$\require{mediawiki-texvc}$

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.

손 표현 인식을 위한 계층적 손 자세 모델
Hierarchical Hand Pose Model for Hand Expression Recognition 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.25 no.10, 2021년, pp.1323 - 1329  

허경용 (Department of Electronic Engineering, Dong-eui University) ,  송복득 (Intelligent Convergence Research Laboratory, ETRI) ,  김지홍 (Department of Electronic Engineering, Dong-eui University)

초록
AI-Helper 아이콘AI-Helper

손 표현 인식을 위해서는 손의 정적인 형태를 기반으로 하는 손 자세 인식과 손의 동적인 움직임을 기반으로 하는 손 동작 인식이 함께 사용된다. 이 논문에서는 손 표현 인식을 위해 손가락의 위치와 형태를 기반으로 하는 계층적 손 자세 모델을 제안한다. 손 자세 인식을 위해서는 오픈소스인 미디어파이프를 기반으로 하고, 손가락 상태를 나타내는 모델과 이를 통해 손 자세를 나타내는 모델을 계층적으로 구성하였다. 손가락 모델 역시 손가락 하나의 굽힘과 손가락 두 개의 닿음을 사용하여 계층적으로 구성하였다. 제안하는 모델은 손을 통해 정보를 전달하는 다양한 응용에 사용할 수 있으며, 수화에서의 숫자 인식에 적용하여 그 유용성을 검증하였다. 제안하는 모델은 수화 인식 이외에 컴퓨터의 사용자 인터페이스에서 다양한 응용이 가능할 것으로 기대한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

For hand expression recognition, hand pose recognition based on the static shape of the hand and hand gesture recognition based on the dynamic hand movement are used together. In this paper, we propose a hierarchical hand pose model based on finger position and shape for hand expression recognition....

주제어

#손 표현   #손 자세 인식   #계층 모델   #미디어파이프   #수화  

표/그림 (7)

참고문헌 (10)

  1. M. Patel and N. Kalani, "A Survey on Pose Estimation using Deep Convolutional Neural Networks," in Proceedings of 2nd International Conference on Machine Learning, Security and Cloud Computing, Hyderabad, India, pp. 1-9, 2020. 

  2. M. M. Rahman, Y. Tan, J. Xue, and K. Lu, "Recent Advances in 3D Object Detection in the Era of Deep Neural Networks: A Survey," IEEE Transactions on Image Processing, vol. 29, pp. 2947-2962, 2020. 

    상세보기 crossref

  3. A. Singh, S. Agarwal, P. Nagrath, A. Saxena, and N. Thakur, "Human Pose Estimation Using Convolutional Neural Networks," in Proceedings of 2019 Amity International Conference on Artificial Intelligence, Dubai, United Arab Emirates, pp. 946-952, 2019. 

  4. R. Berral-Soler, F. J. Madrid-Cuevas, R. Munoz-Salinas, and M. J. Marin-Jimwnez, "RealHePoNet: a robust single-stage ConvNet for head pose estimation in the wild," Neural Computing and Applications, vol. 33, no. 13, pp. 7673-7689, July. 2021. 

    상세보기 crossref

  5. X. Ji, Q. Fang, J. Dong, Q Shuai, W. Jiang, and X. Zhou, "A survey on monocular 3D human pose estimation," Virtual Reality & Intelligent Hardware, vol. 2, no. 6, pp. 471-500, Dec. 2020. 

    상세보기 crossref

  6. T. Chatzis, A. Stergioulas, D. Konstantinidis, K. Dimitropoulos, and P. Daras, "A Comprehensive Study on Deep Learning-Based 3D Hand Pose Estimation Methods," Applied Sciences, vol. 10, no. 19, pp. 1-27, Sep. 2020 

  7. MediaPipe [Internet]. Available: https://mediapipe.dev. 

  8. M. Pandiya, S. Dassani, and P. Mangalraj, "Analysis of Deep Learning Architectures for Object Detection - A Critical Review," in Proceedings of 2020 IEEE-HYDCON International Conference on Engineering in the 4th Industrial Revolution, Hyderabad, India, pp. 1-6, 2020. 

  9. W. Liu, D. Anguelov, D. Erhan, C. Szegedy, S. Reed, C. Y. Fu, and A. C. Berg, "SSD: Single Shot MultiBox Detector," in Proceedings of 2016 European Conference on Computer Vision, Amsterdam, Netherlands, pp. 21-37, 2016. 

  10. T. Y. Lin, P. Dollar, R. Girshick, K. He, B. Hariharan, and S. Belongie, "Feature Pyramid Networks for Object Detection," in Proceedings of 2017 IEEE Conference on Computer Vision and Pattern Recognition, Honolulu, USA, pp. 936-944, 2017. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 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