| 1 |
1
키넥트 센서로부터 입력된 사용자의 제스처를 토대로 사용자 관절에 대한 3차원 정보를 추출하는 3차원 정보 추출부; 제스처의 기본 패턴에 따라 사전에 제스처 분류 트리를 설계하여, 상기 추출한 3차원 정보를 상기 제스처 분류 트리에 따라 분류하는 제스처 분류 트리 설계부; 상기 사용자의 제스처를 리샘플링 및 정규화하여 일정 구간으로 분할하고 각 구간의 체인코드의 특징 벡터를 추출하는 체인 코드 특징 추출부; 및상기 체인 코드의 특징 벡터와 상기 체인 코드의 히스토그램 정보를 이용하여 다중 클래스 SVM(Supprot Vector machine)으로 학습시킨 후 상기 사용자의 제스처를 분류하는 제스처 분류부;를 포함하되, 상기 제스처 분류 트리 설계부는, 상기 입력된 사용자의 제스처가 사전에 설정된 시작점(SP:Start Point)을 기준으로 왼쪽 또는 오른쪽으로 이동하는지 판단하는 시작 방향 분류부; 상기 제스처의 시작점과 끝점(EP:End Point)이 일치하는지 여부를 확인하는 점 일치 확인부; 및 상기 제스처의 중점을 계산하여 상기 중점의 y좌표와 상기 끝점의 y 좌표를 비교하여 상기 끝점의 높낮이를 판단하는 높낮이 계산부;를 포함하는 것을 특징으로 하는 다중 클래스 SVM과 트리 분류를 이용한 제스처 인식 장치
|
| 2 |
2
삭제
|
| 3 |
3
제 1항에 있어서, 상기 점 일치 확인부는 상기 시작점과 상기 끝점 사이의 거리를 계산하여 상기 거리가 사전에 설정한 임계값 이하이면 상기 시작점과 상기 끝점이 일치하는 것으로 판단하는 것을 특징으로 하는 다중 클래스 SVM과 트리 분류를 이용한 제스처 인식 장치
|
| 4 |
4
제 1항에 있어서, 상기 제스처 분류 트리 설계부는 상기 제스처를 동일한 구간으로 리샘플링하여 상기 제스처의 궤적 위치를 보간함으로서 전체 제스처의 길이를 1로 정규화하는 것을 특징으로 하는 다중 클래스 SVM과 트리 분류를 이용한 제스처 인식 장치
|
| 5 |
5
제 1항에 있어서, 상기 체인 코드 특징 추출부는 일정 간격으로 리샘플링된 제스처 세그먼트로부터 체인 코드를 추출하는 것을 특징으로 하는 다중 클래스 SVM과 트리 분류를 이용한 제스처 인식 장치
|
| 6 |
6
제 1항에 있어서, 상기 다중 클래스 SVM은 이진 기반의 분류 방법으로 제스처 클래스가 M개이면 학습 데이터를 대상으로 M번 학습한 다음, 이후 입력 테스터 데이터를 비교하여 가장 높은 판별 함수값을 갖는 클래스 레이블을 할당하는 것을 특징으로 하는 다중 클래스 SVM과 트리 분류를 이용한 제스처 인식 장치
|
| 7 |
7
다중 클래스 SVM과 트리 분류를 이용한 제스처 인식 장치에 의해 수행되는 제스처 인식 방법에 있어서,(a) 키넥트 센서로부터 입력된 사용자의 제스처를 토대로 상기 사용자 관절에 대한 3차원 정보를 추출하는 3차원 정보 추출 단계; (b) 상기 사용자의 제스처의 기본 패턴에 따라 사전에 제스처 분류 트리를 설계하여, 상기 추출한 3차원 정보를 상기 제스처 분류 트리에 따라 분류하는 제스처 분류 트리 설계 단계; (c) 상기 제스처에 대한 체인 코드의 특징 벡터를 추출하는 체인 코드 특징 추출 단계; 및(d) 상기 제스처에 대한 상기 체인 코드와 히스토그램 정보를 특징 벡터로 이용하여 다중 클래스 SVM(Supprot Vector machine)으로 학습시킨 후 상기 사용자의 제스처를 분류하는 제스처 분류 단계;를 포함하되, 상기 (b) 단계는, (b1) 상기 입력된 사용자의 제스처가 사전에 설정된 시작점(SP:Start Point)에서 왼쪽 또는 오른쪽으로 이동하는지 판단하는 시작 방향 분류 단계; (b2) 상기 제스처의 시작점과 끝점(EP:End Point)이 일치하는지 여부를 확인하는 점 일치 확인 단계; 및 (b3) 상기 제스처의 중점을 계산하여 상기 중점의 y좌표와 상기 끝점의 y 좌표를 비교하여 상기 끝점의 높낮이를 판단하는 높낮이 계산 단계;를 포함하는 것을 특징으로 하는 다중 클래스 SVM과 트리 분류를 이용한 제스처 인식 방법
|
| 8 |
8
삭제
|
| 9 |
9
제 7항에 있어서, 상기 (b2) 단계는 상기 시작점과 상기 끝점 사이의 거리를 계산하여 상기 거리가 사전에 설정한 임계값 이하이면 상기 시작점과 상기 끝점이 일치하는 것으로 판단하는 것을 특징으로 하는 다중 클래스 SVM과 트리 분류를 이용한 제스처 인식 방법
|
| 10 |
10
제 7항에 있어서, 상기 (b) 단계는 상기 제스처를 동일한 구간으로 리샘플링하여 상기 제스처의 궤적 위치를 보간함으로서 전체 제스처의 길이를 1로 정규화하는 것을 특징으로 하는 다중 클래스 SVM과 트리 분류를 이용한 제스처 인식 방법
|
| 11 |
11
제 7항에 있어서, 상기 (c) 단계는 일정 간격으로 리샘플링된 제스처 세그먼트로부터 체인 코드를 추출하는 것을 특징으로 하는 다중 클래스 SVM과 트리 분류를 이용한 제스처 인식 방법
|
| 12 |
12
제 7항에 있어서, 상기 다중 클래스 SVM은 이진 기반의 분류 방법으로 제스처 클래스가 M개이면 학습 데이터를 대상으로 M번 학습한 다음, 이후 입력 테스터 데이터를 비교하여 가장 높은 판별 함수값을 갖는 클래스 레이블을 할당하는 것을 특징으로 하는 다중 클래스 SVM과 트리 분류를 이용한 제스처 인식 방법
|
| 13 |
13
제 7항에 기재된 다중 클래스 SVM과 트리 분류를 이용한 제스처 인식 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
