• Journal of Broadcast Engineering
• /
• v.23 no.2
• /
• pp.246-252
• /
• 2018

Hand gestures are attracting attention as a NUI (Natural User Interface) of wearable devices such as smart glasses. Recently, to support efficient media consumption in IoT (Internet of Things) and wearable environments, the standardization of IoMT (Internet of Media Things) is in the progress in MPEG. In IoMT, it is assumed that hand gesture detection and recognition are performed on a separate device, and thus provides an interoperable interface between these modules. Meanwhile, deep learning based hand gesture recognition techniques have been recently actively studied to improve the recognition performance. In this paper, we propose a method of hand gesture recognition based on CNN (Convolutional Neural Network) for various applications such as media consumption in wearable devices which is one of the use cases of IoMT. The proposed method detects hand contour from stereo images acquisitioned by smart glasses using depth information and color information, constructs data sets to learn CNN, and then recognizes gestures from input hand contour images. Experimental results show that the proposed method achieves the average 95% hand gesture recognition rate.

• Journal of The Korean Association of Information Education
• /
• v.15 no.1
• /
• pp.147-154
• /
• 2011

In this Paper, we suggest the effective pre-correction algorithm on sensor values and the classification algorithm for gesture recognition that use values for each axis of the accelerometer to send data(a number or specific input data) to device. we know that creation of reliable preprocessed data in experimental results through the error rate of X-Axis and Y-Axis for pre-correction and post-correction. we can show high recognition rate through recognizer using the normalization and classification algorithm for the preprocessed data.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2015.07a
• /
• pp.159-160
• /
• 2015

본 논문에서는 사용자의 제스처를 인식하여 동작하는 비 접촉식 크로마키 시스템을 제안한다. 이를 위해서 키넥트 카메라로부터 깊이(depth) 이미지와 RGB 이미지를 입력받는다. 먼저 깊이 카메라와 RGB 카메라의 위치 차이로 인한 불일치(disparity)를 보정하고, 깊이 이미지에 대해 모폴로지 연산을 수행하여 잡음을 제거한 후 RGB 이미지와 결합하여 객체 영역을 추출한다. 추출된 객체영역을 분석하여 사용자 손의 위치와 모양을 인식하고 손의 위치와 모양을 포인팅 장비로 간주하여 크로마키 시스템을 제어한다. 실험을 통해 비접촉식 크로마키 시스템이 실시간으로 동작함을 확인하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2012.07a
• /
• pp.305-308
• /
• 2012

본 논문에서는 스마트폰 가속도 센서를 이용한 새로운 사용자 인터페이스인 모션 제스쳐 프레임워크를 제안한다. 최근 IT 패러다임의 변화를 주도하고 있는 스마트폰의 대표적인 특징 중의 하나가 터치 인터페이스이다. Apple 사의 iPhone은 세계 최초로 터치스크린으로 가능한 사용자 입력들을 체계적으로 정리하여 터치 제스처를 정의하고 상용화에 성공 하였다. 본 연구에서는 기존의 터치 인터페이스를 대체하거나 보완할 새로운 인터페이스로서 스마트폰의 가속도 센서를 이용한 모션 제스처 프레임워크를 설계하고, 실제 스마트폰 응용 프로그램의 사용자 인터페이스에 적용하여 활용 가능성을 보여준다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1513-1516
• /
• 2013

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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.1514-1517
• /
• 2010

최근 출시된 IPhone이나 Android Phone들을 보면 인터페이스의 편리성과 엔터테이먼트적인 요소의 극대화를 위한 가속도센서, 디지털 나침반, 근접센서, 조도센서 등, 다양한 센서들을 디바이스에 포함하고 있다. 이들 중 가속도 센서를 이용한 다양한 인터페이스가 여러 스마트폰 게임과 어플리케이션들에서 사용되고 있는데 본 논문에서는 가속도 센서의 각축의 값들을 이용해 문자나 특정 입력 값을 기기에 전달할 수 있는 제스처 인식을 위한 센서 값들의 효율적인 사전 보정 알고리즘에 대해서 제안하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.04a
• /
• pp.401-404
• /
• 2010

