착용형 손목 밴드를 이용한 2채널 EMG 및 IMU 기반 손 자세 분류 기법 (Two-Channel EMG and IMU-Based Hand Gesture Classification Method Using Wearable Wristband)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 31권 / 3호 / 135 ~ 140페이지
· 저자명 : 정한석, 팡칭 리, 윤상호

초록

본 연구는 손목의 2채널 근전도 EMG 신호와 관성 측정 장비인 IMU센서 데이터를 활용하여 손 자세를 분류하는 방법을 제안한다. 기존 대부분의 손 자세 분류 연구들은 근육이 큰 팔뚝의 EMG 신호를 이용하여 손의 자세를 분류하였다. 하지만 팔뚝의 EMG 신호를 수집하기 위해서는 팔에 여러 채널의 센서 부착으로 인해 움직임의 자유도가 떨어질 수 있다. 이를 보완하기 위해, 본 제안 방법은 EMG 및 IMU 센서가 내장된 Delsys 사의 센싱 모듈을 이용하여 총 9명의 피험자로부터 손목의 2채널 EMG 및 IMU 데이터와 팔뚝의 8채널 EMG 데이터를 수집하였다. 데이터 수집 방법에 따른 인공 신경망 모델의 성능 비교 결과, 제안 방법이 기존의 팔뚝의 8채널 EMG 데이터보다 우수한 성능을 보이는 것을 확인하였다. 이 방법은 손목으로부터 간편하게 데이터를 수집하여 팔 움직임의 자유도를 높이고 강건한 손 자세 분류를 통해 자연스러운 상호작용에 활용될 것이다.

영어초록

This paper proposes a method for classifying hand gestures using two-channel EMG (Electromyography) and IMU (Inertial Measurement Unit) data collected from the wrist. Most previous hand gesture classification studies have utilized EMG signals from the forearm, which involves large muscle groups. However, collecting EMG signals from the forearm necessitates the attachment of multiple sensors to the arm, limiting the freedom of movement. To address this limitation, the proposed method employs a Delsys sensing module equipped with embedded EMG and IMU sensors to gather two-channel EMG and IMU data from the wrist, along with eight-channel EMG data from the forearm, across a total of nine subjects. Performance comparisons of the artificial neural network model based on the data collection method demonstrate that the proposed approach outperforms the existing eight-channel EMG data from the forearm. This method is intended to facilitate natural interactions by enabling easy data collection from the wrist, thereby enhancing arm movement freedom and improving hand gesture classification.

참고자료

· 없음