• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1906-1907
• /
• 2011

본 논문에서는 손 영역 스켈레톤 모델을 이용한 비접촉식 스크린 입력 장치를 제안한다. 제안하는 방법은 HCbCr 컬러 모델을 생성한 후 손 후보 영역을 추출하고, 손 영역을 추출하기 위해 레이블링 기법을 사용한다. 손 이외의 피부를 제거하기 위해 손 크기 이하의 객체는 필터링을 거친 후 최종적인 손 영역을 추출한다. 손 영역의 특징점은 무게 중심법과 굴곡 기법을 이용하여 추출한다. 특징점을 연결하여 손의 스켈레톤 모델을 생성하고 각 손가락에 터치 이벤트를 부여한다. 손가락의 구부러진 각도를 이용하여 터치 동작을 인식 및 실행하게 된다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1932-1933
• /
• 2011

손 제스처 인식을 위한 손 위치 검출 및 추적 알고리즘에 대한 많은 연구들이 이루어져 왔다. 검출된 손의 위치를 통한 사용자와 컴퓨터간의 인터랙션(Human Computer Interaction, HCI) 과정에서 손의 위치 좌표를 그대로 이용하는 방법은 비효율적이다. 본 논문에서는 제한된 이동 범위 내에서의 손의 위치 정보를 이용하여 컴퓨터상의 포인트를 효율적으로 컨트롤할 수 있는 알고리즘을 제안하였다. 손 위치 검출을 위해 깊이 센서를 이용하였으며 알고리즘의 효율성을 시험하기 위해 사용자의 손 움직임에 따른 포인트의 위치 변화를 관찰하였다. 실험 결과를 통해 제안된 알고리즘이 추적되는 손의 위치를 이용해 효율적으로 포인트를 컨트롤함을 확인하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2009.11a
• /
• pp.367-370
• /
• 2009

증강현실에서 자연스럽고 인간 친화적인 인터페이스로는 비전 기반의 손동작을 이용한 인터페이스가 가장 각광받고 있다. 그러나 복잡한 배경에서 손을 찾고 손동작을 인식하는 것은 여전히 어려운 문제로 남아 있다. 특히, 배경에 살색을 가진 물체가 많이 있다면 이 문제는 더욱 해결하기 어려워진다. 이 논문은 손 영역을 정확하게 검출 하는 방법에 초점이 맞춰져 있으며, 효과적인 방법을 제안한다. 제안하는 방법은 기본적으로 손과 팔을 포함하는 영역이 다른 피부색 영역과 다른 밝기를 가지고 있다고 가정한다. 구체적으로 제안하는 방법은 밝기 차이를 이용하여 피부색 영역으로부터 손과 팔을 포함하는 영역을 검출한다. 본 논문에서는 밝기 차이를 구분하는 방법으로 �o지(edge) 영상을 이용한다. 그 다음 손과 팔의 기하학적 특징을 이용하여 손목을 찾고 손을 포함하는 사각형 영역을 검출한다. 마지막으로 사각형 영역으로부터 손을 찾아낸다. 손을 찾는 방법 또한 약간 다르지만 비슷한 밝기 기반의 추출 방법을 사용한다. 우리는 간단한 손동작 기반의 증강현실 인터페이스를 구현함으로써 제안한 방법의 효용성을 검증한다.

• Proceedings of the IEEK Conference
• /
• 2006.06a
• /
• pp.739-740
• /
• 2006

본 논문에서는 입력한 데이터를 분석하고 비교하여 손 모양 데이터 편집기의 기준 손 모양을 결정하는 방법을 제안한다. 즉, 입력한 손 모양 데이터에 대해 빈도수 혹은 평균값을 사용하여 기준 손 모양을 결정하는 방법을 제안한다. 입력한 손 모양 데이터로부터 제안한 방법을 통해 얻어진 손 모양이 실제 표현하고 자 한 손 모양과 일치하는지 실험을 통해 비교하였는데, 6,135개의 입력 데이터에 대해 두 가지 방법 모두 90.6% 일치하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.25 no.10
• /
• pp.1323-1329
• /
• 2021

For hand expression recognition, hand pose recognition based on the static shape of the hand and hand gesture recognition based on the dynamic hand movement are used together. In this paper, we propose a hierarchical hand pose model based on finger position and shape for hand expression recognition. For hand pose recognition, a finger model representing the finger state and a hand pose model using the finger state are hierarchically constructed, which is based on the open source MediaPipe. The finger model is also hierarchically constructed using the bending of one finger and the touch of two fingers. The proposed model can be used for various applications of transmitting information through hands, and its usefulness was verified by applying it to number recognition in sign language. The proposed model is expected to have various applications in the user interface of computers other than sign language recognition.

• 건강소식
• /
• v.39 no.7
• /
• pp.18-19
• /
• 2015

올해 첫 아이를 출산한 A씨는 집안일에 육아일까지 더해지면서 손에 물마를 새 없는 날들을 보내던 중 손이 건조해지고 가려워지는 증상을 겪었다. 증싱이 계속돼 피부과 전문의를 찾아가 물어보니 주부습진이란다. 그리고 주부습진을 치료하자면 일단 손을 쉬게 해야 한단다. '손을 쉬면 아기 옷은 누가 빨고, 아기 젖병 세척은 또 누가하나? A씨는 이 생각뿐이다.

