초음파 환경에서의 사물인터넷 기기 제어를 위한 딥러닝 기반 동작 인식 시스템 구현 (Implementation of Deep Learning-Based Motion Classification System for IoT Device Control in Ultrasonic Sound Environments)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 42권 / 9호 / 1796 ~ 1805페이지
· 저자명 : 양수명, 송원재, 최익수, 유상조

초록

음성 인식이나 제스처 인식 방법을 이용한 IoT 기기를 제어하는 방법은 많이 제시되었지만, 본 논문은 사물인터넷 기기를 제어하기 위해 딥 러닝을 적용한 동작 구별 방법을 제안한다. 초음파를 사용하는 스피커와 마이크로폰 사이에서 특정한 동작에 의한 도플러효과로 인해 생긴 미세한 주파수 변화를 이미지화하고 컨볼루션 뉴럴 네트워크(Convolutional Neural Network)를 통해 손동작을 구별한다. 구별된 각각의 동작 값을 MQTT(Message Queue Telemetry Transport) 프로토콜을 통해 원격으로 라즈베리 파이로 전송한다. 라즈베리 파이는 전송받은 동작 값을 통해 사물인터넷 기기들을 제어한다. 모의실험을 통해 사물인터넷 기기제어를 위한 새로운 제어방식 시스템의 성능을 확인하였다.

영어초록

There are lots of IoT devices control methods using speech recognition or gesture recognition. In this paper, we propose a new gesture recognition method to control IoT devices using deep-learning technique. In the proposed method, we generate ultrasonic sound signals between speaker and microphone. During the generation of a sinusoidal wave signal, we can obtain a 2-dimension frequency-time domain data which captures doppler effect in accordance to specific gesture. In our system, we classify five different gestures using convolutional neural network (CNN). The classification index that is obtained by CNN is transmitted to the remote side raspberry pi device using MQTT protocol. The raspberry pi can control the IoT devices by the received data.
Simulation results show that we can obtain the high classification accuracy for gestures and also can effectively control the IoT devices using gestures.

참고자료

· 없음