최근 다양한 형태의 착용형 컴퓨터가 연구되고 있다. 본 논문에서는 사용자가 음악을 들으며 사용할 수 있는 모션헤드셋의 동작분류기 제작을 위해 머리 움직임 정보의 특징을 분석한다. 모션헤드셋 프로토타입은 스마트폰과 블루투스 통신 방법을 이용하여 음악을 수신받으며, 가속도센서가 측정한 동작정보를 스마트폰으로 전송한다. 그리고 스마트폰에서는 모션 분류기를 통해 머리의 움직임을 분류한다. 실험을 위해 프로토타입을 제작하였다. 사용자 머리의 '위', '아래', '왼쪽', 그리고 '오른쪽' 머리 움직임을 베이지안 분류기를 이용하여 분류하였다. 그 결과 '위'와 '아래'의 머리 움직임의 경우 x, z축의 가속도 센서값이 큰 변화가 있었다. 추후에 사용성 평가를 통해 동작 분류기를 제작할 수 있는 적합한 변수를 찾아 낼 계획이다.
최근 다양한 형태의 착용형 컴퓨터가 연구되고 있다. 본 논문에서는 사용자가 음악을 들으며 사용할 수 있는 모션헤드셋의 동작분류기 제작을 위해 머리 움직임 정보의 특징을 분석한다. 모션헤드셋 프로토타입은 스마트폰과 블루투스 통신 방법을 이용하여 음악을 수신받으며, 가속도센서가 측정한 동작정보를 스마트폰으로 전송한다. 그리고 스마트폰에서는 모션 분류기를 통해 머리의 움직임을 분류한다. 실험을 위해 프로토타입을 제작하였다. 사용자 머리의 '위', '아래', '왼쪽', 그리고 '오른쪽' 머리 움직임을 베이지안 분류기를 이용하여 분류하였다. 그 결과 '위'와 '아래'의 머리 움직임의 경우 x, z축의 가속도 센서값이 큰 변화가 있었다. 추후에 사용성 평가를 통해 동작 분류기를 제작할 수 있는 적합한 변수를 찾아 낼 계획이다.
Recently, various types of wearable computers have been studied. In this paper, we analyze the characteristics of head motion information for the operation of the motion classifier produced motion headset that the user can use while listening to music. The prototype receives music from smart phone o...
Recently, various types of wearable computers have been studied. In this paper, we analyze the characteristics of head motion information for the operation of the motion classifier produced motion headset that the user can use while listening to music. The prototype receives music from smart phone over bluetooth communications, and transmits the motion information measured by the acceleration sensor to the smart phone. And the smartphone classifies the motion of the head through a motion classifier. we implemented a prototype for our experiment. The user's head motion "up", "down", "left" and "right" were classified using a Bayesian classifier. As a result, in case of the movement of the head "up" and "down", there are a large changes in the x, z-axis values. In future we have a plan to perform a user study to find suitable variables for creating motion classifier.
Recently, various types of wearable computers have been studied. In this paper, we analyze the characteristics of head motion information for the operation of the motion classifier produced motion headset that the user can use while listening to music. The prototype receives music from smart phone over bluetooth communications, and transmits the motion information measured by the acceleration sensor to the smart phone. And the smartphone classifies the motion of the head through a motion classifier. we implemented a prototype for our experiment. The user's head motion "up", "down", "left" and "right" were classified using a Bayesian classifier. As a result, in case of the movement of the head "up" and "down", there are a large changes in the x, z-axis values. In future we have a plan to perform a user study to find suitable variables for creating motion classifier.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 사용자가 음악을 들으며 사용할 수 있는 모션헤드셋 프로토타입을 제작하고, 머리 움직임 정보의 특징을 분석하였다. 제작된 모션헤드셋 프로토타입은 스마트폰과 블루투스 통신 방법을 이용하여 음악을 수신받으며, 가속도센서가 측정한 동작정보를 스마트폰으로 전송한다.
본 논문에서는 사용자가 음악을 들으며 사용할 수 있는 모션헤드셋의 동작분류기 제작을 위해 머리 움직임 정보의 특징을 분석한다. 제작된 모션헤드셋 프로토타입은 스마트폰과 블루투스 통신 방법을 이용하여 음악을 수신받으며, 가속도센서가 측정한 동작정보를 스마트폰으로 전송한다.
