| 1 |
1
손 영역을 포함하는 깊이 영상을 획득하는 깊이 영상 획득부;기계 학습법을 이용하여 상기 깊이 영상 중 손 영역의 깊이 포인트들을 해당하는 손 부위에 따라 분류하는 깊이 포인트 분류부; 및분류된 깊이 포인트들과 각 깊이 포인트들에 대응하는 손 부위 사이의 거리를 이용하여, 상기 분류된 깊이 포인트들에 3차원 손 모델을 정합시키는 손 모델 정합부를 포함하되,상기 손 모델 정합부는,복수의 깊이 포인트와 상기 복수의 깊이 포인트 각각에 대응하는 3차원 손 모델의 부위 사이의 거리의 합이 최소가 되도록 상기 3차원 손 모델을 정합시키는 깊이 영상 기반의 손 제스처 인식 장치
|
| 2 |
2
제1항에 있어서,상기 깊이 포인트 분류부는, 상기 손 영역의 깊이 포인트들을 엄지, 검지, 중지, 약지, 소지 또는 손바닥 중 어느 하나의 손 부위로 분류하고, 상기 분류에 따라 각 깊이 포인트들을 라벨링하는 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 장치
|
| 3 |
3
제1항에 있어서,상기 기계 학습법은 서포트벡터머신 또는 랜덤포레스트를 포함하는 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 장치
|
| 4 |
4
삭제
|
| 5 |
5
제1항에 있어서,상기 대응하는 차원 손 모델의 부위는,손가락 마디인 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 장치
|
| 6 |
6
제1항에 있어서,상기 손 모델 정합부는, 손가락에 포함되는 손가락 마디 사이의 각도 정보를 더 이용하여 상기 3차원 손 모델을 정합시키는 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 장치
|
| 7 |
7
제6항에 있어서,상기 손 모델 정합부는,한 손가락에 포함되는 손가락 마디 사이의 각도들이 비례관계를 갖도록 상기 3차원 손 모델을 정합시키는 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 장치
|
| 8 |
8
제1항에 있어서,상기 손 모델 정합부는,3차원 손 모델이 사람이 표현 가능한 손 가락 자세를 갖도록 제한하는 제약조건 또는 손 영역의 깊이 포인트들을 포함하는 손 공간을 제한하는 제약조건을 더 이용하여 상기 3차원 손 모델을 정합시키는 깊이 영상 기반의 손 제스처 인식 장치
|
| 9 |
9
제2항에 있어서,상기 엄지, 검지, 중지, 약지, 소지 중 분류되지 않은 손 부위가 존재하는 경우,상기 손 모델 정합부는, 분류되지 않은 손 부위에는 임의 자세를 갖는 3차원 손 모델을 정합시키는 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 장치
|
| 10 |
10
제9항에 있어서,상기 3차원 손 모델은, 손가락 마디에 스프링 모델을 포함하는 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 장치
|
| 11 |
11
제1항에 있어서,상기 깊이 포인트 분류부는 상기 깊이 영상 중 손 영역의 깊이 포인트들을 이용하여 손 뼈대를 나타내는 손 뼈대 깊이 포인트들을 생성하고, 상기 손 뼈대 깊이 포인트들을 해당하는 손 부위에 따라 분류하고,상기 손 모델 정합부는, 상기 분류된 손 뼈대 깊이 포인트들에 3차원 손 모델을 정합시키는 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 장치
|
| 12 |
12
손 영역을 포함하는 깊이 영상을 획득하는 단계;기계 학습법을 이용하여 상기 깊이 영상 중 손 영역의 깊이 포인트들을 해당하는 손 부위에 따라 분류하는 단계; 및분류된 깊이 포인트들과 각 깊이 포인트들에 대응하는 손 부위 사이의 거리를 이용하여, 상기 분류된 깊이 포인트들에 3차원 손 모델을 정합시키는 단계를 포함하되,상기 3차원 손 모델을 정합시키는 단계는,복수의 깊이 포인트와 상기 복수의 깊이 포인트 각각에 대응하는 3차원 손 모델의 부위 사이의 거리의 합이 최소가 되도록 상기 3차원 손 모델을 정합시키는 깊이 영상 기반의 손 제스처 인식 방법
|
| 13 |
13
제12항에 있어서,상기 깊이 포인트들을 해당하는 손 부위에 따라 분류하는 단계는, 상기 손 영역의 깊이 포인트들을 엄지, 검지, 중지, 약지, 소지 또는 손바닥 중 어느 하나의 손 부위로 분류하고, 상기 분류에 따라 각 깊이 포인트들을 라벨링하는 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 방법
|
| 14 |
14
제12항에 있어서,상기 기계 학습법은 서포트벡터머신 또는 랜덤포레스트를 포함하는 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 방법
|
| 15 |
15
삭제
|
| 16 |
16
제12항에 있어서,상기 대응하는 차원 손 모델의 부위는,손가락 마디인 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 방법
|
| 17 |
17
제12항에 있어서,상기 3차원 손 모델을 정합시키는 단계는,손가락에 포함되는 손가락 마디 사이의 각도 정보를 더 이용하여 상기 3차원 손 모델을 정합시키는 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 방법
|
| 18 |
18
제17항에 있어서,상기 3차원 손 모델을 정합시키는 단계는,손가락에 포함되는 손가락 마디 사이의 각도들이 비례관계를 갖도록 상기 3차원 손 모델을 정합시키는 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 방법
|
| 19 |
19
제12항에 있어서,상기 3차원 손 모델을 정합시키는 단계는,3차원 손 모델이 사람이 표현 가능한 손 가락 자세를 갖도록 제한하는 제약조건을 적용하는 단계 또는 손 영역의 깊이 포인트들을 포함하는 손 공간을 제한하는 제약조건을 적용하는 단계를 더 포함하는 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 방법
|
| 20 |
20
제13항에 있어서,상기 3차원 손 모델을 정합시키는 단계는,상기 엄지, 검지, 중지, 약지, 소지 중 분류되지 않은 손 부위가 존재하는 경우, 분류되지 않은 손 부위에는 임의 자세를 갖는 3차원 손 모델을 정합시키는 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 방법
|
| 21 |
21
제19항에 있어서,상기 3차원 손 모델은, 손가락 마디에 스프링 모델을 포함하는 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 방법
|
| 22 |
22
제12항에 있어서,상기 깊이 포인트들을 해당하는 손 부위에 따라 분류하는 단계는, 상기 깊이 영상 중 손 영역의 깊이 포인트들을 이용하여 손 뼈대를 나타내는 손 뼈대 깊이 포인트들을 생성하고, 상기 손 뼈대 깊이 포인트들을 해당하는 손 부위에 따라 분류하는 단계를 포함하고,상기 3차원 손 모델을 정합시키는 단계는,상기 분류된 손 뼈대 깊이 포인트들에 3차원 손 모델을 정합시키는 단계를 포함하는 것을 특징으로 하는 깊이 영상 기반의 손 제스처 인식 방법
|
| 23 |
23
제12항 내지 제14항 및 제16항 내지 제22항 중 한 항에 따른 방법을 실행하기 위한 명령을 포함하는 프로그램이 저장된, 컴퓨터로 판독 가능한 기록 매체
|
