맞춤기술찾기

이전대상기술

관성 측정 유닛을 사용하여 콘볼루션 신경망 기반의 제스처 인식을 수행하는 기법

  • 기술번호 : KST2019017655
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 제스처 인식 시스템이 제공된다. 개시된 제스처 인식 시스템은 제스처에 관한 데이터를 감지하는 적어도 하나의 관성 측정 유닛(Inertial Measurement Unit: IMU)을 포함하는 센서 모듈과, 콘볼루션 신경망(Convolutional Neural Network: CNN)에 기반하여 감지된 데이터를 포함하는 제스처 데이터로부터 제스처를 인식하는 CNN 기반 제스처 인식 모듈을 포함하되, 적어도 하나의 IMU 각각은 가속도계, 자이로스코프 및 지자기 센서를 포함하고, CNN은 적어도 하나의 콘볼루션 층과, 적어도 하나의 풀링 층과, 적어도 하나의 피드포워드 신경망 층과, CNN의 최종 출력을 위한 다른 피드포워드 신경망 층을 포함하며, 적어도 하나의 콘볼루션 층의 활성화 함수는 계단 함수이고, 적어도 하나의 피드포워드 신경망 층의 활성화 함수는 정류화된 선형 유닛(Rectified Linear Unit: ReLU) 함수이다.
Int. CL G06F 3/01 (2006.01.01) G06F 3/0346 (2013.01.01) G06F 3/038 (2006.01.01) G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01)
CPC G06F 3/017(2013.01) G06F 3/017(2013.01) G06F 3/017(2013.01) G06F 3/017(2013.01) G06F 3/017(2013.01)
출원번호/일자 1020180024028 (2018.02.27)
출원인 세종대학교산학협력단
등록번호/일자
공개번호/일자 10-2019-0102924 (2019.09.04) 문서열기
공고번호/일자 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2018.02.27)
심사청구항수 6

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 세종대학교산학협력단 대한민국 서울특별시 광진구 능동로 *** (군