• Journal of Korea Multimedia Society
• /
• v.13 no.11
• /
• pp.1630-1642
• /
• 2010

Recently, there is an increasing need for developing the technique of Hand Gesture Recognition (HGR), for vision based interface. Since hand gesture is defined as consecutive change of hand posture, developing the algorithm of Hand Posture Recognition (HPR) is required. Among the factors that decrease the performance of HPR, we focus on rotation factor. To achieve rotation invariant HPR, we propose a method that uses the property of video that adjacent frames in video have high correlation, considering the environment of HGR. The proposed method introduces template update of object tracking using the above mentioned property, which is different from previous works based on still images. To compare our proposed method with previous methods such as template matching, PCA and LBP, we performed experiments with video that has hand rotation. The accuracy rate of the proposed method is 22.7%, 14.5%, 10.7% and 4.3% higher than ordinary template matching, template matching using KL-Transform, PCA and LBP, respectively.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.686-689
• /
• 2018

3D 손 포즈 추정(Hand Pose Estimation, HPE)은 스마트 인간 컴퓨터 인터페이스를 위해서 중요한 기술이다. 이 연구에서는 딥러닝 방법을 기반으로 하여 단일 RGB-Depth 카메라로 촬영한 양손의 3D 손 자세를 실시간으로 인식하는 손 포즈 추정 시스템을 제시한다. 손 포즈 추정 시스템은 4단계로 구성된다. 첫째, Skin Detection 및 Depth cutting 알고리즘을 사용하여 양손을 RGB와 깊이 영상에서 감지하고 추출한다. 둘째, Convolutional Neural Network(CNN) Classifier는 오른손과 왼손을 구별하는데 사용된다. CNN Classifier 는 3개의 convolution layer와 2개의 Fully-Connected Layer로 구성되어 있으며, 추출된 깊이 영상을 입력으로 사용한다. 셋째, 학습된 CNN regressor는 추출된 왼쪽 및 오른쪽 손의 깊이 영상에서 손 관절을 추정하기 위해 다수의 Convolutional Layers, Pooling Layers, Fully Connected Layers로 구성된다. CNN classifier와 regressor는 22,000개 깊이 영상 데이터셋으로 학습된다. 마지막으로, 각 손의 3D 손 자세는 추정된 손 관절 정보로부터 재구성된다. 테스트 결과, CNN classifier는 오른쪽 손과 왼쪽 손을 96.9%의 정확도로 구별할 수 있으며, CNN regressor는 형균 8.48mm의 오차 범위로 3D 손 관절 정보를 추정할 수 있다. 본 연구에서 제안하는 손 포즈 추정 시스템은 가상 현실(virtual reality, VR), 증강 현실(Augmented Reality, AR) 및 융합 현실 (Mixed Reality, MR) 응용 프로그램을 포함한 다양한 응용 분야에서 사용할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.411-412
• /
• 2009

최근 시각 기반 인터페이스를 위하여, 손 동작 인식 기술 개발의 필요성이 증가하고 있다. 이러한 손 동작 인식 기술에서 손 모양 인식은 중요한 부분이며, 이는 손 영역 검출의 결과에 많은 영향을 받는다. 기존의 많은 손 동작 인식 기술들은 사람의 피부색이 갖는 컬러 특징을 이용하여 손 영역을 검출하였다. 그러나, 이러한 컬러 정보는 배경 및 조도 변화에 매우 민감하다. 이러한 문제를 해결하기 위해 본 논문에서는, 색 온도 보정 과정을 손 영역 검출에 적용함으로써 배경 및 조도 변화에 강인한 손 모양 인식 시스템을 제안한다. 제안한 방법이 배경 및 조도 변화에 강인함을 보이기 위해, 조명의 밝기 수준을 조절하며, 다양한 색을 배경으로 찍은 손 영상을 입력으로 손 모양 인식 성능을 실험하였다. 기존의 피부색을 이용한 손 영역 검출과의 비교 실험 결과를 통해, 제안한 방법이 배경 및 조도 변화에 강인한 손 모양 인식 성능을 가짐을 확인하였다.

• 한국HCI학회:학술대회논문집
• /
• 2007.02b
• /
• pp.1-6
• /
• 2007

최근 다양한 기기와 환경에서 문자 입력에 대한 요구가 높아지고 있다. 이에 따라 효율적인 문자 입력 인터페이스 설계를 위해 문자 입력 인터페이스의 평가가 필요한 실정이다. 기존 연구를 살펴보면 문자 입력 시간을 시각 탐색 시간과 손가락 이동 시간으로 나누고 정보처리 이론인 Hick-Hyman Law와 Fitts’ Law를 통해 예측, 평가 하였다. 하지만 위 두 과정은 연속적(serial)인 과정으로 눈과 손의 coordination(협응)에 대해 관과 하는 한계가 있다. 또한, 기존 문자 입력 시간 예측 모델은 전문가라는 특정 숙련도를 가정하고 만들어졌기 때문에 실제 문자 입력 시간에 비해 과대 측정되어 왔다. 이에 본 연구는 문자 입력 시간 예측 모델에 눈-손 coordination 매개변수를 삽입하고자 눈-손 coordination의 시간을 측정하고 행태를 분석하였다. 또한, 비숙련자와 숙련자의 구분을 통해 시각 탐색 시간과 손 움직임 시간 그리고 눈-손 coordination의 시간 과 행태가 어떻게 변화하는 지 분석하였다. 그 결과 눈-손 coordination 시간은 문자 입력 시간과 밀접한 관계가 있었다, 그리고, 눈-손 coordination 시간은 숙련도에 상관없이 문자 입력 시간의 22%를 차지하였다. 또한, 숙련자와 비숙련자의 문자 입력 시간과 비교해 손과 coordination 시간 비율은 차이가 없었다. 하지만, 눈의 움직임 시간 비율은 큰 차이를 나타내었다. 이 결과는 눈-손 coordination과 숙련도 차이를 기존 문자 입력 예측 모델에 매개변수로써 적용하기 위한 기초 자료가 될 것이다.