1 |
1
제스처 인식 시스템으로서,모션 입력 장치를 활용하여 실시간으로 입력된 제스처 데이터를 수집하는 제스처 데이터 수집부(100);상기 수집된 제스처 데이터에 대해 정규화를 실시하는 정규화부(200);상기 수집된 제스처 데이터와 상기 정규화부(200)에 의해 정규화 된 데이터를 저장하는 데이터 저장부(300); 및상기 데이터 저장부(300)에 의해 저장된 데이터를 이용해 딥 러닝(Deep learning)에 기초해 학습하여 딥 러닝 기반의 3차원 제스처 인식 모델을 생성하는 모델 생성부(400)를 포함하며,상기 정규화부(200)는,시간적 정규화 및 공간적 정규화를 실시하는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 시스템(10)
|
2 |
2
제1항에 있어서, 상기 제스처 데이터 수집부(100)는,상기 모션 입력 장치를 활용하고 게임 엔진을 통해서 GUI를 구성하여 상기 제스처 데이터를 수집하는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 시스템(10)
|
3 |
3
제1항에 있어서, 상기 제스처 데이터 수집부(100)는,라벨링 및 스페이스 바에 의해 제스처의 시작과 끝이 정의된 상기 제스처 데이터를 수집하는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 시스템(10)
|
4 |
4
삭제
|
5 |
5
제1항에 있어서, 상기 시간적 정규화는,보간(Interpolation)과 재표본화(Resampling) 과정을 포함하는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 시스템(10)
|
6 |
6
제1항에 있어서, 상기 딥 러닝 기반의 3차원 제스처 인식 모델은,입력 계층(Input Layer), 은닉 계층(Hidden Layer) 및 출력 계층(Output Layer)을 포함하여 구성되는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 시스템(10)
|
7 |
7
제6항에 있어서, 상기 입력 계층(Input Layer)은,100차원의 노드로 구성되고 값이 1인 편향(Bias)을 포함하여 101차원으로 구성되는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 시스템(10)
|
8 |
8
제6항에 있어서, 상기 은닉 계층(Hidden Layer)은,1025개의 노드를 갖는 은닉 계층 1(Hidden Layer 1), 513개의 노드를 갖는 은닉 계층 2(Hidden Layer 2), 257개의 노드를 갖는 은닉 계층 3(Hidden Layer 3), 129개의 노드를 갖는 은닉 계층 4(Hidden Layer 4) 및 65개의 노드를 갖는 은닉 계층 5(Hidden Layer 5)로 구성되어 심층 구조를 형성하는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 시스템(10)
|
9 |
9
제6항에 있어서, 상기 은닉 계층(Hidden Layer)은,활성화 함수로 SELU(Scaled Exponential Linear Unit)를 사용하는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 시스템(10)
|
10 |
10
제6항에 있어서, 상기 출력 계층(Output Layer)은,21개의 노드로 구성되는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 시스템(10)
|
11 |
11
제스처 인식 방법으로서,(1) 모션 입력 장치를 활용하여 실시간으로 입력된 제스처 데이터를 수집하는 단계;(2) 상기 단계 (1)에 의해 수집된 제스처 데이터에 대해 정규화를 실시하는 단계;(3) 상기 단계 (1)에 의해 수집된 제스처 데이터와 상기 단계 (2)에 의해 정규화 된 데이터를 저장하는 단계; 및(4) 상기 단계 (3)에 의해 저장된 데이터를 이용해 딥 러닝(Deep Learning)에 기초해 학습하여 딥 러닝 기반의 3차원 제스처 인식 모델을 생성하는 단계를 포함하며,상기 단계 (2)에서는,시간적 정규화 및 공간적 정규화를 실시하는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 방법
|
12 |
12
제11항에 있어서, 상기 단계 (1)에서는,상기 모션 입력 장치를 활용하고 게임 엔진을 통해서 GUI를 구성하여 상기제스처 데이터를 수집하는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 방법
|
13 |
13
제11항에 있어서, 상기 단계 (1)에서는,라벨링 및 스페이스 바에 의해 제스처의 시작과 끝이 정의된 상기 제스처 데이터를 수집하는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 방법
|
14 |
14
삭제
|
15 |
15
제11항에 있어서, 상기 시간적 정규화는,보간(Interpolation)과 재표본화(Resampling) 과정을 포함하는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 방법
|
16 |
16
제11항에 있어서, 상기 딥 러닝 기반의 3차원 제스처 인식 모델은,입력 계층(Input Layer), 은닉 계층(Hidden Layer) 및 출력 계층(Output Layer)을 포함하여 구성되는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 방법
|
17 |
17
제16항에 있어서, 상기 입력 계층(Input Layer)은,100차원의 노드로 구성되고 값이 1인 편향(Bias)을 포함하여 101차원으로 구성되는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 방법
|
18 |
18
제16항에 있어서, 상기 은닉 계층(Hidden Layer)은,1025개의 노드를 갖는 은닉 계층 1(Hidden Layer 1), 513개의 노드를 갖는 은닉 계층 2(Hidden Layer 2), 257개의 노드를 갖는 은닉 계층 3(Hidden Layer 3), 129개의 노드를 갖는 은닉 계층 4(Hidden Layer 4) 및 65개의 노드를 갖는 은닉 계층 5(Hidden Layer 5)로 구성되어 심층 구조를 형성하는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 방법
|
19 |
19
제16항에 있어서, 상기 은닉 계층(Hidden Layer)은,활성화 함수로 SELU(Scaled Exponential Linear Unit)를 사용하는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 방법
|
20 |
20
제16항에 있어서, 상기 출력 계층(Output Layer)은,21개의 노드로 구성되는 것을 특징으로 하는, 시간적 및 공간적 정규화를 통한 딥 러닝 기반의 실시간 3차원 제스처 인식 방법
|