• 재활복지공학회논문지
• /
• 제7권2호
• /
• pp.69-74
• /
• 2013

본 연구에서는 손목 움직임의 추정을 위한 근전도 신호 기반 동작 분류 알고리즘을 제안한다. 근전도의 특징점을 추출하기 위하여 절대차분표준편차(DASDV)과 제곱평균제곱근(RMS)을 사용하며, 측정 된 근전도 신호를 이용하여 동작 마다 30개의 특징점(RMS, DASDV)을 추출한다. 근전도 신호를 특정한 패턴으로 나타내어 적용시키기 위하여 평균값을 기준으로 집단을 두 부분으로 나누고, 패턴분류 방법인 k-NN으로 패턴을 학습시킨 후, 집단을 나누지 않은 방법을 사용한 기존의 연구와 비교하여 제안한 알고리즘의 성능을 검증한다. 실험결과 제안한 알고리즘은 92.59%의 인식률을 보였으며, 이전 연구 결과보다 0.84% 포인트의 성능 개선을 보였다.

• 재활복지공학회논문지
• /
• 제5권1호
• /
• pp.95-101
• /
• 2011

본 논문에서는 의수환자의 일상생활을 고려한 1-자유도 동작을 손을 쥐고 폄으로 정의하고, 두 동작에 대한 근전도 패턴 분류를 위한 가우시안 혼합 모델 기반의 근전도 패턴 분류 알고리즘을 제안한다. 근전도 패턴 분류 알고리즘의 핵심이 되는 근전도 신호의 특징점 추출을 위하여 근전 신호의 진폭 특성을 고려하는 절대차분평균치(DAMV)와 평균절대값(MAV)을 사용한다. 또한 동작에 대한 근전 신호의 진폭 특성을 보다 명확히 구분하기 위하여 D_DAMV와 D_MAV를 제안한다. 본 논문에서는 4명의 성인남성을 대상으로 실험을 실시하였고, 두 동작에 대한 근전도 패턴의 정확한 분류 여부를 확인하였다.

• 음성과학
• /
• 제11권2호
• /
• pp.193-210
• /
• 2004

In this paper, we develop a real time lip-synch system that activates 2-D avatar's lip motion in synch with an incoming speech utterance. To realize the 'real time' operation of the system, we contain the processing time by invoking merge and split procedures performing coarse-to-fine phoneme classification. At each stage of phoneme classification, we apply the support vector machine (SVM) to reduce the computational load while retraining the desired accuracy. The coarse-to-fine phoneme classification is accomplished via two stages of feature extraction: first, each speech frame is acoustically analyzed for 3 classes of lip opening using Mel Frequency Cepstral Coefficients (MFCC) as a feature; secondly, each frame is further refined in classification for detailed lip shape using formant information. We implemented the system with 2-D lip animation that shows the effectiveness of the proposed two-stage procedure in accomplishing a real-time lip-synch task. It was observed that the method of using phoneme merging and SVM achieved about twice faster speed in recognition than the method employing the Hidden Markov Model (HMM). A typical latency time per a single frame observed for our method was in the order of 18.22 milliseconds while an HMM method applied under identical conditions resulted about 30.67 milliseconds.

• 전기학회논문지
• /
• 제61권5호
• /
• pp.757-762
• /
• 2012

In this paper, the multi feature extraction algorithm for estimation of wrist movements based on Electromyogram(EMG) is proposed. For the extraction of precise features from the EMG signals, the difference absolute mean value(DAMV), the mean absolute value(MAV), the root mean square(RMS) and the difference absolute standard deviation value(DASDV) to consider amplitude characteristic of EMG signals are used. We figure out a more accurate feature-set by combination of two features out of these, because of multi feature extraction algorithm is more precise than single feature method. Also, for the motion classification based on EMG, the linear discriminant analysis(LDA), the quadratic discriminant analysis(QDA) and k-nearest neighbor(k-NN) are used. We implemented a test targeting twenty adult male to identify the accuracy of EMG pattern classification of wrist movements such as up, down, right, left and rest. As a result of our study, the LDA, QDA and k-NN classification method using feature-set with MAV and DASDV showed respectively 87.59%, 89.06%, 91.75% accuracy.

• 로봇학회논문지
• /
• 제14권3호
• /
• pp.228-235
• /
• 2019

This paper presents a multiple DoFs (degrees-of-freedom) prosthetic forearm and sEMG (surface electromyogram) pattern recognition and motion intent classification of forearm amputee. The developed prosthetic forearm has 9 DoFs hand and single-DoF wrist, and the socket is designed considering wearability. In addition, the pattern recognition based on sEMG is proposed for prosthetic control. Several experiments were conducted to substantiate the performance of the prosthetic forearm. First, the developed prosthetic forearm could perform various motions required for activity of daily living of forearm amputee. It was able to control according to shape and size of the object. Additionally, the amputee was able to perform 'tying up shoe' using the prosthetic forearm. Secondly, pattern recognition and classification experiments using the sEMG signals were performed to find out whether it could classify the motions according to the user's intents. For this purpose, sEMG signals were applied to the multilayer perceptron (MLP) for training and testing. As a result, overall classification accuracy arrived at 99.6% for all participants, and all the postures showed more than 97% accuracy.

