Abstract
In this paper, we propose an efficient method of estimating a critical threshold which is used to reject unreliable patterns in a HMM based recognition system. The rejection methods based on the anti-models which are formulated as the statistical hypothesis determine whether or not to accept an input pattern by comparing the likelihood ratio of HMM and anti-models to a critical threshold. It is quite difficult to fix a threshold for the probability of a HMM because the range of such probabilities varies severely depending on the chosen class model. We estimate the critical threshold, which is very class-dependent, using the likelihood scores for the training database. In our experiments, we applied the proposed estimating method of the threshold to the HMM based 3D hand gesture recognition system. We found that this method can be used successfully for rejecting unreliable input gestures regardless of the types of anti-models.
본 논문에서는 HMM 기반의 인식시스템에서 신뢰성이 낮은 입력패턴을 거절하기 위해 필요한 임계 문턱값을 효과적으로 추정하는 방법을 제안한다. Anti-model을 이용한 거절방식은 통계적 가설(statistical hypothesis)에 근거하여 주어진 입력에 대한 HMM과 anti-model 간의 유사도를 임계 문턱값과 비교하여 거절 여부를 결정한다. HMM은 각 클래스 별로 출력값의 편차가 심하게 나타나므로 일률적인 문턱값을 적용하는 것이 어렵다. 본 논문에서는 각 클래스 별로 HMM 생성을 위해 사용된 학습데이터를 이용하여 클래스에 종속적인 임계 문턱값을 추정하는 방법을 제안한다. 각 클래스에서의 임계 문턱값은 학습데이터에 대한 HMM과 anti-model 간의 유사도로부터 추정된다. 실험에서는 HMM 기반의 3차원 손 제스처 인식시스템에 대해 제안한 문턱값 추정방법을 적용하여 거절검사를 수행하였다. 실험 결과로부터 제안한 임계 문턱값 추정방법이 anti-model 구현 방식에 관계없이 적용이 가능하고 추정된 문턱값을 이용하여 부적절한 입력 패턴을 적절하게 거절할 수 있음을 확인할 수 있었다.
