$\require{mediawiki-texvc}$

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.

게임 인터페이스를 위한 사람 팔 제스처 인식 시스템
The Recognition of a Human Arm Gesture for a Game Interface 원문보기

한국정보처리학회 2013년도 제40회 추계학술발표대회, 2013 Nov. 08, 2013년, pp.1513 - 1516  

여동현 (서울호서전문학교 사이버해킹보안과) ,  김경한 (서울호서전문학교 사이버해킹보안과) ,  김현정 (건국대학교 컴퓨터공학과) ,  원일용 (서울호서전문학교 사이버해킹보안과)

초록
AI-Helper 아이콘AI-Helper

본 연구는 최근 개발된 다양한 저비용 센서와 기계 학습 알고리즘을 이용한 게임을 위한 사람 팔 제스처 인식에 관한 것이다. 게임의 입력으로 사용할 수 있는 동작 10개를 정의하고, 이러한 동작들을 센서에서 수집된 팔 관절의 좌표를 추적하여 전처리했다. 자료의 시간성을 고려하여 HMM(Hidden Markov Model)을 학습 알고리즘으로 사용하였으며 제안한 방법의 유용성은 실험을 통해 검증했다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 연구는 게임에서 사용할 팔 제스처를 인식하는 시스템에 대한 것이다. 우리는 저가의 센서에서 제공되는 1 차 자료 중 팔 관절의 3 차원 좌표의 움직임에 주목하여 기존 연구들과는 다른 전처리를 하고 이러한 데이터가 시간적 특징을 가지고 있다는 점을 고려하여 학습알고리즘으로 HMM 을 사용했다.
  • 게임 등 다양한 응용에서 자동으로 제스처를 인식할 수 있는 시스템에 대한 요구는 증가하고 있으며, 여러 응용에 사용되고 있다. 본 연구에서 우리는 저가의 동작인식 센서를 사용하여 인체 관절의 위치를 추적하고 기록하여 이것을 HMM 이용하여 학습하는 시스템을 제안 하고 실험으로 성능을 관찰했다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
Kinect는 어떤 문제점을 가지고 있는가? 저가형 동작 인식 센서인 Kinect 에서 사람을 인식시 Fig 1 과 같이 다양한 관절의 위치를 3 차원으로 실시간 인식하여 정보를 얻을 수 있다. 전체 제공되는 최대 관절의 수는 20 개이며, 입력 상태에 따라 어떤 관절 정보는 인식되지 않아 해당 정보가 오지 않는 경우도 있다. 허나 인식되지 않더라도 대략적 위치를 추측하여 뼈대를 형성시킬 수 있다. 하지만 아직 Kinect 는 저해상도 모델이기 때문에 간혹 사람의 형태가 아닌 주변의 물건을 사람으로 인식하기도 하는 문제점이 존재한다.
Kinect에서 제공하는 최대 관절의 수는 몇 개인가? 저가형 동작 인식 센서인 Kinect 에서 사람을 인식시 Fig 1 과 같이 다양한 관절의 위치를 3 차원으로 실시간 인식하여 정보를 얻을 수 있다. 전체 제공되는 최대 관절의 수는 20 개이며, 입력 상태에 따라 어떤 관절 정보는 인식되지 않아 해당 정보가 오지 않는 경우도 있다.
제스처 인식 분야에 많이 사용되고 있는 알고리즘에는 무엇이 있는가? 이렇게 센서에서 수집된 데이터는 인식을 위해 어떤 학습 알고리즘을 사용하는가에 따라 다양한 전처리가 필요하고 성능도 다르다. 주로 제스처 인식 분야에 많이 사용되고 있는 알고리즘은 동적 시간 정합(Dynamic Time Warping, DTW) 알고리즘, 은닉 마르코프 모델(HMM) 또는 조건적 랜덤 필드(Conditional Random Field, CRF) 등이 있다[3-5].
질의응답 정보가 도움이 되었나요?

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

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