제안 방법
그리고 현시점에서의 머리 움직임을 분류하기 위해 과거 1초간의 윈도우를 설정하고, 0.5초간 오버랩이 되도록 하였다. 이를 통해 매순간 주어지는 가속도 값에 대해 모션분류가 가능해진다.
또한 사용자의 머리 동작을 ‘위’, ‘아래’, ‘좌’, ‘우’ 4개의 움직임으로 분류하였다.
머리 움직임을 실시간으로 인식하기 위해서 윈도우를 기반으로 정규화를 적용하였다. 먼저 노이즈를 줄이기 위해 연속된 3개의 가속도 값의 평균값을 취하는 이동평균 알고리즘을 적용하고, 순간 변화량만을 얻기 위해 t시점에서의 가속도 값은 t-1과의 변화 값만을 이용하였다.
머리 움직임을 실시간으로 인식하기 위해서 윈도우를 기반으로 정규화를 적용하였다. 먼저 노이즈를 줄이기 위해 연속된 3개의 가속도 값의 평균값을 취하는 이동평균 알고리즘을 적용하고, 순간 변화량만을 얻기 위해 t시점에서의 가속도 값은 t-1과의 변화 값만을 이용하였다. [Fig.
실험을 위해 프로토타입을 제작하였으며, 사용자 머리의 ‘위’, ‘아래’, ‘왼쪽’, 그리고 ‘오른쪽’ 머리 움직임을 베이지안 분류기를 이용하여 분류하였다.
본 논문에서는 사용자가 음악을 들으며 사용할 수 있는 모션헤드셋의 동작분류기 제작을 위해 머리 움직임 정보의 특징을 분석한다. 제작된 모션헤드셋 프로토타입은 스마트폰과 블루투스 통신 방법을 이용하여 음악을 수신받으며, 가속도센서가 측정한 동작정보를 스마트폰으로 전송한다. 그리고 스마트폰에서는 모션 분류기를 통해 머리의 움직임을 분류한다.
대상 데이터
모션 헤드셋 시제품을 제작하기 위해 다음과 같은 하드웨어를 개발하였다. [Fig. 2]와 같이 헤드셋 부분은CSR8670와 MMA8452Q를 이용하였다[7]. CSR8670은 차세대 오디오 SoC 솔류션으로 무선연결 지원하고 플레쉬 메모리가 내장되어 있다.
이 4개의 움직임은 사용자가 일반적으로 음악을 감상할 때 취할 수 있는 동작이다. 시스템을 검증하기 위해 반복적으로 이 4개의 움직임에 대한 데이터를 수집하였다.
데이터처리
머리동작을 분류하기 위해서 가속도에 대한 특징에 대한 분석이 필요하다. [Fig. 7]과 같이 동작의 특징 분석을 위해 모션 가속도의 평균 변화량과 표준편차를 분석하였다. 사용자 얼굴의 움직임이 있을 때 가속도 z축, x축 및 y축에서 가속도의 변화가 있었고 표준편차에서도 변화가 발생하였다.
이론/모형
수직적 움직임은 사용자가 음악의 리듬에 따라 움직일 때 발생할 수 있으며, 수평적 움직임은 사용자가 다음음악이나 그 전 음악으로 옮겨갈 때 사용될 수 있다. 이러한 머리 움직임을 검출하기 위해 가속도센서 값의 평균과 표준편차를 이용한 Naive Bayes 분류기를 사용한다 [11]. [Fig.
성능/효과
7]과 같이 동작의 특징 분석을 위해 모션 가속도의 평균 변화량과 표준편차를 분석하였다. 사용자 얼굴의 움직임이 있을 때 가속도 z축, x축 및 y축에서 가속도의 변화가 있었고 표준편차에서도 변화가 발생하였다. 특히 ‘아래’ 동작은 z축에서 많은 변화가 있었으며, 다른 동작의 경우 z축과 x축 변화가 있었다.
후속연구
추후에 사용성 평가를 통해 다수의 사람들에 적용할 수 있는 동작 분류기를 제작할 수 있는 변수를 찾아 낼 계획이다. 또한 이러한 머리 동작 분석 모델을 참고하여 음악 감상에 적합한 간단한 인식 모델에 대한 성능을 검증할 계획이다.