고성능 단말기와 다양한 컨텐츠가 제공되면서 제스처 기반 사용자 인터페이스에 대한 관심이 높아지고 있다. 하지만 기존의 알고리즘을 사용하기 위해서는 센서 장치를 사용하거나 사용자가 부자연스러운 장비를 착용해야 하는 경우가 많다. 본 논문에서는 카메라를 통해 입력된 영상 정보만으로 사용자가 착용한 색상 마커를 실시간으로 검출하는 알고리즘을 제안한다. 본 논문이 제안하는 마커 인식 알고리즘은 색상 감지와 움직임 감지로 나뉜다. 단일 프레임에서 영상 성분 평균을 이용한 조건검사를 통하여 색상 영역을 검출한다. 다음으로, 인접한 프레임간의 평균 영상과 현재 영상과의 차를 가중치로 이용하여 배경 범위를 설정하고 이 범위를 벗어난 영역을 움직임 영역으로 검출한다. 마지막으로 색상 검출 영역과 움직임 검출 영역을 동시에 만족하고 이웃한 픽셀들도 위 조건을 동시에 만족하면 최종적으로 사용자의 마커로 인식한다. 본 논문이 제안하는 알고리즘은 영상 정보만 사용하기 때문에 사용자는 센서나 부자연스러운 장비를 착용할 필요가 없고 일조량에 따른 조도의 변화에 강건하기 때문에 효과적인 사용자 움직임 검출이 가능하다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.339-340
• /
• 2009

현대의 PC 환경에서 사용자 인터페이스의 변화는 계속하여 발전할 것으로 기대된다. HCI 전용 인터페이스는 종래의 CLI; Command Line Interface의 시대에서 MS-Windows 기반의 Graphic User Interface의 시대로 전환되어 왔으며, 가까운 미래에는 NUI; Natural User Interface의 시대로 도래함은 부정할 수 없는 현실이다. 미래에는 전통적인 표준 입력 장치인 키보드, 마우스를 탈피하여 새로운 개념의 입력 장치들이 개발되고, 터치 방식과 같이 인간의 직관적 인지능력을 흉내 낸 인터페이스로 발전할 것이다. 본 논문에서는 NUI의 사례 연구로서 닌텐도 WiiRemote를 Bluetooth와 함께 PC에 연동하여 차세대 인터페이스인 PC Controller를 설계, 사람 제스처를 통한 자연스런 한글입력의 가능성을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.353-354
• /
• 2009

최근 사용자의 다중 입력이 가능한 멀티 터치(Multi-Touch) 기술은 HCI(Human Computer Interaction) 분야에서 가장 주목 받고 있는 기술 가운데 하나이다. 그러나 이러한 터치 기술은 입력 장치에 의존적이기 때문에 공간적 제약의 문제를 지니고 있다. 따라서 본 논문에서는 멀티 터치 디스플레이 장치에서 사용자 입력 처리를 위해서 사용되는 확산 투광(DI: Diffused illumination)방식을 이용하여 사용자 입력에 있어서 공간적 제약이 없는 공간 마우스를 구현한다. 제안하는 공간 마우스는 기본적인 마우스 이벤트 처리뿐만 아니라 확장된 사용자 멀티 제스쳐를 위한 성능 향상 방안을 제시한다. 구현된 공간 마우스는 윈도우 어플리케이션 사용 환경에 적용한 결과 성공적인 결과를 보였다.

• Journal of Korea Multimedia Society
• /
• v.17 no.2
• /
• pp.124-131
• /
• 2014

In this paper, we propose the non-contact gesture recognition algorithm using 4- channel electrometer sensor array. ELF(Extremely Low Frequency) EMI and PLN are minimized because ambient electromagnetic noise around sensors has a significant impact on entire data in indoor environments. In this study, we transform AC-type data into DC-type data by applying a 10Hz LPF as well as a maximum buffer value extracting algorithm considering H/W sampling rate. In addition, we minimize the noise with the Kalman filter and extract 2-dimensional movement information by taking difference value between two cross-diagonal deployed sensors. We implemented the DTW gesture recognition algorithm using extracted data and the time delayed information of peak values. Our experiment results show that average correct classification rate is over 95% on five-gesture scenario.