• Proceedings of the Korean Society of Computer Information Conference
• /
• 2016.07a
• /
• pp.297-298
• /
• 2016

본 논문에서는 손을 보다 효과적으로 인식하기 위해 동작 검출과 피부색 검출을 이용하여 인식하는 시스템을 제안한다. 단순히 피부색만을 이용하여 손을 인식하는 경우 피부색과 유사한 색상의 물체나 다른 신체 부위를 인식하는 문제점이 발생하게 된다. 이러한 문제점을 해결하기 위해 동작 검출을 이용하여 움직이는 물체만을 손이라고 가정하였다. 이렇게 가정을 하고 피부색 검출과 동작 검출을 이용하여 인식하는 경우 신체부위를 제외하고는 거의 검출되지 않는다. 그리고 인식된 영역마다 뼈대를 찾아 손을 검출한다. 조명이나 주변 환경에 최대한 영향을 적게 받기위해 시스템을 설계하였으며 단순 피부색 검출을 이용한 손 검출보다 좋은 성능을 발휘하며 손가락의 개수와 손 모양, 손 추적까지 응용할 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2011.07a
• /
• pp.299-300
• /
• 2011

최근 손 동작 인식은 새로운 맨머신인터페이스(man-machine interface)를 위한 기술로 주목 받고 있으며, 이를 위한 손 검출은 손 동작 인식이나 손 추적을 위해 반드시 선행되어야 하는 중요한 기술이다. 기존에 연구되어온 대부분의 손 검출 방법으로는 색상을 기반으로 한 손 검출이었다. 하지만 색상을 기반으로 한 손 검출은 조명의 영향을 많이 받아 신뢰성을 보장하기 어렵다. 이러한 조명의 영향은 깊이 정보(depth information)를 이용함으로써 조명 변화에 강인한 손 검출을 수행할 수 있다. 본 논문에서는 손 검출을 깊이 정보를 활용하여 수행할 수 있는 방법을 제안하였다. 실시간으로 깊이 정보를 생성할 수 있는 depth sensor 하나를 사용하여 깊이 영상을 얻고 노이즈를 개선 해 준 후에 정의된 모션을 사용하여 손의 특징을 추출하여 손 검출을 하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2012.07a
• /
• pp.311-313
• /
• 2012

본 논문에서는 RGBD(Red Green Blue Depth)센서를 이용하여 얻은 영상의 깊이 정보와 손 이미지의 기하학적 특징을 이용하여 손의 중심을 검출하는 방법을 제안한다. 영상의 깊이 정보와 피부색 정보를 이용하여 손 영역을 검출한다. 검출된 손의 기하학적 정보로 손에 대한 볼록 외피(convex hull)를 형성한다. 볼록 외피의 정점들(vertices)의 위치 정보를 이용하여 손의 중심을 찾는다. 손의 중심은 손의 위치를 추적하거나 손가락 개수를 구하는 것 등에 이용될 수 있다. 이러한 응용은 인간과 컴퓨터의 상호작용(HCI, Human Computer Interface)을 이용한 시스템에 적용될 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.471-473
• /
• 2018

딥러닝은 이미지 분류 및 객체 검출과 같은 여러 컴퓨터 비전 관련 작업에 성공적으로 사용되었다. 손 검출은 인간 컴퓨터 상호작용 분야에서 손 분류 및 손 동작 인식을 위한 매우 중요한 부분이며 딥러닝을 사용하여 시도되었다. 본 연구에서는 손 데이터 셋을 이용하여 컨볼루션 신경망을 훈련시킨 다음 학습된 특징을 시각화하고, CNN 아키텍처와 손 데이터 셋의 결과를 각각 살펴보며 손 검출에 대한 이해를 제공한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.23 no.6
• /
• pp.551-557
• /
• 2013

In intelligent robot research, hand gesture recognition has been an important issue. And techniques that recognize simple gestures are commercialized in smart phone, smart TV for swiping screen or volume control. For gesture recognition, robust hand detection is important and necessary but it is challenging because hand shape is complex and hard to be detected in cluttered background, variant illumination. In this paper, we propose efficient hand detection algorithm for detecting pointing hand for recognition of place where user pointed. To minimize false detections, ROIs are generated within the compact search region using skin color detection result. The ROIs are verified by HOG-SVM and pointing direction is computed by both detection results of head-shoulder and hand. In experiment, it is shown that proposed method shows good performance for hand detection.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2014.07a
• /
• pp.323-326
• /
• 2014

본 논문에서는 깊이 카메라를 이용한 사용자의 손 모양, 특히 수화를 인식하는 방법에 대해 제안한다. 손 모양 인식은 손가락 검출과 손 인식으로 크게 2가지로 나눌 수 있다. 손가락 검출을 위해 본 시스템에서는 Distance Transform을 이용하여 손의 뼈대를 검출 하고, Convex Hull을 통해 손가락을 검출하는 방법을 제안한다. 뼈대 검출은 보다 정확한 손가락을 검출할 수 있는 장점이 생긴다. 손 인식에는 손 중심과 손가락의 길이, 손의 축, 손가락의 축, 팔 중심의 위치 등을 이용하여 Decision Tree를 생성하고, 반복적 검사를 통해 인식의 오류율을 줄였다. 실험결과에서는 수화 인식이 성공적으로 잘 인식 되었다는 것을 보인다.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.897-902
• /
• 2007

