• Proceedings of the KIEE Conference
• /
• 2004.07d
• /
• pp.2553-2555
• /
• 2004

본 논문은 사용자의 손가락 및 손의 움직임을 이용하여 키보드와 마우스로 사용하도록 개발된 착용형 입력장치 ($SCURRY^{TM}$)의 손가락 움직임을 감지하는 클릭인식 성능의 향상 방법을 제안한다. 제작된 착용형 입력장치는 클릭 감지용 가속도계가 장착된 손가락 부분과 손 움직임 감지용 각속도계가 장착된 손등 부분, 그리고 화면상의 가상키보드의 구성된다. 제안하는 클릭 감지 방법은 사용자의 클릭 의도를 파악하는 특징 추출부, 클릭 동작을 수행한 손가락을 판별하는 유효클릭 인식부, 그리고 손 움직임에 의해 발생된 외도하지 않은 클릭신호를 제거하는 신호혼선 제거부로 구성된다. 제안된 방법을 이용하여 착용형 입력장치의 클릭 일시성능이 향상됨을 실험으로부터 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.140-143
• /
• 2021

본 연구에서는 사물인터넷을 기반으로 하나의 방역 장치에서 '온도 측정, 손소독'이 가능한 코로나 방역 장치를 구현한다. 라즈베리파이 기반에 센서들을 활용한 하드웨어 시스템에서는 체온 측정 후 손소독이 가능하며 어플리케이션에서는 실시간으로 사용자의 체온측정 결과와 하드웨어의 손소독제 잔량 확인이 가능하다. 본 논문에서는 UML(Unified Modeling Language)을 활용한 여러 다이어그램 기반의 설계 부분과 열 감지 센서를 활용한 하드웨어 시스템 및 어플리케이션의 UI를 볼 수 있다.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2002.05a
• /
• pp.278-285
• /
• 2002

본 논문에서는 인지적 긍정/부정 선택 과제의 수행 시 뇌파를 이용하여 피험자의 반응시간 RT를 감지하는 방법에 관하여 기술한다. 실험 Task에서 피험자는 시각적 자극에 대한 반응, 문제의 해석, 손 움직임의 조절, 손동작 등과 같은 작업을 수행한다. 이와 같은 상황에서의 피험자의 정신상태의 변화를 모델링하고, 선택시간 ST를 감지하여 피험자의 반응시간 RT를 예측한다. ST를 감지하기 위하여 측정한 뇌파로부터 $\alpha$, $\beta$, ${\gamma}$파를 분리하고, 4쌍의 전극들로부터 3가지의 특징들을 추출한다. 추출한 특징들을 분석하여 각 피험자별로 나타나는 상세 규칙과 공통적인 특성인 일반 규칙들을 설정하고 이들을 적용한다. 4명의 피험자를 대상으로 평균 81%의 ST 감지 성공률을 보이고, ST 감지 이후 약 0.73초에서 RT가 나타나는 것을 보인다. 본 논문에서 제안한 방법을 기존의 인지적인 정신상태 판별을 위한 방법들이나 왼손/오른손 동작구분 방법들과 결합하여 사용할 경우 BCI를 위한 기반 기술로 활용될 것으로 기대한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2011.11a
• /
• pp.292-294
• /
• 2011

별개의 컨트롤러 없이 사용자의 신체만을 이용하여 다양한 게임과 엔터테인먼트를 경험할 수 있는 키넥트에 대한 관심이 높아지고 있다. 최근 재활 치료를 필요로 하는 환자가 늘어남에 따라 본 논문에서는 운동 장애를 가진 환자들이나 노인들이 고가의 장비 또는 다른 사람의 도움 없이 키넥트와 컴퓨터만을 이용하여 손 재활 운동을 할 수 있도록 하는 것을 목적으로 한다. 키넥트 영상으로부터 손 영역을 찾고, 영역의 윤곽선을 추출 한다. 이 때 손가락 중심선을 찾아 손가락과 손바닥 영역을 구분해 준다. 손가락의 개수를 확인하기 위해서 손의 중심점과 끝 점을 찾은 후 두 점을 연결함으로써 손가락의 개수를 확인할 수 있고, 실시간으로 손의 움직임을 감지하도록 한다.

