선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이전 연구에서 동심원 추적 알고리즘을 이용하여 특징을 추출 후 손동작을 인식하는 방법을 제안하였다[6].본 논문에서는 임베디드 시스템에서 활용할 수 있는 손동작 인식 알고리즘을 제안한다. 제안하는 알고리즘은 손을 구성하는 윤곽선의 모든 점을 찾는 과정을 수행하지 않고 동심원의 확장을 통해 추상화된 윤곽선만을 구하기 때문에 기존의 알고리즘과 비교해 속도가 우수할 뿐만 아니라 펼쳐진 손가락의 개수를 이용한 손동작 인식에 대하여 기존의 알고리즘들과 유사한 수준의 인식률을 보였음으로 임베디드 시스템과 같은 제한된 자원을 가진 저사양의 시스템에서도 활용할 수 있다.
제안 방법
- 이 방법은 사용자에게 별도의 장비의 착용을 요구하지 않기 때문에 사용자가 장비 착용에 따른 불편함과 부자연스러움을 느끼지 않게 되는 이점이 있어 최근 진행되는 연구들은 카메라로부터 획득한 영상만을 이용하여 손동작을 인식 하는 방법이 주가 되고 있다. 카메라를 이용한 손동작 인식 알고리즘들 중 기존의 손을 구성하는 윤곽선의 모든 점들을 윤곽선 추적 알고리즘[3]을 이용하여 체인코드 형식으로 구성한 후, 형태상의 특징을 구하여 손동작을 인식하는 알고리즘은 다음과 같다.
- 본 논문에서는 임베디드 시스템에서 활용할 수 있는 손동작 인식 알고리즘을 제안한다. 제안하는 알고리즘은 손을 구성하는 윤곽선의 모든 점을 찾는 과정을 수행하지 않고 동심원의 확장을 통해 추상화된 윤곽선만을 구하기 때문에 기존의 알고리즘과 비교해 속도가 우수할 뿐만 아니라 펼쳐진 손가락의 개수를 이용한 손동작 인식에 대하여 기존의 알고리즘들과 유사한 수준의 인식률을 보였음으로 임베디드 시스템과 같은 제한된 자원을 가진 저사양의 시스템에서도 활용할 수 있다.
- 카메라로부터 영상을 입력 받은 후 이미지의 노이즈를 제거하고 손 부분의 ROI를 정의하는 전처리 과정, 정의된 ROI에서 손동작을 분류할 수 있는 특징점을 구하는 특징점 추출 과정, 추출한 특징점으로부터 손동작을 분류하는 손동작 분류 과정으로 구성된다.
- 전처리 과정에서는 카메라로부터 영상을 입력 받은 후 입력받은 영상의 노이즈를 제거하는 가우시안 블러링을 수행한다. 사용한 가우시안커널은 σ가 1이고 크기가 7 ×7 이다.
- 이진영상에는 조명의 상태에 따라 홀과 노이즈가 발생할 수 있다. 이를 제거하기 위하여 모폴로지 연산 중닫힘 연산을 영상에 수행한다.
- 전처리 과정을 통해 얻은 영상에서 거리변환을 이용하여 손바닥의 중심점과 손바닥의 반지름을 구하고 제안하는 동심원 추적을 이용한 윤곽선 추정 알고리즘을 통해 추상화된 손가락의 윤곽선을 찾은 후 펼쳐진 손가락의 개수를 계산한다. 그 다음 펼쳐진 손가락의 개수를 기준으로 손동작을 분류하는 과정을 수행한다.
- 손바닥의 중심점과 손바닥의 반지름을 구하기 위하여 본 논문에서는 거리변환을 이용한다. 거리변환에 이용한 공식은 식 (1)와 같으며 이진영상에 적용하여 유클 리디안 거리 값을 갖는 거리변환영상을 구한다.
- N(i)는 i번째 손가락의 접힘 유무를 표현한 것이고 MAX(F(k))는 1부터 n단계까지의 동심원 추적을 통해 찾은 F(k) 중 최댓값을 의미한다.계산된 N값과 의사결정 트리를 이용하여 최종적으로 손동작을 분류한다.
- 실험에 사용한 영상의 수는 10명의 피험자로부터 각손동작 별로 20장씩 총 1000장이다. 제안한 알고리즘과 기존의 알고리즘의 성능 비교를 위하여 손가락의 개수를 기반으로 손동작을 구분하는 대표적인 알고리즘인 Malima[4]와 Nagarajan[5]의 알고리즘을 비교대상으로 정해 실험하였다. 실험 시에는 전 처리과정을 모두 동일하게 수행하였고 특징점 추출 및 손동작 분류는 각알고리즘의 방식을 사용하였다.
- 본 논문에서는 기존의 윤곽선 추적 알고리즘을 통해 윤곽선을 구한 후 특징점을 추출하여 손동작을 인식하는 방법 대신 동심원을 이용하여 추상화된 윤곽선을 구한 후 특징점을 추출하는 알고리즘을 활용하여 손동작을 인식하는 방법을 제안하였다. 실험결과 제안된 알고 리즘의 평균 인식률은 95%로서 기존의 알고리즘과 비교해 큰 차이가 없는 반면, 평균 수행속도는 기존의 알고 리즘과 비교하여 최대 44%이상 향상되었음을 확인하였다.
