화 체계와 수화 사용에 따른 의사소통의 제약으로 인해 많은 농아인들이 교육, 문화, 예술, 보건, 의료, 법률 등 삶의 모든 영역에서 사회적인 불평등과 금전적 손실을 겪고 있다[2]. 수화 인식 시스템은 농아인과 일반인 사이의 의사소통을 도와주고 국가마다 다른 수화 체계부터 발생하는 언어 장벽을 해결하여, 위와 같은 문제점 해결에 중요한 역할을 할 것이다[3]. 그리고 수화는 상지 움직임을 이용한 체계적인 의사소통 수단이므로, 수화 인식 기술의 발전은 상지 동작 인식 기반의 인간-컴퓨터 인터페이스(HCI) 기술 연구에서 중요한 역할을 할 것이다[4] |
World Health Organization, Multi-country assessment of national capacity to provide hearing care, Switzerland, Geneva, WHO Documents & publications, pp. 10-13, 2013.
S.C.W. Ong, S. Ranganath, "Automatic sign language analysis: A survey and the future beyond lexical meaning," IEEE transactions on pattern analysis and machine intelligence, vol. 27, no. 6, pp.873-891, 2005.
D. Barberis, N. Garazzino, P. Prinetto, G. Tiotto, A Savino, U. Shoaib, N. Ahmad, "Language resources for computer assisted translation from italian to italian sign language of deaf people," in Proc. Accessibility Reaching Everywhere AEGIS Workshop and International Conference, Brussels, Belgium, pp.96-104. 2011
C. Manresa, J. Varona, R. Mas, F.J. Perales, "Hand tracking and gesture recognition for human-computer interaction," ELCVIA Electronic letters on computer vision and image analysis, vol. 5, no. 3, pp. 96-104, 2005.
C. Dong, M.C. Leu, Z. Yin, "American Sign Language Alphabet Recognition Using Microsoft Kinet," in Proc. The IEEE Conference on Computer Vision and Pattern Recognition Workshop, Boston, MA, USA, pp. 44-52. Jun. 2015
J. Singha, K. Das, "Recognition of Indian Sign Language in Live Video," International Journal of Computer Applications, vol 70, no 19, pp. 17-22, 2013.
F. Camastra, D.D. Felice, "LVQ-based Hand Gesture Recognition using a Data Glove," In Proc. The 22th Italian Workshop on Neural Networks, Salerno, Italy, pp. 159-168. 2012
C. Oz, M.C. Leu, "American Sign Language word recognition with a sensory glove using artificial neural networks," Engineering Applications of Artificial Intelligence, vol 24, no 7, pp. 1204-1213, 2011.
X. Zhang, X. Chen, Y. Li, V. Lantz, K. Wang, J. Yang, "A Framework for Hand Gesture Recognition Based on Accelerometer and EMG Sensors," IEEE transactions on systems, Man and cybernetics-Part A: Systems and Humans, vol 41, no 6, pp. 1064-1076, 2011.
J. Wu, Z. Tian, L. Sun, L. Estevez, R. Jafari, "Real-time American Sign Language Recognition Using Wrist-worn Motion and Surface EMG Sensors," In Proc. The IEEE 12th International Conference on Wearable and Implantable Body Sensor Networks(BSN), Cambridge, MA, USA, pp. 1-6. 2015.
H.T. J, "Trend of gesture recognition technology using wearable device," The Institute of Electronics and Information Engineers, vol. 42, no. 42, pp. 56-62, 2015.
S. Lake, M. Bailey, A. Grant, "Method and apparatus for analyzing capative EMG and IMU sensor signals for gesture control," U.S. Patent No. 9,299,248, 2016.
S. Solnik, P. Devita, P. Rider, B. Long, T. Hortobagyi, "Teager-Kaiser Operator improves the accuracy of EMG onset detection independent of signal-to-noise ratio," Acta of Bioengineering and Biomechanics, vol 10, no 2, pp. 65-68, 2008.
H. Demuth, M. Beale, M. Hagan, Neural Network Toolbox for use with Matlab, Natick, MA, USA, version 3 Mathworks, pp. 128-132, 1998.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.