양방향 LSTM을 이용한 손 접촉상태 검출 방법 (Detecting Hand Contact State using Bi-directional LSTM)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 20권 / 11호 / 155 ~ 161페이지
· 저자명 : 강창구, 이석원

초록

일상에서 사람들은 걷기, 문 열기, 물 마시기, 통화하기, 앉기 등 지속해서 환경과 다양한 물리적 상호작용과 함께 생활한다. 이와같은 상호작용에 관한 다양한 연구들이 진행되고 있다. 물리적 상호작용은 접촉에서 시작되며, 사람의 접촉 부분에 따라 상호작용 동작들이 구분될 수 있다. 이러한 중요성에도 불구하고 대부분의 연구들은 상호작용 접촉 자세 또는 행동유도성을 중심으로 진행되었으며 물리적 대상에 대한 접촉 유무를 판단하는 연구는 결핍되어 왔다. 이러한 상황을 극복하기 위하여 우리는 물리적 상호작용에서 가장 접촉이 많이 발생하는 손 접촉상태 검출 방법을 제안하였다. 제안된 방법은 양방향 LSTM 기반의 특징벡터 생성 부분과 접촉 검출 부분으로 구성된다. 그리고 접촉 검출 부분은 왼손과 오른손이 구분된 학습구조를 가진다. 우리는 수집된 모션 데이터를 이용하여 모델 학습을 수행하며, 학습된 모델의 테스트 결과 93.9% 정확도를 보여준다.

영어초록

In everyday life, people continue to live with various physical interactions with the environment, such as walking, opening the door, drinking water, talking on the phone, and sitting down. Various studies on such interactions are being conducted. The physical interaction starts with contact, and interaction operations may be classified according to the contact portion of the person. Despite this importance, most studies have focused on interactive contact posture or behavioral induction, and studies on determining whether or not to contact a physical object have been lacking. To overcome this situation, we propose a method for detecting hand contact states where the most frequent contact occurs in physical interactions. The proposed method consists of a bidirectional LSTM based feature vector generation part and a contact detection part. In addition, the contact detection part has a learning structure in which the left and right hands are divided. We perform model learning using the collected motion data, and the test results of the learned model shows 93.9% accuracy.

참고자료

· 없음