1 |
1
제스처 인식 시스템으로서,손 제스처에 관한 데이터를 감지하는 적어도 하나의 관성 측정 유닛(Inertial Measurement Unit: IMU) 및 복수의 시점 각각에 대한 복수의 변수 값이 취합된 포맷으로 구성된 제스처 데이터를 제공하는 제어기를 포함하는 글러브형 착용가능 디바이스 - 상기 복수의 변수 값은 상기 감지된 데이터를 포함함 - 와,상기 글러브형 착용가능 디바이스와 통신가능하게 커플링된 컴퓨팅 디바이스를 포함하되, 상기 제어기는 상기 IMU로부터 상기 감지된 데이터를 수신하고 상기 감지된 데이터에 기반하여 오일러 각(Euler angles) 및 쿼터니언(Quaternion)을 계산하며 통신 매체를 통해 상기 컴퓨팅 디바이스에 상기 제스처 데이터를 제공하는 마이크로제어기 유닛(Micro-Controller Unit: MCU)을 포함하고, 상기 복수의 변수 값은 상기 오일러 각 및 상기 쿼터니언을 더 포함하며, 상기 컴퓨팅 디바이스는 상기 제스처 데이터에 대해 최소-최대 정규화(min-max normalization)로 전처리(preprocessing)를 수행하여 상기 전처리된 제스처 데이터를 입력 받은 콘볼루션 신경망(Convolutional Neural Network: CNN)의 최종 출력에 따라 상기 손 제스처를 복수의 손 제스처 부류 중 하나로 분류함으로써 상기 손 제스처를 인식하는 CNN 기반 학습 및 분류 메커니즘을 구현하도록 구성되고, 상기 적어도 하나의 IMU 각각은 3축 가속도계, 3축 자이로스코프 및 3축 지자기 센서를 포함하며, 상기 감지된 데이터는 상기 IMU 각각을 위한 3개의 직교 축 각각 상의 가속도 값, 각속도 값 및 지자기 값을 포함하는,제스처 인식 시스템
|
2 |
2
제1항에 있어서,상기 적어도 하나의 IMU는 상기 글러브형 착용가능 디바이스의 손가락 형상 부분에 구비되어 상기 손가락 형상 부분의 가속도, 각속도 및 지자기를 측정하는 IMU를 포함하는,제스처 인식 시스템
|
3 |
3
삭제
|
4 |
4
제1항에 있어서,상기 글러브형 착용가능 디바이스에 구비된 상기 IMU는 상기 글러브형 착용가능 디바이스의 복수의 손가락 형상 부분에 각각 구비된 복수의 IMU이고, 상기 제어기는 상기 MCU와 상기 복수의 IMU 간의 통신을 가능하게 하는 멀티플렉서(multiplexer)를 더 포함하는,제스처 인식 시스템
|
5 |
5
제1항에 있어서,상기 MCU는 또한 상기 3축 가속도계, 상기 3축 자이로스코프 및 상기 3축 지자기 센서의 캘리브레이션을 수행하는,제스처 인식 시스템
|
6 |
6
삭제
|
7 |
7
제1항에 있어서,상기 제어기는 촉각적 신호 생성기(haptic signal generator)를 더 포함하되, 상기 MCU는 상기 제스처 데이터로부터의 상기 손 제스처의 인식이 유보된다는 경보 신호를 상기 컴퓨팅 디바이스로부터 수신하는 것에 응답하여 상기 촉각적 신호 생성기로 하여금 촉각적 피드백(haptic feedback)을 제공하도록 명령하는,제스처 인식 시스템
|
8 |
8
제1항에 있어서,상기 CNN 기반 학습 및 분류 메커니즘은 상기 전처리를, 상기 CNN의 훈련 데이터에 대해 수행된 전처리와 동일한 방식으로 수행하는,제스처 인식 시스템
|
9 |
9
제1항에 있어서,상기 CNN은 적어도 하나의 콘볼루션 층(convolutional layer)과, 적어도 하나의 풀링 층(pooling layer)과, 상기 최종 출력을 위한 피드포워드 신경망 층(feed-forward neural network layer)을 포함하되, 상기 적어도 하나의 콘볼루션 층의 활성화 함수는 시그모이드 함수 또는 정류화된 선형 유닛(Rectified Linear Unit: ReLU) 함수이고, 상기 적어도 하나의 풀링 층은 최대 풀링을 수행하며, 상기 피드포워드 신경망 층의 활성화 함수는 소프트맥스(softmax) 함수인,제스처 인식 시스템
|
10 |
10
제7항에 있어서,상기 손 제스처의 인식이 유보됨은 상기 최종 출력 또는 상기 최종 출력 전에 계산된 특정 값에 따라 상기 CNN 기반 학습 및 분류 메커니즘에 의해 판정된,제스처 인식 시스템
|