1 |
1
판별 대상 동작 및 채널 별로 측정된 근전도 신호를 신호의 세기 구간 별 신호 출현 확률을 반영한 정보 엔트로피 값으로 변환하고, 상기 동작 별로 트레이닝을 반복하여 상기 정보 엔트로피 값을 축적하며, 상기 축적된 정보 엔트로피 값의 동작 및 채널 별 히스토그램을 이용해 상기 정보 엔트로피 값의 평균 및 분산을 산출함으로써, 정규 분포의 각 동작 별 확률 모델을 생성하는 트레이닝 단계;
동작 수행 시 발생한 근전도 신호의 상기 정보 엔트로피 값을 각 채널 별로 산출하고, 상기 정보 엔트로피 값을 상기 확률 모델에 대입하여 각 채널에서의 확률 밀도 함수 값이 가장 큰 동작을 상기 수행된 동작으로 판정하며, 상기 동작에 대응하는 동작 신호를 포함하는 게임 인터페이스 신호를 게임 연산 장치에 제공하는 동작 판정 단계; 및
움직임이 발생한 경우 관성 센서에 의해 측정된 관성 신호를 바탕으로 한 움직임 신호를 포함하는 게임 인터페이스 신호를 게임 연산 장치에 제공하는 움직임 판정 단계를 포함하는 표면 근전도 센서 및 관성 센서를 이용한 게임 인터페이스 방법
|
2 |
2
제 1항에 있어서,
상기 정보 엔트로피 값은,
상기 측정된 근전도 신호에 절대 값을 취한 신호에 대하여, 신호의 세기 구간 별 신호 출현 확률을 반영한 정보 엔트로피 값인 표면 근전도 센서 및 관성 센서를 이용한 게임 인터페이스 방법
|
3 |
3
제 1항에 있어서,
상기 동작 판정 단계는,
각 채널에서의 확률 밀도 함수 값의 곱이 가장 크게 하는 k(1≤k≤판별 대상 동작의 수)를 게이머가 취한 동작의 식별 번호로 판별하는 단계를 포함하는 표면 근전도 센서 및 관성 센서를 이용한 게임 인터페이스 방법
|
4 |
4
제 1항에 있어서,
상기 동작 판정 단계는,
각 채널에서의 확률 밀도 함수 값에 로그를 취한 값의 합이 가장 크게 하는 k(1≤k≤판별 대상 동작의 수)를 게이머가 취한 동작의 식별 번호로 판별하는 단계를 포함하는 표면 근전도 센서 및 관성 센서를 이용한 게임 인터페이스 방법
|
5 |
5
제 1항에 있어서,
상기 트레이닝 단계는,
판별 대상 동작, 동작의 세기 및 채널 별로 측정된 근전도 신호를 신호의 세기 구간 별 신호 출현 확률을 반영한 정보 엔트로피 값으로 변환하고, 상기 동작 및 동작의 세기 별로 트레이닝을 반복하여 상기 정보 엔트로피 값을 축적하며, 상기 축적된 정보 엔트로피 값의 동작, 동작의 세기 및 채널 별 히스토그램을 이용해 상기 정보 엔트로피 값의 평균 및 분산을 산출함으로써, 정규 분포의 각 동작, 동작의 세기 별 확률 모델을 생성하는 단계를 포함하는 표면 근전도 센서 및 관성 센서를 이용한 게임 인터페이스 방법
|
6 |
6
게이머의 동작 시 발생하는 근전도 신호를 측정하는 표면 근전도 센서 및 게이머의 움직임 시 발생하는 관성 신호를 측정하는 관성 센서를 구비한 게임 인터페이스 착용밴드; 및
상기 게임 인터페이스 착용밴드로부터 수신 된 센싱 신호로부터 게임 연산 장치에서 실행되는 게임 프로그램이 처리할 수 있는 게임 인터페이스 신호를 생성하여 게임 연산 장치에 제공 하는 동글을 포함하되,
상기 동글은,
판별 대상 동작 및 채널 별로 측정된 근전도 신호를 신호의 세기 구간 별 신호 출현 확률을 반영한 정보 엔트로피 값으로 변환하는 정보 엔트로피 생성 모듈;
상기 동작 별로 트레이닝을 반복하여 상기 정보 엔트로피 값을 축적하며, 상기 축적된 정보 엔트로피 값의 동작 및 채널 별 히스토그램을 이용하여 상기 정보 엔트로피 값의 평균 및 분산을 산출함으로써, 정규 분포의 각 동작 별 확률 모델을 생성하는 확률 모델 업데이트 모듈;
동작 수행 시 발생한 근전도 신호의 상기 정보 엔트로피 값을 각 채널 별로 산출하고, 상기 정보 엔트로피 값을 상기 확률 모델에 대입하여 각 채널에서의 확률 밀도 함수 값이 가장 큰 동작을 상기 수행된 동작으로 판정하며, 상기 동작에 대응하는 동작 신호를 포함하는 게임 인터페이스 신호를 게임 연산 장치에 제공하는 동작 판별 모듈; 및
움직임이 발생한 경우 관성 센서에 의해 측정된 관성 신호를 바탕으로 한 움직임 신호를 포함하는 게임 인터페이스 신호를 게임 연산 장치에 제공하는 관성 신호 처리 모듈을 포함하는 표면 근전도 센서 및 관성 센서를 이용한 게임 인터페이스 시스템
|
7 |
7
제 6항에 있어서,
상기 트레이닝 및 상기 판정은,
상기 게임 연산 장치가 지원하는 입력 버튼의 수만큼의 동작에 대하여 이뤄지는 표면 근전도 센서 및 관성 센서를 이용한 게임 인터페이스 시스템
|
8 |
8
제 7항에 있어서,
상기 트레이닝 및 상기 판정은,
상기 각 동작 별로 동작의 세기를 달리하여 이뤄지는 표면 근전도 센서 및 관성 센서를 이용한 게임 인터페이스 시스템
|
9 |
9
제 6항에 있어서,
상기 정보 엔트로피 값은,
상기 측정된 근전도 신호에 절대 값을 취한 신호에 대하여, 신호의 세기 구간 별 신호 출현 확률을 반영한 정보 엔트로피 값인 표면 근전도 센서 및 관성 센서를 이용한 게임 인터페이스 시스템
|
10 |
10
제 6항에 있어서,
상기 동작 판별 모듈은,
각 채널에서의 확률 밀도 함수 값의 합이 가장 크게 하는 k(1≤k≤판별 대상 동작의 수)를 게이머가 취한 동작의 식별 번호로 판별하는 표면 근전도 센서 및 관성 센서를 이용한 게임 인터페이스 시스템
|
11 |
11
제 6항에 있어서,
상기 동글은, 상기 확률 모델 업데이트 모듈에 의해 축적된 정보 엔트로피 값의 동작 및 채널 별 히스토그램 데이터 및 상기 확률 모델 업데이트 모듈에 의해 생성된 각 채널 및 동작 별 정보 엔트로피 값의 평균 및 분산의 순서쌍 형태로 구성 되는 확률 모델 데이터를 저장하는 확률 모델 저장부를 더 포함하며,
상기 확률 모델 업데이트 모듈은,
상기 확률 모델 저장부에 저장된 상기 히스토그램 데이터에 트레이닝 결과 생성된 각 채널 및 동작 별 정보 엔트로피 값을 추가하여 업데이트 된 히스토그램 데이터를 기반으로 상기 확률 모델 데이터를 업데이트하는 표면 근전도 센서 및 관성 센서를 이용한 게임 인터페이스 시스템
|