• The Journal of the Korea Contents Association
• /
• v.22 no.10
• /
• pp.1-10
• /
• 2022

Visually impaired people have very difficulty using retail stores due to the absence of braille information on products and any other support system. In this paper, we propose a basic algorithm for a system that recognizes products in retail stores and explains them as a voice. First, the deep learning model detects hand objects and product objects in the input image. Then, it finds a product object that most overlapping hand object by comparing the coordinate information of each detected object. We determine that this is a product selected by the user, and the system read the nutritional information of the product as Text-To-Speech. As a result of the evaluation, we confirmed a high performance of the learning model. The proposed algorithm can be actively used to build a system that supports the use of retail stores for the visually impaired.

• 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 Korean Society for Noise and Vibration Engineering Conference
• /
• 2013.04a
• /
• pp.680-681
• /
• 2013

• Proceedings of the Korean Society of Dyers and Finishers Conference
• /
• 2007.11a
• /
• pp.29-30
• /
• 2007

• 한국HCI학회:학술대회논문집
• /
• 2008.02a
• /
• pp.91-96
• /
• 2008

증강현실(Augmented Reality)을 위한 효과적인 비전 기반 인터페이스 개발은 꾸준히 진행되어 왔으나, 대부분 환경적 제약을 받거나, 특수한 장비 혹은 복잡한 모델을 요구한다. 예를 들어, 마커를 이용하면 구현 상의 편의성과 정확성을 보장하지만, 일반적으로 마커는 환경과 대비되는 모양을 가지기 때문에, 사용자에게 거부감을 줄 수 있으며 무엇보다 복잡한 인터랙션에는 적용되기 힘들다. 한편, 손동작을 이용할 경우, 자연스럽고 다양한 인터랙션을 수행할 수 있지만, 색을 이용한 손동작 인식은 복잡한 환경에서 인식률이 크게 저하되고, 3 차원 모델 기반의 손동작 인식은 많은 연산량을 필요로 한다는 문제점을 가진다. 이로 인해 지금까지 제안된 방법을 증강현실 시스템에 적용하는 데는 한계가 있다. 본 논문에서는 기본적으로 손동작을 이용한 인터페이스를 제안하는데, 손동작 인식을 위한 알고리즘을 효율적으로 개선함으로써, 복잡한 환경에서 적은 연산량으로 자연스러운 인터랙션을 제공하고자 한다. 제안방법은 손목에 컬러 밴드를 착용하고, 색 정보를 이용하여 손을 포함하는 최소 영역을 용이하게 검출함으로써, 손 동작 인식률이 좋아지도록 하였다. 제안된 인터페이스는 손의 자연스러운 움직임을 감지해서 손의 모양과 동작에 따라서 가상의 물체를 자연스럽게 제어할 수 있도록 해 준다. 예를 들어, 손이 지정한 위치에 가상의 물체를 나타내고, 가상의 물체를 잡고 다양한 조작을 하는 등의 제어를 할 수 있다. 다양한 환경에서의 실험 및 사용자 평가를 통해 제안된 인터페이스의 유용성을 검증하였다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1918-1919
• /
• 2011

상체 지원 외골격 로봇은 크게 인간의 근력을 보조하는 형태와 인간의 근력을 증강하는 형태가 있다. 여기서는 인간의 근력을 증강하는 외골격 로봇을 중심으로 기술하고자 한다. 이러한 외골격 로봇은 팔의 EMG (Electromyograph;근전도) 신호를 측정하는 방법보다는 손의 힘을 직접 감지하는 방법을 통한 팔꿈치와 어깨의 엑추에이터를 구동하는 방식을 취하는 경향이 있다. 본 논문에서도 후자의 방식을 이용하여 손에 작용하는 힘을 분석하여 외골격 로봇을 움직이는 방식을 취하였다. 손의 힘 중에서도 인간을 중심으로 볼 때 위방향과 전진방향의 힘을 분석하기 위하여 2개의 F/T(Force/Torque) 센서를 사용하였으며 팔을 벌리는 동작은 엑추에이터 없이 자유롭게 동작이 가능하도록 설계하였다. 이러한 위방향 및 전진방향 힘의 크기를 팔꿈치와 어깨의 엑추에이터의 동작으로 바꾸어 인간의 동작을 도울 수 있고 힘을 증폭할 수 있는 외골격 로봇을 설계 제작하였다. F/T 센서는 손의 힘을 전기적 신호로 바꾸어주는 로드셀로 이루어지며 손의 힘을 최대한 잘 반영하기 위한 구조를 고안하였다. F/T 센서의 전기신호는 증폭기를 거쳐서 잡음을 제거한 후에 A/D 변환하여 processor에서 처리되어진다.