대상 데이터
- 알고리즘의 성능 평가를 위한 실험은 표 1의 환경에서 진행하였고 실험에 사용한 영상의 손동작은 그림 7과 같이 손가락의 개수별로 정의 했다.
- 실험에 사용한 영상의 수는 10명의 피험자로부터 각손동작 별로 20장씩 총 1000장이다. 제안한 알고리즘과 기존의 알고리즘의 성능 비교를 위하여 손가락의 개수를 기반으로 손동작을 구분하는 대표적인 알고리즘인 Malima[4]와 Nagarajan[5]의 알고리즘을 비교대상으로 정해 실험하였다.
이론/모형
- 제안한 알고리즘과 기존의 알고리즘의 성능 비교를 위하여 손가락의 개수를 기반으로 손동작을 구분하는 대표적인 알고리즘인 Malima[4]와 Nagarajan[5]의 알고리즘을 비교대상으로 정해 실험하였다. 실험 시에는 전 처리과정을 모두 동일하게 수행하였고 특징점 추출 및 손동작 분류는 각알고리즘의 방식을 사용하였다. 각 손동작별 인식률은 그림 8과 같다.
성능/효과
- 제안하는 알고리즘의 평균 인식률은 95% 정도로 기존에 사용되던 알고리즘과 큰 차이를 보이지 않음을 확인하였다. G2~G5의 인식률이 G1보다 낮음을 확인할수 있었고 이는 손의 형태의 복잡성이 증가함에 따라 윤곽선 추정과정이 실패하는 경우가 발생하였기 때문 이다.
- G2~G5의 인식률이 G1보다 낮음을 확인할수 있었고 이는 손의 형태의 복잡성이 증가함에 따라 윤곽선 추정과정이 실패하는 경우가 발생하였기 때문 이다. 특징 추출과정이 단순한 Malima의 알고리즘은 손동작의 종류와 관계없이 균일한 인식률을 보여주는 반면 상대적으로 복잡한 추출 과정을 가진 Nagarajan의알고리즘의 인식률은 손가락의 개수가 증가할수록 인식률이 낮아지는 것을 확인할 수 있었다. 그림 9는 전처 리과정을 제외한 각 손동작에 대한 알고리즘 별 평균수행 시간이다.
- 제안하는 알고리즘은 평균 수행시간은 1.29ms로서 Malima의 알고리즘과 비교하여 약 30%, Nagarajan의알고리즘과 비교하여 약 44%의 처리시간이 단축되었다. 제안하는 알고리즘은 손의 윤곽선을 구성하는 모든 점을 찾는 윤곽선 추적 알고리즘을 사용하지 않기 때문에 인식률의 저하를 최소화 하면서도 매우 빠른 속도로 손동작을 인식할 수 있음을 확인할 수 있었다.
- 29ms로서 Malima의 알고리즘과 비교하여 약 30%, Nagarajan의알고리즘과 비교하여 약 44%의 처리시간이 단축되었다. 제안하는 알고리즘은 손의 윤곽선을 구성하는 모든 점을 찾는 윤곽선 추적 알고리즘을 사용하지 않기 때문에 인식률의 저하를 최소화 하면서도 매우 빠른 속도로 손동작을 인식할 수 있음을 확인할 수 있었다.
- 본 논문에서는 기존의 윤곽선 추적 알고리즘을 통해 윤곽선을 구한 후 특징점을 추출하여 손동작을 인식하는 방법 대신 동심원을 이용하여 추상화된 윤곽선을 구한 후 특징점을 추출하는 알고리즘을 활용하여 손동작을 인식하는 방법을 제안하였다. 실험결과 제안된 알고 리즘의 평균 인식률은 95%로서 기존의 알고리즘과 비교해 큰 차이가 없는 반면, 평균 수행속도는 기존의 알고 리즘과 비교하여 최대 44%이상 향상되었음을 확인하였다. 제안하는 알고리즘의 낮은 계산복잡도를 활용하여 모바일이나 임베디드 시스템과 같은 저사양의 시스템에 서의 입력 인터페이스로의 활용가능성을 확인할 수 있었다.
- 실험결과 제안된 알고 리즘의 평균 인식률은 95%로서 기존의 알고리즘과 비교해 큰 차이가 없는 반면, 평균 수행속도는 기존의 알고 리즘과 비교하여 최대 44%이상 향상되었음을 확인하였다. 제안하는 알고리즘의 낮은 계산복잡도를 활용하여 모바일이나 임베디드 시스템과 같은 저사양의 시스템에 서의 입력 인터페이스로의 활용가능성을 확인할 수 있었다. 현재 연구에서는 추상화된 윤곽선의 정밀도가 낮기 때문에 다양한 특징점의 추출에 어려움이 있다.
후속연구
- 현재 연구에서는 추상화된 윤곽선의 정밀도가 낮기 때문에 다양한 특징점의 추출에 어려움이 있다. 따라서 차기 연구에서는 추상화된 윤곽선의 정밀도를 향상 시켜 단순히 펼쳐진 손가락의 개수뿐만 아니라 다양한 특징점을 추출할 수 있도록 하여 다양한 손동작을 인식할 수 있도록 알고리즘을 개선해야할 필요성이 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.