Journal of the Korean Institute of Intelligent Systems (한국지능시스템학회논문지)

Korean Institute of Intelligent Systems (한국지능시스템학회)
권호 표지
DOI QR코드

DOI QR Code

A Personalized Hand Gesture Recognition System using Soft Computing Techniques

소프트 컴퓨팅 기법을 이용한 개인화된 손동작 인식 시스템

  • 전문진 (한국항공우주연구원 다목적3호체계팀) ;
  • 도준형 (한국과학기술원 인간친화 복지로봇시스템 연구센터) ;
  • 이상완 (한국과학기술원 전자전산학과) ;
  • 박광현 (광운대학교 정보제어공학과) ;
  • 변증남 (한국과학기술원 전자전산학과)
  • Published : 2008.02.25
Download PDF
⟨ Previous Next ⟩

Abstract

Recently, vision-based hand gesture recognition techniques have been developed for assisting elderly and disabled people to control home appliances. Frequently occurred problems which lower the hand gesture recognition rate are due to the inter-person variation and intra-person variation. The recognition difficulty caused by inter-person variation can be handled by using user dependent model and model selection technique. And the recognition difficulty caused by intra-person variation can be handled by using fuzzy logic. In this paper, we propose multivariate fuzzy decision tree learning and classification method for a hand motion recognition system for multiple users. When a user starts to use the system, the most appropriate recognition model is selected and used for the user.

최근 하지가 불편한 노약자나 장애인이 집안의 다양한 가전기기를 손쉽게 제어하기 위한 비전 기반의 손동작 인식 기술이 발전해 왔다. 다수의 사용자가 하나의 손동작 인식 시스템을 사용할 경우 사용자마다 손동작 특성이 모두 다르기 때문에 특정 사용자의 인식률이 저하되는 문제가 발생한다. 또한 동일한 사용자라 하더라도 시간에 따라 손동작 특성이 변화할 수 있다. 사용자마다 다른 손동작 특성은 모델 학습 및 선택 기법을 사용해 효과적으로 다루어질 수 있다. 시간에 따라 변하는 사용자의 특성은 퍼지 개념을 이용해 효과적으로 다루어질 수 있다. 본 논문에서는 다변량 퍼지 의사 결정트리를 이용해 사용자 별 인식모델을 만드는 방법을 제시한다. 또한 새로운 사용자가 시스템을 사용할 경우 가장 적합한 모델을 선택해 인식에 사용하고 인식률을 측정한다.

Keywords

References

  1. Jun-Hyeong Do, Hyoyoung Jang, Sung Hoon Jung, Jinwoo Jung, Zeungnam Bien, "Soft Remote Control System in the Intelligent Sweet Home", Proc. of IEEE Int. conf. on IROS, pp. 3984-3989, 2005
  2. Sung Hoon Jung, Incremental User Adaptation in Korean Sign Language Recognition Using Motion Similarity and Prediction from Adaptation History, Master's Thesis, KAIST, 2007
  3. Herve Bourlard, "Links Between Markov Models and Multilayer Perceptrons", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.12, No.12, pp. 1167-1178, Dec. 1990 https://doi.org/10.1109/34.62605
  4. Cezary Z. Janikow, "Fuzzy Decision Trees : Issues and Methods", IEEE Transactions on systems, man, and cybernetics, Vol. 28, No. 1, pp. 1-14, Feb 1998
  5. Koen-Myung Lee, Kyung-Mi Lee, Jee-Hyong Lee, Hyung Lee-Kwang, "A Fuzzy Decision Tree Induction Method for Fuzzy Data", 1999 IEEE International Fuzzy Systems Conference Proceedings, Vol. 1, pp. 16-21, August 22-25, 1999, Seoul, Korea
  6. Moonjin Jeon, Jun-Hyeng Do, Sang-Wan Lee, Kwang-Hyun Park, Zeungnam Bien, "Hand Motion Recognition using Fuzzy Decision Tree", Proceedings of the 8th International Workshop on Human-friendly Welfare Robotic Systems, 21-23 October 2007, pp. 123-127
  7. L. Breiman, J. Friedman, C. J. Stone, and R. A. Olshen, Classification and Regression Trees, Wadsworth International Group, Belmont, CA, 1984
  8. Olcay Taner Yildiz and Ethem Alpaydin, "Linear Discriminant Trees", International Jounal of Pattern Recognition and Artificial Intelligence, Vol. 19, No. 3 pp. 323-353, 2005 https://doi.org/10.1142/S0218001405004125
  9. C.T. Lin, Neural Fuzzy Control Systems with Structure and Parameter Learning, World Scientific, 1994
  10. R.O. Duda, P.E. Hart, and D.G. Stork, Pattern Classification, 2nd edition, John Wiley & Sons, 2001
  11. C. J. Merz and P. M. Murphy, "UCI repository for machine learning data-bases," http://www.ics.u ci.edu/mlearn/MLRepository.html Department of Information and Computer Science. University of California, Irvine, 1996