• Journal of Forest and Environmental Science
• /
• 제35권3호
• /
• pp.181-188
• /
• 2019

This study was performed to construct tree species classification map according to three information types (spectral information, texture information, and spectral and texture information) by altitude (30 m, 60 m, 90 m) using the unmanned aerial vehicle images and the object-based classification method, and to evaluate the concordance rate through field survey data. The object-based, optimal weighted values by altitude were 176 for 30 m images, 111 for 60 m images, and 108 for 90 m images in the case of Scale while 0.4/0.6, 0.5/0.5, in the case of the shape/color and compactness/smoothness respectively regardless of the altitude. The overall accuracy according to the type of information by altitude, the information on spectral and texture information was about 88% in the case of 30 m and the spectral information was about 98% and about 86% in the case of 60 m and 90 m respectively showing the highest rates. The concordance rate with the field survey data per tree species was the highest with about 92% in the case of Pinus densiflora at 30 m, about 100% in the case of Prunus sargentii Rehder tree at 60 m, and about 89% in the case of Robinia pseudoacacia L. at 90 m.

• 한국지능시스템학회논문지
• /
• 제25권1호
• /
• pp.29-34
• /
• 2015

Brain-computer interface 기술은 일상에서 편안한 생활을 위해 다방면으로 연구가 진행 중이다. 본 연구는 3가지 동작의 뇌파특성을 분석하여 의수와 같은 외부기기의 세밀한 동작 제어를 목적으로 한다. 피험자들은 악력기를 쥘 때 (Grip), 손가락만을 움직일 때 (Move), 아무런 동작을 취하지 않을 때 (Relax)의 3가지 동작을 수행하였고, 뇌파를 측정하여 power spectrum analysis와 multi-common spatial pattern 알고리즘으로 특징추출을 수행하였으며, 분류알고리즘인 SVM(support vector machine)으로 뇌파의 특징데이터들을 분류하였다. 실험결과 3개의 다른 동작을 분류한 결과, 실험에 참여한 3명의 피험자 중 2명에게서 Grip 클래스의 분류율이 가장 높은 분류율을 보였다. 본 연구의 결과는 뇌파를 이용하여 의수가 필요한 환자들에게 유용할 것으로 기대한다.

• 전자공학회논문지CI
• /
• 제45권3호
• /
• pp.135-141
• /
• 2008

본 논문은 3차원 가속 센서들과 장갑 형태로 제작한 RFID 리더기를 사용하여, 사용자의 신체 상태에 따른 동작 분석을 통해, 일상생활에서 사용자의 액티비티(Activity)를 자동으로 인식하는 새로운 방법을 제안한다. 두 개의 가속 센서로부터 획득한 움직임 정보로부터 선택 트리(Decision Tree) 방법을 통해 사용자의 5가지 자세 정보(Posture Information)를 구별하고, 손목에 장착된 가속 센서와 장갑 형태로 제작된 RFID 리더를 통해 인식한 객체와의 상호 작용을 통해서 도구를 사용하는 액티비티(Instrumental Activity)를 인식하는데 사용한다. 이를 위해, 객체 의존적인 손의 움직임을 학습에 의해 미리 5가지 카테고리로 분류한 후, 해당 객체와 인식된 움직임의 일치 여부를 확인한 후, 최종적으로 사용자의 신체 상태와 액티비티를 결정한다. 실험 결과에 의하면, 제안된 계층적 움직임 분석 방법은 20가지의 일상생활 액티비티들을 인식하는데 있어서 90%이상의 정확도를 보였다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2007년도 학술대회 1부
• /
• pp.667-674
• /
• 2007

Facial expressions provide significant clues about one's emotional state; however, it always has been a great challenge for machine to recognize facial expressions effectively and reliably. In this paper, we report a method of feature-based adaptive motion energy analysis for recognizing facial expression. Our method optimizes the information gain heuristics of ID3 tree and introduces new approaches on (1) facial feature representation, (2) facial feature extraction, and (3) facial feature classification. We use minimal reasonable facial features, suggested by the information gain heuristics of ID3 tree, to represent the geometric face model. For the feature extraction, our method proceeds as follows. Features are first detected and then carefully "selected." Feature "selection" is finding the features with high variability for differentiating features with high variability from the ones with low variability, to effectively estimate the feature's motion pattern. For each facial feature, motion analysis is performed adaptively. That is, each facial feature's motion pattern (from the neutral face to the expressed face) is estimated based on its variability. After the feature extraction is done, the facial expression is classified using the ID3 tree (which is built from the 1728 possible facial expressions) and the test images from the JAFFE database. The proposed method excels and overcomes the problems aroused by previous methods. First of all, it is simple but effective. Our method effectively and reliably estimates the expressive facial features by differentiating features with high variability from the ones with low variability. Second, it is fast by avoiding complicated or time-consuming computations. Rather, it exploits few selected expressive features' motion energy values (acquired from intensity-based threshold). Lastly, our method gives reliable recognition rates with overall recognition rate of 77%. The effectiveness of the proposed method will be demonstrated from the experimental results.

• 대한전자공학회논문지SP
• /
• 제49권4호
• /
• pp.95-104
• /
• 2012

이동 차량에 부착된 카메라로부터 획득한 영상에는 배경의 움직임, 영상내의 객체들의 움직임 등 여러 가지 움직임이 복합적으로 존재하여 카메라의 순수한 진동에 의한 움직임을 검출하기가 어렵다. 본 논문에서는 이러한 영상내의 움직임을 특성별로 분류하여 종류별로 움직임을 제거한 후, 카메라의 진동으로 인한 영상의 순수한 떨림을 추정하고 이를 보상하는 영상 안정화를 제시한다. 또한, 블록 화소 값의 차이와 윤곽선 밀도를 이용하여 정보가 적은 영역을 배제함으로써 빠르고, 정확한 영상 안정화 기법을 실현하였다.