사전 자세에 따른 근전도 기반 손 제스처 인식
Recognition of hand gestures with different prior postures using EMG signals
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
손 제스처의 인식은 구어 사용이 어려운 사람들의 의사소통을 위한 중요한 기술이다. 제스처 인식에 널리 사용되는 근전도 신호는 사전 자세에 따라 동작이 달라지기 때문에 제스처 인식의 어려움이 있을 것으로 예상되지만, 이에관한 연구는 찾기 어렵다. 본 연구에서는 사전 자세에 따른 제스처 인식 성능의 변화를 분석하였다. 이를 위해 총 20명의 피험자에게서 사전 자세를 가지는 동작에 대한 근전도 신호를 측정하고, 제스처 인식을 실험하였다. 그 결과, 학습및 테스트 데이터 간 사전 상태가 단일한 경우에는 평균 89.6%의 정확도를, 상이한 경우에는 평균 52.65%의 정확도를보였다. 반면, 사전 자세를 모두 고려한 경우에는 정확도가 다시 회복됨을 발견하였다. 이를 통해 본 연구에서는 근전도를 활용하는 손 제스처 인식시에 사전 자세가 다양하게 고려하여야 함을 실험적으로 확인하였다.
Abstract
Hand gesture recognition is an essential technology for the people who have difficulties using spoken language to communicate. Electromyogram (EMG), which is often utilized for hand gesture recognition, is expected to have difficulties in hand gesture recognition because its people's movements varies depending on prior postures, but the study on this subject is rare. In this study, we conducted tests to confirm if the prior postures affect on the accuracy of gesture recognition. Data were recorded from 20 subjects with different prior postures. We achieved average accuracies of 89.6% and 52.65% when the prior states between the training and test data were unique and different, respectively. The accuracy was increased when both prior states were considered, which confirmed the need to consider a variety of prior states in hand gesture recognition with EMG.
참고문헌 (18)
- "Korean Statistical Information Service"[URL]
- R. L. Weerasinghe, "A Comprehensive Review on Vision-based Sign Language Detection and Recognition", 2022 International Research Conference on Smart Computing and Systems Engineering, 5, pp.88~95 (2022)
- S. A. M. A. S. Senanayaka, "Continuous American Sign Language Recognition Using Computer Vision and Deep Learning Technologies", 2022 IEEE Region 10 Symposium, pp.1~6 (2022)
- 김인혜, "딥러닝 기반 OpenPose를 이용한 한국 수화 동작 인식에 관한 연구", 디지털콘텐츠학회논문지, 22(4), pp.681~687 (2021), 한국디지털콘텐츠학회[DOI]
- S. Shin, "Korean Sign Language Recognition Using EMG and IMU Sensors Based on Group-Dependent NN Models", 2017 IEEE Symposium Series on Computational Intelligence, pp.1~7 (2017)
- 육도경, "표면 근전도를 이용한 손동작 인식", 한국소음진동공학회논문집, 28(6), pp.670~676 (2018), 한국소음진동공학회[DOI]
- C. Savur, "Real-Time American Sign Language Recognition System Using Surface EMG Signal", 2015IEEE 14th International Conference on Machine Learning and Applications, pp.497~502 (2015)
- A. B. H. Amor, "A deep learning based approach for Arabic Sign Language Alphabet Recognition Using Electromyographic Signals", 20218th International Conference on ICT & Accessibility, pp.1~4 (2021)
- S. Yuan, "Chinese Sign Language Alphabet Recognition Based on Random Forest Algorithm", 2020 IEEE International Workshop on Metrology for Industry 4.0 & IoT, pp.340~344 (2022)
- J. Qi, "Surface EMG Hand Gesture Recognition System Based on PCA and GRNN", Neural Computing and Applications, 32, pp.6343~6351 (2020)
- M. A. Ozdemir, "EMG Based Hand Gesture Recognition Using Deep Learning", 2020 Medical Technologies Congress, pp.1~4 (2020)
- X. Chen, "Hand Gesture Recognition Based on Surface Electromyography Using Convolutional Neural Network with Transfer Learning Method", IEEE Journal of Biomedical and Health Informatics, 25(4), pp.1292~1304 (2020)
- 박종준, "표면근전도 신호를 활용한 CNN 기반 한국 지화숫자 인식을 위한 아래팔 근육과 전극 위치에 관한 연구", 한국산학기술학회논문지, 19(8), pp.260~267 (2018), 한국산학기술학회[DOI]
- "Myoware muscle sensor"[URL]
- M. Jordanić, "A Novel Spatial Feature for The Identification of Motor Tasks Using High-Density Electromyography", Sensors, 17(7), pp.1597~ (2017)
- 김서현, "CNN-LSTM 결합 모델을 통한 압력 센서 기반 숫자 제스처 인식", 전자공학회논문지, 60(12), pp.52~58 (2023), 대한전자공학회
- T. T. Um, "Data Augmentation of Wearable Sensor Data for Parkinson’s Disease Monitoring Using Convolutional Neural Networks", Proceedings of the 19th ACM International Conference on Multimodal Interaction, pp.216~220 (2017)
- A. L. Guennec, "Data Augmentation for Time Series Classification Using Convolutional Neural Networks", ECML, 2016, ~