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김형석 서울특별시 광진구
2 배성준 서울특별시 광진구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 김현승 대한민국 서울특별시 종로구 율곡로 **, *층(안국동, 안국빌딩)(에스피특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 세종대학교산학협력단 대한민국 서울특별시 광진구 능동로 *** (군
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2018.02.27 수리 (Accepted) 1-1-2018-0204380-88
2 선행기술조사의뢰서
Request for Prior Art Search
2019.03.15 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search
2019.04.26 수리 (Accepted) 9-1-2019-0020135-36
4 의견제출통지서
Notification of reason for refusal
2019.05.28 발송처리완료 (Completion of Transmission) 9-5-2019-0378464-86
5 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2019.07.26 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2019-0769743-33
6 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)
2019.07.26 수리 (Accepted) 1-1-2019-0769791-14
7 [출원서 등 보완]보정서
2019.07.26 수리 (Accepted) 1-1-2019-0769643-76
8 [공지예외적용 보완 증명서류]서류제출서
2019.07.26 수리 (Accepted) 1-1-2019-0769683-92
9 등록결정서
Decision to grant
2019.11.05 발송처리완료 (Completion of Transmission) 9-5-2019-0801266-54
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
제스처 인식 시스템으로서,제스처에 관한 데이터를 감지하는 적어도 하나의 관성 측정 유닛(Inertial Measurement Unit: IMU)을 포함하는 센서 모듈과,복수의 시점 각각에 대한 복수의 변수 값이 취합된 포맷으로 구성된 제스처 데이터를 입력 받은 콘볼루션 신경망(Convolutional Neural Network: CNN)의 최종 출력에 따라 상기 제스처를 복수의 제스처 부류 중 하나로 분류함으로써 상기 제스처를 인식하는 CNN 기반 제스처 인식 모듈 - 상기 복수의 변수 값은 상기 감지된 데이터를 포함함 - 을 포함하되, 상기 적어도 하나의 IMU 각각은 3축 가속도계, 3축 자이로스코프 및 3축 지자기 센서를 포함하고, 상기 감지된 데이터는 상기 IMU 각각을 위한 3개의 직교 축 각각 상의 가속도 값, 각속도 값 및 지자기 값을 포함하며, 상기 복수의 변수 값은 상기 감지된 데이터에 기반하여 계산된 오일러 각(Euler angles) 및 상기 감지된 데이터에 기반하여 계산된 쿼터니언(Quaternion)을 더 포함하고, 상기 CNN은 적어도 하나의 콘볼루션 층(convolutional layer)과, 적어도 하나의 풀링 층(pooling layer)과, 적어도 하나의 피드포워드 신경망 층(feed-forward neural network layer)과, 상기 최종 출력을 위한 다른 피드포워드 신경망 층을 포함하며, 상기 적어도 하나의 콘볼루션 층의 활성화 함수는 계단 함수(step function)이고, 상기 적어도 하나의 피드포워드 신경망 층의 활성화 함수는 정류화된 선형 유닛(Rectified Linear Unit: ReLU) 함수인,제스처 인식 시스템
2 2
제1항에 있어서,상기 적어도 하나의 풀링 층은 최대 풀링(max pooling)을 수행하는,제스처 인식 시스템
3 3
제1항에 있어서,상기 다른 피드포워드 신경망 층의 활성화 함수는 소프트맥스(softmax) 함수인,제스처 인식 시스템
4 4
삭제
5 5
컴퓨터 실행가능 명령어가 저장된 컴퓨터 판독가능 저장 매체로서,상기 컴퓨터 실행가능 명령어는 컴퓨팅 장치에 의해 실행되는 경우 상기 컴퓨팅 장치로 하여금 제스처 인식 방법을 수행하게 하되, 상기 제스처 인식 방법은,복수의 시점 각각에 대한 복수의 변수 값이 취합된 포맷으로 구성된 제스처 데이터를 수신하는 단계 - 상기 복수의 변수 값은 적어도 하나의 관성 측정 유닛(Inertial Measurement Unit: IMU)에 의해 제스처에 관해 감지된 데이터를 포함함 - 와,상기 제스처 데이터를 입력 받은 콘볼루션 신경망(Convolutional Neural Network: CNN)의 최종 출력에 따라 상기 제스처를 복수의 제스처 부류 중 하나로 분류함으로써 상기 제스처를 인식하는 단계를 포함하되, 상기 적어도 하나의 IMU 각각은 3축 가속도계, 3축 자이로스코프 및 3축 지자기 센서를 포함하고, 상기 감지된 데이터는 상기 IMU 각각을 위한 3개의 직교 축 각각 상의 가속도 값, 각속도 값 및 지자기 값을 포함하며, 상기 복수의 변수 값은 상기 감지된 데이터에 기반하여 계산된 오일러 각(Euler angles) 및 상기 감지된 데이터에 기반하여 계산된 쿼터니언(Quaternion)을 더 포함하고, 상기 CNN은 적어도 하나의 콘볼루션 층과, 적어도 하나의 풀링 층과, 적어도 하나의 피드포워드 신경망 층과, 상기 최종 출력을 위한 다른 피드포워드 신경망 층을 포함하며,상기 제스처를 인식하는 단계는 상기 적어도 하나의 콘볼루션 층의 활성화 함수로서 계단 함수를 사용하는 단계와, 상기 적어도 하나의 피드포워드 신경망 층의 활성화 함수로서 정류화된 선형 유닛(Rectified Linear Unit: ReLU) 함수를 사용하는 단계를 포함하는,컴퓨터 판독가능 저장 매체
6 6
제5항에 있어서,상기 제스처를 인식하는 단계는 상기 적어도 하나의 풀링 층에서 최대 풀링을 수행하는 단계를 더 포함하는,컴퓨터 판독가능 저장 매체
7 7
제5항에 있어서,상기 제스처를 인식하는 단계는 상기 다른 피드포워드 신경망 층의 활성화 함수로서 소프트맥스 함수를 사용하는 단계를 더 포함하는컴퓨터 판독가능 저장 매체
8 8
삭제
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 세종대학교 개인기초연구(미래부) 압축센싱과 자원할당 기술 기반의 저전력 고효율 가시광통신시스템 연구개발