인간과 컴퓨터간의 전통적인 인터페이스는 인간이 요구하는 다양한 인터페이스를 제공하지 못한다는 점에서 점차 사용하기 불편하게 되었고 이는 새로운 형태의 인터페이스에 대한 요구로 이어지게 되었다. 본 논문에서는 이러한 추세에 맞추어 카메라를 통해 인간의 손 제스처를 인식하는 새로운 인터페이스를 연구하였다. 손은 자유도가 높고 3차원의 view direction에 의해 형상이 매우 심하게 변한다. 따라서 윤곽선 기반방법과 같은 2차원으로 투영된 영상에서 contour나 edge의 정보로 손 제스처를 인식하는 데는 한계가 있다. 그러나 모델기반 방법은 3차원 정보를 이용하기 때문에 손 제스처를 인식하는데 좋으나 계산량이 많아 실시간으로 처리하기가 쉽지 않다. 이러한 문제점을 해결하기 위해 손 형상에 대한 대규모 데이터베이스를 구성하고 정규화된 공간에서 Feature 간의 연관성을 파악하여 훈련 데이터 모델을 구성하여 비교함으로써 실시간으로 손 포즈를 구별할 수 있다. 이러한 통계적 학습 기반의 알고리즘은 다양한 데이터와 좋은 feature의 검출이 최적의 성능을 구현하는 것과 연관된다. 따라서 배경으로부터 노이즈를 최대한 줄이기 위해 피부의 색상 정보를 이용하여 손 후보 영역을 검출하고 검출된 후보 영역으로부터 HLF(Haar-like Feature)를 이용하여 손 영역을 검출한다. 검출된 손 영역으로부터 패턴 분류 과정을 거쳐 손 포즈를 인식 하게 된다. 패턴 분류 과정은 HLF를 이용하여 손 포즈를 인식하게 되는데 미리 학습된 각 포즈에 대한 HLF를 이용하여 손 포즈를 인식하게 된다. HLF는 Violar가 얼굴 검출에 적용한 것으로 얼굴 검출에 좋은 결과를 보여 주었으며, 이는 적분 이미지로부터 추출한 HLF를 이용한 Adaboost 학습 알고리즘을 사용하였다. 본 논문에서는 피부색의 색상 정보를 이용 배경과 손 영상을 최대한 분리하여 배경의 대부분이 Adaboost-Haar Classifier의 첫 번째 스테이지에서 제거되는 방법을 이용하여 그 성능을 더 향상 시켜 손 형상 인식에 적용하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.877-879
• /
• 2005

본 논문에서는 컴퓨터와 상호작용을 할 수 있는 스마트 테이블 구축을 위한 마우스를 대체하는 손의 움직임을 트래킹하는 방법을 제안하고자 한다. 테이블 위에 놓인 프로젝터와 카메라는 각각 프로젝터의 영상이 테이블에 투영이 되고 카메라로 테이블에 투영된 영상을 입력받게 된다. 이렇게 입력된 영상으로부터 손 검출과 트래킹을 통해 테이블을 이용하여 컴퓨터와의 상호작용을 할 수 있다. 먼저 영상은 손의 그림자를 포함하고 있기 때문에 그림자를 제거한 후 Canny 에지 필터를 이용하여 손의 후보영역을 검출하게 된다. 검출된 후보 영역으로부터 템플릿 매칭을 이용하여 손 영역을 검출하고 검출된 영역으로부터 optical flow를 이용하여 손의 위치를 트래킹하게 된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.10a
• /
• pp.519-522
• /
• 2001

본 논문은 손으로 자유롭게 그린 서식 문서의 주요점을 검출하여 서식의 구조를 벡터화하는 방법을 제안한다. 선 성분의 주요점을 검출하여 그 구조를 벡터화하는 방법은 주로 인쇄 서식 문서의 구조 분석에 적용하기 좋은 방법이다. 이에 반해 손으로 설계한 서식 문서는 주요점 부분이 왜곡되어 있기 때문에 주요점의 검출이 손쉽게 이루어지기 곤란하다. 이 논문에서는 이러한 문제를 해결하기 위해 손으로 설계한 서식 문서를 세선화한 다음 여유 성분을 갖는 마스크를 적용하고 후처리를 통해 주요점 부분의 심한 왜곡을 보상하는 방법을 제안하여 손으로 설계한 서식 문서에서도 주요점의 검출이 가능하도록 하였다. 제안한 방법의 유효성을 확인하기 위한 실험 결과 손으로 설계한 서식의 경우 91.9%, 인쇄 서식의 경우 100%의 벡터화 성공률을 보여주어 제안한 방법이 손으로 설계한 서식 구조의 벡터화에 유효함을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.594-596
• /
• 2012

본 논문에서는 손 모션에 대하여 피부색 검출을 기반으로 전역적인 모션을 추적하고 모션 벡터를 생성하여 제스처를 인식하는 방법을 제안한다. 추적을 위하여 Shi-Tomasi 특징점 검출 방법과 Lucas-Kanade 옵티컬 플로우 추정 방법을 사용한다. 손 모션을 추적하는 경우 손의 모양이 다양하게 변화하므로 초기에 검출된 특징점을 계속적으로 추적하는 일반적인 방법으로는 손의 모션을 제대로 추적할 수 없다. 이에 본 논문에서는 프레임마다 새로운 특징점을 검출한 후 옵티컬 플로우를 추정하고 이상치(outlier)를 제거하여 손 모양의 변화에도 추적을 통한 모션 벡터 생성이 가능하도록 한다. 모션 벡터들로 인공 신경망을 사용한 판별 과정을 수행하여 최종적으로 손 모션 제스처에 대한 인식이 가능하도록 한다.