• Journal of Digital Contents Society
• /
• v.10 no.2
• /
• pp.291-298
• /
• 2009

In this paper we proposed a vision based realtime hand gesture recognition method. To extract skin color, we translate RGB color space into YCbCr color space and use CbCr color for the final extraction. To find the center of extracted hand region we apply practical center point extraction algorithm. We use Kalman filter to tracking hand region and use HMM(Hidden Markov Model) algorithm (learning 6 type of hand gesture image) to recognize it. We demonstrated the effectiveness of our algorithm by some experiments.

• Journal of KIISE:Software and Applications
• /
• v.31 no.9
• /
• pp.1161-1170
• /
• 2004

This paper proposes to segment skin color areas using a clustering algorithm. Most of previously proposed clustering algorithms have some difficulties, since they generally detect hyperspherical clusters, run in a batch mode, and predefine a number of clusters. In this paper, we use a well-known elliptical clustering algorithm, an EM algorithm, and modify it to learn on-line and find automatically the number of clusters, called to an EAM algorithm. The effectiveness of the EAM algorithm is demonstrated on a task of skin color region segmentation. Experimental results present the EAM algorithm automatically finds a right number of clusters in a given image without any information on the number. Comparing with the EM algorithm, we achieved better segmentation results with the EAM algorithm. Successful results were achieved to detect and segment skin color regions using a conditional probability on a region. Also, we applied to classify images with persons and got good classification results.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2000.10b
• /
• pp.915-918
• /
• 2000

본 논문에서는 색상정보를 이용한 얼굴 검출 알고리즘에 대해 소개하고자 한다. 여러 개의 얼굴 검출에 적용되는 이 알고리즘은 피부색의 학습 과정과 입력영상에 대한 얼굴 검출 과정으로 크게 두 가지로 나눌 수 있다. 특히 본 연구에서는 피부색이 본 논문에서 제안한 새로운 RGB 영역에서 직선을 이루는 특징을 이용하여 학습 data를 구성한다. 이렇게 구성된 data를 입력영상에 적용함으로써 1차 얼굴 후보영역을 결정한다. 그런 후 1차 후보영역을 세로방향과 가로방향으로 투영시킴으로써 최종 얼굴영역을 찾아낸다. 실험을 통해 이 알고리즘은 기존의 색상정보를 이용한 얼굴 검출 방법에 비해 얼굴개수에 상관없이 높은 검출 성공률을 보여주었다.

• 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
• /
• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.11a
• /
• pp.575-578
• /
• 2003

본 논문에서는 얼굴영역을 검출하기위해 얼굴 피부색을 보다 효과적으로 모델링하기 위한 방법으로 피부색 특성을 고려하여 자기 성분을 제거한 Red, Blue, Green 채널을 모두 사용하는 Hue, Cb, Cg의 Multi-Channel 피부색 모델을 사용한다. 얼굴영역을 분리한 영상에 Haar 웨이블릿을 이용한 에지영상 추출과 얼굴영역의 특징벡터를 구하기 위하여 26개의 특징벡터를 사용한 효율적인 고차 국소 자동 상관함수를 사용하였다. 계산된 특징벡터는 BP 신경망의 학습을 통하여 얼굴인식을 위한 데이터로 사용된다. 시뮬레이션을 통해 제안된 알고리즘에 의한 인식률향상과 속도 향상을 입증한다.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.41 no.6
• /
• pp.61-71
• /
• 2004

Recently, various techniques for face detection are studied, but most of them still have problems on processing in real-time. Therefore, in this paper, we propose novel techniques for real-time detection of human faces in sequential images using motion and chroma information. First, background model is used to find a moving area. In this procmoving area. edure, intensity values for reference images are averaged, then skin-color are detected in We use HCr color-space model and adaptive threshold method for detection. Second, binary image labeling is applied to acquire candidate regions for faces. Candidates for mouth and eyes on a face are obtained using differences between green(G) and blue(B), intensity(I) and chroma-red(Cr) value. We also considered distances between eye points and mouth on a face. Experimental results show effectiveness of real-time detection for human faces in sequential images.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05d
• /
• pp.609-613
• /
• 2002

본 논문에서는 효과적인 비디오 인덱싱을 위해 얼굴 영역 추출을 통한 장면 전환 검출 방법을 제시하였다. 히스토그램과 사람의 피부색 검출을 통해 사람의 얼굴을 포함하는 후보 프레임을 찾고, 얼굴 영역과 특징 추출을 통해 사람을 포함하는 키 프레임을 검출하여 비디오의 장면 전환 프레임을 검출하고, 실험을 통해 제안된 방법의 우수성을 보였다.

• 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.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.47 no.5
• /
• pp.1-9
• /
• 2010

Generally, dynamic hand gesture recognition is formed through preprocessing step, hand tracking step and hand shape detection step. In this paper, we present advanced dynamic hand gesture recognizing method that improves performance in preprocessing step and hand shape detection step. In preprocessing step, we remove noise fast by using dynamic table and detect skin color exactly on complex background for controling skin color range in skin color detection method using YCbCr color space. Especially, we increase recognizing speed in hand shape detection step through detecting Start Image and Stop Image, that are elements of dynamic hand gesture recognizing, using Guideline. Guideline is edge of input hand image and hand shape for comparing. We perform various experiments with nine web-cam video clips that are separated to complex background and simple background for dynamic hand gesture recognition method in the paper. The result of experiment shows similar recognition ratio but high recognition speed, low cpu usage, low memory usage than recognition method using learning exercise.