[논문]인간행동 인식의 신경망적 접근

류중원; 조성배

인간행동 인식의 신경망적 접근
A Neural Network Approach to Recognition of Human Behaviors 원문보기

류중원 (연세대학교 컴퓨터과학과) , 조성배 (연세대학교 컴퓨터과학과)

인공 신경망은 체계적인 알고리즘으로 풀기 어려운 문제들을 해결하는데 사용되어오고 있다. 이는 인간의 뇌세포가 외부자극에 대해 반응하는 과정을 컴퓨터 시스템 상에서 구현한 것으로 새 인간과 컴퓨터의 상호작용을 연구하는데 흥미로운 접근방식이다. 본 논문에서는 신경망의 접근방법을 이용하여 인간행위 인식시스템을 구현하였다. 신경망을 이용해 구현된 컴퓨터 인식 시스템이 인간의 두 가지 정서 하에서 일어난 세가지 서로 다른 행동을 보고 행위자의 성별이나 강정상태를 얼마나 인식해낼 수 있는지 실험해 보았다. 특히, 성별 인식 실험에서는 신호탐지 이론에서 사용하는 인장도(discriminability)를 이용해 사람에 대한 이 시스템의 효율도를 계산하였다

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

문제 정의

본 논문에서 생물학적 운동의 인식 문제를 신경 망 방법으로 해결해보고자 하였다. 실험 결과, 신경망을 이용한 인간 행동의 성별 인식 실험에서는 83.
이와 같믄 맥락에서 본 논문에서는 신경망 접근 방식을 통해 인간의 행동을 인식하는 시스템을 구현하고, 인간의 인식능력과 비교하여 그 가능성믈 보이고자 한다.

제안 방법

이러한 동작은 짧고 쉬울 뿐만 아니己卜, Cutting과 Kozlowski 의 연구에서처럼 상체의 움직임이 하체보다 패턴 인식에 쉽다는 점 때문에 실험의 대상으로 채택되었다. 동작이 일어나는 동안 사람의 머리, 어깨, 팔꿈치, 손목, 손가락1, 손가락2의 여섯 지점의 속도변화를 추출하였다. 데이터는 남녀 각각 13명으로부터 얻어졌으며 각 동작은 10회씩 반복하였다.
여섯개 입력정들 중에서 어느 것이 성별 인식에 가장 효과적인지를 살펴보았다. [그림 7]에서 나타난 바와 같이 손가락1이 사용되었을 때 가장 높은 인식률을 보였다.
)이라는 3D 좌표 분석시스템을 통해 머리, 어깨, 팔꿈치, 손목, 손가락1, 손가락2의 여섯 지점들의 좌표 데이터를 수집하였다. 이로부터 각 지점의 속도값을 계산하였고, 사람마다 동작의 길이가 다르므로 일정한 수의 입력 노드를 가져야 하는 신경망에 입력하기 위해 다시 일정한 길이로 정규화하였다. [그림 2]는 원래의 패턴을 150으로 정규화한 예를 보여주고 있다.
이와 같은 맥락에서 본 논문에서는 행위자의 운동을 점광화면으로 나타내어 갹 점이 움직이는 속도의 변화를 인식의 특징점으로 사용하였다.

