Abstract
In this paper, we propose a real-time method of detecting hand motions and extracting the signal frame induced by EF(Electric Field) sensors. The signal induced by hand motion includes not only noises caused by various environmental sources as well as sensor's physical placement, but also different initial off-set conditions. Thus, it has been considered as a challenging problem to detect the motion signal and extract the motion frame automatically in real-time. In this study, we remove the PLN(Power Line Noise) using LPF with 10Hz cut-off and successively apply MA(Moving Average) filter to obtain clean and smooth input motion signals. To sense a hand motion, we use two thresholds(positive and negative thresholds) with offset value to detect a starting as well as an ending moment of the motion. Using this approach, we can achieve the correct motion detection rate over 98%. Once the final motion frame is determined, the motion signals are normalized to be used in next process of classification or recognition stage such as LSTN deep neural networks. Our experiment and analysis show that our proposed methods produce better than 98% performance in correct motion detection rate as well as in frame-matching rate.
본 논문에서는 사람의 손동작에 의해 모바일장치상의 전기장센서를 통해 감지되는 동작신호의 실시간 검출 및 프레임 추출 알고리즘을 제안한다. 동작인식에 사용되는 전기장센서는 주변 환경 및 시점에 따라 랜덤잡음 및 센서 표면의 초기 대전상태의 가변적인 특성으로 인해 안정적으로 동작신호를 검출하는데 어려움이 있다. 본 논문에서는 이와 같은 환경에서도 안정적이고 강건하게 동작신호를 감지하여 검출할 수 있는 동적문턱치 방법(dynamic thresholding method)을 제안한다. 동작발생감지여부는 10Hz low-pass 필터와 MA(Motion Average) 필터를 통한 입력신호가 특정 문턱 전압값을 넘을 경우 감지되는데 감지 시점 센서상의 정전하상태가 가변적이므로 주기적으로 offset 값을 계산하여 새로운 문턱치를 동적으로 적용하는 방법이다. 이러한 방법으로 동작신호 감지율을 98% 이상으로 향상 시킬 수 있었다. 또한 일단 동작이 감지되면 정문턱치(positive thresold)와 부문턱치(negative threshold)의 통과시점, 횟수와 평균 동작주기를 고려한 동작신호프레임 알고리즘을 제안하였으며 이의 프레임추출 성공률도 98% 이상의 성능을 보였다. 본 논문에서 제안한 알고리즘으로 추출된 동작신호는 이후 신호정규화를 거쳐 LSTN 심층신경망 인식부를 거쳐 높은 손동작 인식률을 보임으로서 제안된 알고리즘의 우수함을 입증하였다.