다차원 평가를 통한 관성 측정 장치 활용 손 동작 구간 탐지 (Hand Motion Segmentation for IMU Applications based on Multidimensional Evaluation)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 18권 / 10호 / 79 ~ 85페이지
· 저자명 : 임종관

초록

관성 측정 장치를 활용한 다양한 동작 인식에서 주요한 역할을 하는 동작 구간 탐지를 위해 다변량 에너지 기반 방법론을 제안한다. 다변량 에너지 기반 방법론의 핵심인 다변량 에너지의 구성을 위해, 기계학습의 특징점 선정 기법을 활용해 최적의 가속도 특징벡터를 선정한다. 기존 문헌에서 사용된 6개 특징의 시계열 데이터에 초점을 맞추어 8차까지 증가시키며 이들을 결합 후, 각 999개와 99,999개의 특징 후보에 대해 동작구간과 비동작구간의 변별력을 4가지 목적 함수로 검증한다. 최종 선정된 2가지 후보에 대해 다층퍼셉트론과 방사형 기저함수를 사용하여 최종 검출 성능을 확인하고, 4가지 기존 방법론과 성능을 비교하여 제안하는 방법의 우수성을 검증한다. 가속도와 가속도의 1차/ 2차 미분의 절대값으로 구성되는 협소한 특징점 공간과 비선형 방사형 기저함수가 결합될 때 가장 훌륭한 성능을 보여준다.

영어초록

A new multivariate energy-based motion segmentation has been proposed for various motion recognition using inertial measurement units. For multivariate energy construction, a key process in multivariate energy-based approaches, feature selection in machine learning is used to find the optimal acceleration feature vector. Focusing on the time series of basic features in conventional researches, the separability of 999 and 99,999 feature candidates made from the time series combination is tested with four objective functions. The two finally selected candidates are verified with a multilayer perceptron and a radial basis function, and the results are compared with four conventional methods. It reveals that a narrower feature space bounded by absolute values of acceleration, 1st and 2nd derivatives shows the best record when it is fed to a non-linear radial basis function.

참고자료

· 없음