깊이 정보 재구성 및 물체의 사전 지식에 기반한 물체를 쥔 손의 자세 추적 (3D Object-grabbing Hand Tracking based on Depth Reconstruction and Prior Knowledge of Grasp)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 46권 / 7호 / 673 ~ 681페이지
· 저자명 : 조우진, 박갑용, 우운택

초록

본 논문은 깊이 데이터 재구성 및 대상 물체에 대한 사전 지식을 활용하여 실제 물체를 쥔 손의 26차원 관절 자세를 추적하는 시스템을 제안한다. 물체와 상호작용하는 손에 대한 자세 추적은 물체에 의한 가림 때문에 허공의 독립된 손 자세를 추적하는 문제에 비해 제약이 크다. 기존 대부분의 손 추적 연구들은 물체에 가려진 손 데이터를 무시하고 나머지 불충분한 입력 정보에서 최대한 정확한 자세를 추적하는 데에 초점을 두었으며, 물체와 상호작용한다는 사실이 손 자세 추정 탐색 공간을 효율적으로 줄일 수 있다는 점을 충분히 활용하지 못하였다. 본 논문에서 제안한 시스템은 가려진 손 영역의 깊이 데이터를 쥐고 있는 물체의 형태에 따라 재구성하고 입자 군집 최적화(PSO) 기법에 기반한 모델 추적기에 활용하되, 사전에 구성된 물체별 손 자세 군집을 모델 자세의 재초기화에 이용하는 방식이다. 그 결과 제안된 프로세스들이 물체를 쥔 손 자세 추적 성능을 향상시킴을 실험 평가를 통해 확인하였다.

영어초록

We propose a real-time 3D object-grabbing hand tracking system based on the prior knowledge of grasping an object. The problem of tracking a hand interacting with an object is more difficult compared to the issue of an isolated hand since it requires consideration of occlusion by an object. Most of the previous studies resort to the insufficient data which lacks the data of occluded hand and the information that the presence of an object may rather be a constraint on the pose of the hand. In the present work, we focused on the sequence of a hand grabbing an object by utilizing prior knowledge about grasp situation. Consequently, an excluded depth data of the hand occluded by the object was reconstructed with proper depth data and a reinitialization process was conducted based on the plausible grasp pose of the human. The effectiveness of the proposed process was verified based on model-based tracker with particle swarm optimization. Quantitative and qualitative experiments demonstrate that the proposed processes can effectively improve the performance of model-based tracker for the object-grabbing hand.

참고자료

· 없음