또한 여러 벤처 회사에서 스마트 목걸이, 스마트 신발 등 다양한 제품을 개발하여 투자를 계획하고 있다. 이러한 다양한 착용형 컴퓨터들은 소비자에게 흥미롭게 다가가고 있으며, 향후 자가추척 (self-tracking), 맥락인지 (context awareness) 등의 기술과 접목되어 헬스케어 등의 분야에 활용될 것으로 기대된다.
추후에 사용성 평가를 통해 다수의 사람들에 적용할 수 있는 동작 분류기를 제작할 수 있는 변수를 찾아 낼 계획이다. 또한 이러한 머리 동작 분석 모델을 참고하여 음악 감상에 적합한 간단한 인식 모델에 대한 성능을 검증할 계획이다.
8]의 그래프의 점선은 1초 간의 윈도우를 표시한다. 향후 인식 성능을 평가하기 위해 Naive Bayes 모델과 다른 모델에 대한 분석을 수행할 계획이다.
질의응답
핵심어
질문
논문에서 추출한 답변
모션 분류기의 분류 과정은?
모션 분류기는 입력된 가속도센서 값을 이용하여 사전에 모델링된 동작을 바탕으로 실시간 헤드모션의 종류를 분류하는 모듈이다. 먼저 실시간으로 헤드셋 부분으로부터 가속도 센서의 값을 전송 받는다. 그리고 동작 분석을 위한 특징을 계산해 낸다. 이 값을 미리 학습된 동작의 특징값과 비교하여 동작을 분류해낸다. [Fig.
모션 분류기란?
모션 분류기는 입력된 가속도센서 값을 이용하여 사전에 모델링된 동작을 바탕으로 실시간 헤드모션의 종류를 분류하는 모듈이다. 먼저 실시간으로 헤드셋 부분으로부터 가속도 센서의 값을 전송 받는다.
착용형 컴퓨팅을 위한 동작인식 방법의 예시는?
착용형 컴퓨팅을 위한 동작인식 방법은 다양한 기술이 개발되고 있지만, 상용화 단계의 제품을 살펴보면 크게 헨드핼드형, 착용형, 거치형, 그리고 체중계형으로 나눌 수 있다. 손으로 들고 다니며 동작을 인식하는 제품으로는 스마트폰이나 3D 리모콘을 예를 들 수 있다. 착용형 제품은 스마트 안경, 스마트 시계 등이며, 거치형은 키넥트나 립모션과 같이 외부에서 사람의 동작을 파악할 수 있도록 거치하는 것이다. 체중계형은 발판 형태로 장치를 제작하여 사용자가 그 위에서 움직이면 동작을 인식할 수 있는 장치이다. 이 중 스마트 안경과 같이 사람의 머리에 착용하는 장치가 개발되고 있어 이를 위한 동작 인식 방법 및 활용 방안이 연구될 필요가 있다.
참고문헌 (14)
최아영, 황재인, "웨어러블 혼합현실 연구 및 산업 동향: HMD와 인터랙션 분야," 한국정보과학회 정보과학회지 33(11), 2015.11, 19-26.
이재열, "웨어러블 컴퓨팅 연구 (Wearable Computing) 최신 동향," (사)한국CDE학회, 한국CAD/CAM학회지 17(1), 2011.4, 9-12.
Han-Kyung Yun, Bok-Hee Song, Sul-Hee Lee, "Dynamic Characteristic Analysis of User's Motions with Smartphone," Journal of Convergence Information Technology (JCIT), Vol. 8, No. 4, 2013
Louis-Philippe Morency, Candace Sidner, Christopher Lee, and Trevor Darrell. 2005. Contextual recognition of head gestures. In Proceedings of the 7th international conference on Multimodal interfaces (ICMI '05). ACM, New York, NY, USA, 18-24.
Louis-Philippe Morency, Candace Sidner b, Christopher Lee, Trevor Darrell, Head gestures for perceptual interfaces: The role of context in improving recognition, Artificial Intelligence, Volume 171, Issues 8-9, June 2007, Pages 568-585
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.