대상 데이터

동작이 일어나는 동안 사람의 머리, 어깨, 팔꿈치, 손목, 손가락1, 손가락2의 여섯 지점의 속도변화를 추출하였다. 데이터는 남녀 각각 13명으로부터 얻어졌으며 각 동작은 10회씩 반복하였다. 신경망은 C언 어로 작성되었으며 학습률은 0.
맨 처음 1974년 Paul Werbos가 다층 신경망에 대한 아이디어를 내놓은 이후, David Rumelhart, Geoffrey Hinton, Ronald Williams, David Parker, Yann Le Cun 등에 의해서 1980년대 중반에 각각 독립적으로 연구가 진행되어갔다. 이 논문에서는 [그림 3]와 같은 하나의 은닉층믈 가진 3층 역전파 신경망을 사용하였다.
행위자의 성별 및 감성인식 실험을 위해 사용된 정서 상태와 동작은, 보통상태(neutral), , '화난상태 (angry), 의, 문 두드리기(knocking), , '손 흔들기 (waving)「, 물건 들어올리기(liRing), 행동이다. 이러한 동작은 짧고 쉬울 뿐만 아니己卜, Cutting과 Kozlowski 의 연구에서처럼 상체의 움직임이 하체보다 패턴 인식에 쉽다는 점 때문에 실험의 대상으로 채택되었다. 동작이 일어나는 동안 사람의 머리, 어깨, 팔꿈치, 손목, 손가락1, 손가락2의 여섯 지점의 속도변화를 추출하였다.
행위자의 동작이 일어나는 동안 Optotrak (Northern Digital Co.)이라는 3D 좌표 분석시스템을 통해 머리, 어깨, 팔꿈치, 손목, 손가락1, 손가락2의 여섯 지점들의 좌표 데이터를 수집하였다. 이로부터 각 지점의 속도값을 계산하였고, 사람마다 동작의 길이가 다르므로 일정한 수의 입력 노드를 가져야 하는 신경망에 입력하기 위해 다시 일정한 길이로 정규화하였다.

이론/모형

이러한 신경망 모델들 중 본 논문에서 인간 행동의 인식을 위해서 사용한 것은 역전파(backpropagation) 알고리즘으로 학숍된 다증 신경망이다. 이는 현재 주어진 연결강도로 생성되는 오차 값을 구하여 이를 감소시키는 방향으로 연결강도의 값을 조정하는 델타 학습 알고리즘을 사용한 것이다 역전파 알고리즘은 현재 신경망 분야에서 가장 널리 사용되고 있다.

성능/효과

본 논문에서 생물학적 운동의 인식 문제를 신경 망 방법으로 해결해보고자 하였다. 실험 결과, 신경망을 이용한 인간 행동의 성별 인식 실험에서는 83.0% 정도의 인식률을 보였고, 감성 인식 실험에서는 약 86.6%의 인식률을 보였다. 이는 인간의 생물학적 움직임 인식 문제에 있어서 연결주의적 접근이 어느 정도 적절한 계산적 패러다임을 제공한다는 것을 보여주는 것이다.
여섯개의 사용가능한 지점들 중에서 하나만 학습 데이터로 사용하였을 때가 가장 학습 속도도 느리고 인식률도 낮았다. 하지만 많은 지점을 고려할수록 성능이 향상되어 여섯 지점을 모두 고려하는 경우 83.
전체적으로 평균 86.6%의 인식률을 보였는데 이는 성별 인식 실험 보다 약 3.6%가량 높은 것이다. 표 1, 3를 비교해보면, 손 흔들기, 동작에 대한 인식률이 높게 나온 것을 볼 수 있다.

후속연구

어떤 아바타의 움직임을 보고, 사람같다(human like), 라고 말한다면 그는 아바타의 무엇을 보고 그렇게 느끼는 걸까? 예전에는 컴퓨터가 단순한 수학적 계산만 반복하는게 고작이었지만, 요즘은 '좀더 빨리, 계산하는 시스템 보다는 '좀더 사람처럼' 동작하는 시스템을 선호하는 추세이다. 이렇게 사람처럼 행동하는 시스템을 구현하기 위해서는 인간의 행동 인식에 대한 제반 연구가 필요하다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

인간행동 인식의 신경망적 접근
A Neural Network Approach to Recognition of Human Behaviors 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

인간행동 인식의 신경망적 접근 A Neural Network Approach to Recognition of Human Behaviors 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

인간행동 인식의 신경망적 접근
A Neural Network Approach to Recognition of Human Behaviors 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper