• 한국콘텐츠학회논문지
• /
• 제5권4호
• /
• pp.94-102
• /
• 2005

본 연구는 3축 가속도센서를 소형 센서모듈로 구성하고 이를 사람의 신체 부위에 부착하여 센서의 3차원적 방향에 구애되지 않고 동작에 의한 중력방향의 가속도를 계산할 수 있는 장치와 알고리즘을 개발하였다. 센서모듈을 이용하여 컴퓨터 시스템에 의해 사람의 보행 및 동작을 측정하기 위해서는 정량적인 처리가 가능하도록 데이터를 가공하여야 한다. 센서모듈로부터 데이터의 획득, 가능한 범위의 직교 좌표계로 변환, 중력방향의 단일 스칼라 값 변환의 과정으로 센서 출력 데이터를 정규화 하였다. 정규화된 센서 데이터를 사용하여 보행 패턴 중에서 걷기 횟수를 구분할 수 있는 알고리즘을 적용한 개인휴대정보단말용 응용 프로그램을 작성하였다. 연구실 환경에서의 실험에서 개발된 알고리즘 및 장치의 보행수 측정 정확도는 약 97%이었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 추계학술대회
• /
• pp.857-860
• /
• 2014

본 논문에서는 서모파일 어레이 센서를 이용한 무선 인체 감지 시스템을 제안한다. 제안한 시스템은 천정에 센서를 부착하여 온도 분포라고 불리는 공간의 온도를 측정한다. 시스템은 $4{\times}4$ 픽셀의 온도 분포를 측정하여 인체의 움직임을 추출할 수 있도록 분석된다. 실험 결과에서 제안한 시스템은 인체 움직임을 성공적으로 감지하였다.

• 한국멀티미디어학회논문지
• /
• 제19권1호
• /
• pp.68-79
• /
• 2016

Electromyographic (EMG) signals have been widely used as motion commands of prosthetic arms. Although EMG signals contain meaningful information including the movement intentions of human body, it is difficult to predict the subject's motion by analyzing EMG signals in real-time due to the difficulties in extracting motion information from the signals including a lot of noises inherently. In this paper, four Ag/AgCl electrodes are placed on the surface of the subject's major muscles which are in charge of four upper arm movements (wrist flexion, wrist extension, ulnar deviation, finger flexion) to measure EMG signals corresponding to the movements. The measured signals are sampled using DAQ module and clustered sequentially. The Fuzzy C-Means (FCMs) method calculates the center values of the clustered data group. The fuzzy system designed to detect the upper arm movement intention utilizing the center values as input signals shows about 90% success in classifying the movement intentions.

• 한국인터넷방송통신학회논문지
• /
• 제17권2호
• /
• pp.179-190
• /
• 2017

Hand Accelerometer는 인간신체 운동 패턴을 실시간으로 파악하는데 널리 사용되고 있다. 그러므로 행동 유형을 정확하게 파악하는 것은 아주 중요하다. 이 과정에서 각 행동유형의 형태를 미리 정확하게 파악하는 것이 중요하다. 인간의 신체 행동은 센서를 통해 수집된 시계열 데이터로 표현된다. 이 데이터는 비안정적, 비선형적 성격을 가지고 있다. 그래서 이런 성격의 데이터의 유형을 효율적으로 추출하는 방법을 찾는 것은 매우 중요하다. 힐버트-황 변환은 비안정적 비선형적 요소를 시계열데이터에서 효율적으로 추출하는 방법이다. 이 방법을 위의 시계열 데이터에 적용한 결과 핵심패턴이 성공적으로 추출되었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권5호
• /
• pp.354-362
• /
• 2010

본 연구는 동적 베이스 망을 이용하여, 사람의 보행 동작을 보행 방향과 보행 자세로 분리하여 계층적으로 분석하는 방법을 제안한다. DBN의 일종인 FHMM을 기본 바탕으로 하여, 걸음걸이 동작 특성을 고려하여 순환 고리형 상태 공간 구조로 '보행 동작 디코더'(Gait Motion Decoder, GMD)를 설계한다. 기존 연구에는 보행자의 식별에만 치중을 하고 보행 방향의 변화, 관찰 각도에 제한적이거나 보행 동작에 대한 분석이 없었다. 반면에 본 연구에서는 동작과 자세를 적극적으로 표현하여 임의 방향의 보행, 방향의 변화, 보행 자세까지 인식할 수 있도록 하였다. 실험 결과 동작과 자세의 관점에서 걸음걸이 방향을 분석한 결과 96.5%의 방향 인식률을 기록하였다. 본 연구는 보행 동작을 방향과 보행 자세로 계층적으로 분석하는 최초의 방법 및 시도이며 향후 상황별 휴먼 동작 분석에 크게 활용할 수 있을 것이다.

• 방송공학회논문지
• /
• 제19권2호
• /
• pp.166-173
• /
• 2014

최근 다양한 방송 및 영상 분야에서 사람의 행동을 인식하여는 연구들이 많이 이루어지고 있다. 영상은 다양한 형태를 가질 수 있기 때문에 제약된 환경에서 유용한 템플릿 방법들보다 특징점에 기반한 연구들이 실제 사용자 환경에서 더욱 관심을 받고 있다. 특징점 기반의 연구들은 영상에서 움직임이 발생하는 지점들을 찾아내어 이를 3차원 패치들로 생성한다. 이를 이용하여 영상의 움직임을 히스토그램에 기반한 descriptor(서술자)로 표현하고 학습기반의 판별기로 최종적으로 영상내에 존재하는 행동들을 인식하였다. 그러나 단일 판별기로는 다양한 행동을 인식하기에 어려움이 있다. 따라서 이러한 문제를 개선하기 위하여 최근에 다중 판별기를 활용한 연구들이 영상 판별 및 물체 검출 영역에서 사용되고 있다. 따라서 본 논문에서는 행동 인식을 위하여 support vector machine과 sparse representation을 이용한 decision-level fusion 방법을 제안하고자 한다. 제안된 논문의 방법은 영상에서 특징점 기반의 descriptor를 추출하고 이를 각각의 판별기를 통하여 판별 결과들을 획득한다. 이 후 학습단계에서 획득된 가중치를 활용하여 각 결과들을 융합하여 최종 결과를 도출하였다. 본 논문에 실험에서 제안된 방법은 기존의 융합 방법보다 높은 행동 인식 성능을 보여 주었다.

• Journal of Electrical Engineering and Technology
• /
• 제11권6호
• /
• pp.1857-1862
• /
• 2016

Human activity recognition using depth information is an emerging and challenging technology in computer vision due to its considerable attention by many practical applications such as smart home/office system, personal health care and 3D video games. This paper presents a novel framework of 3D human body detection, tracking and recognition from depth video sequences using spatiotemporal features and modified HMM. To detect human silhouette, raw depth data is examined to extract human silhouette by considering spatial continuity and constraints of human motion information. While, frame differentiation is used to track human movements. Features extraction mechanism consists of spatial depth shape features and temporal joints features are used to improve classification performance. Both of these features are fused together to recognize different activities using the modified hidden Markov model (M-HMM). The proposed approach is evaluated on two challenging depth video datasets. Moreover, our system has significant abilities to handle subject's body parts rotation and body parts missing which provide major contributions in human activity recognition.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2148-2161
• /
• 2019

In this paper, we present a real-time cattle action recognition algorithm to detect the estrus phase of cattle from a live video stream. In order to classify cattle movement, specifically, to detect the mounting action, the most observable sign of the estrus phase, a simple yet effective feature description exploiting motion history images (MHI) is designed. By learning the proposed features using the support vector machine framework, various representative cattle actions, such as mounting, walking, tail wagging, and foot stamping, can be recognized robustly in complex scenes. Thanks to low complexity of the proposed action recognition algorithm, multiple cattle in three enclosures can be monitored simultaneously using a single fisheye camera. Through extensive experiments with real video streams, we confirmed that the proposed algorithm outperforms a conventional human action recognition algorithm by 18% in terms of recognition accuracy even with much smaller dimensional feature description.

• 한국멀티미디어학회논문지
• /
• 제14권4호
• /
• pp.504-516
• /
• 2011

In this paper, we will present a method to detect human hand and recognize hand gesture. For detecting the hand region, we use the feature of human skin color and hand feature (with boundary complexity) to detect the hand region from the input image; and use algorithm of optical flow to track the hand movement. Hand gesture recognition is composed of two parts: 1. Posture recognition and 2. Motion recognition, for describing the hand posture feature, we employ the Fourier descriptor method because it's rotation invariant. And we employ PCA method to extract the feature among gesture frames sequences. The HMM method will finally be used to recognize these feature to make a final decision of a hand gesture. Through the experiment, we can see that our proposed method can achieve 99% recognition rate at environment with simple background and no face region together, and reduce to 89.5% at the environment with complex background and with face region. These results can illustrate that the proposed algorithm can be applied as a production.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권10호
• /
• pp.419-426
• /
• 2022

본 논문에서는 다양한 운동 모션에서 3차원 사람 자세 추정 모델의 정확도를 향상하는 방법을 제안한다. 기존의 사람 자세 추정 모델은 사람의 자세를 추정할 때 좌표 오차를 유발하는 흔들림, 반전, 교환, 오검출 등의 문제가 발생한다. 이러한 문제는 사람 자세 추정 모델의 정확한 자세 추정을 어렵게 한다. 이를 해결하기 위해 본 논문에서는 딥러닝 기반 이상치 검출 및 보정 방법을 제안한다. 딥러닝 기반의 이상치 검출 방법은 여러 모션에서 좌표의 이상치를 효과적으로 검출하고, 모션의 특징을 활용한 규칙 기반 보정 방법을 통해 이상치를 보정한다. 다양한 실험과 분석을 통하여 제안하는 방법이 골프 스윙 모션과 다양한 운동 모션에서도 사람의 자세를 정확히 추정할 수 있고, 3차원 좌표 데이터에서도 확장 가능함을 보인다.