5 |
5
손가락부, 손등부 및 손목부터 전완까지의 상부를 덮는 전완부를 포함하고, 손가락 부분을 제외한 하부는 개방 된 형태의 외피;구부러짐에 따라 저항 값이 변하는 특성을 이용하여, 다섯 손가락의 구부러짐 유무 및 구부러진 정도를 검출 및 측정하기 위해 외피의 손가락부 및 손등부에 장착한 플렉스센서모듈;사용자 팔의 운동 벡터를 측정하여 값으로 산출하기 위하여, 외피의 손등부분에 장착된 6축 가속도 자이로센서모듈(IMU);외피의 전완부에 장착되어 플렉스센서모듈로부터 센싱된 구부러짐 값을 측정하기 위한 마이크로컨트롤러(MCU),마이크로컨트롤러로부터 구부러짐 값을 전달받고 6축 가속도자이로센서모듈로부터의 측정값을 병합하여 처리하기 위한 초소형연산처리장치(MPU) 및초소형연산처리장치(MPU)에 내장되어 처리된 모션 데이터를 목적 장치로 송신하기 위한 제1무선통신모듈를 포함하는 제어부 및제어부 및 전체 시스템에 전원을 공급하기 위하여 전완부에 장착되는 배터리를 포함하는 전원공급부를 포함하고,제어부의 제1무선통신모듈의 동작 정보를 입력받아, 입출력 기능을 수행할 목적장치를 포함하며,목적장치는제어부의 제1무선통신모듈로부터 동작정보를 입력 받을 수 있는 제2무선통신모듈,제1무선통신모듈로부터 입력받은 동작정보를 연산을 통하여 특정동작을 수행하게 하는 연산모듈,머신러닝 및 딥러닝 학습데이터가 저장되어 있는 데이터베이스를 포함하는 것을 포함하고,데이터베이스에 저장된 머신러닝 및 딥려닝 학습데이터는인식시킬 동작들을 반복하며, 학습에 필요한 동작 데이터를 생성하는 학습용 데이터 생성 단계,학습용 디바이스에서 학습에 필요한 동작데이터를 수신하는 수신 단계,데이터 분석에 용이한 데이터 셋을 만들기 위하여, 수신하는 데이터들을 실시간으로 한 번의 동작에 20개의 데이터 간격으로 데이터 프레임화하여 저장하며 지도학습(supervised learning)을 위한 라벨링(labelling) 과정을 포함하는 전처리 단계,전처리 단계에서 만들어진 데이터 셋을 머신 러닝 알고리즘으로 학습시키는 모델 적용 단계,전처리 과정과 모델 적용 단계를 반복하며, 알고리즘 내 파라미터를 조정하는 수정 단계,시계열 데이터에 대한 효과적인 딥 러닝(LSTM) 모델을 기존의 모델과 앙상블하여 예측 정확도가 높은 알고리즘을 적용하는 앙상블 단계를 거쳐 생성되는 것을 포함하는, 제스쳐인식 웨어러블 디바이스
|