지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김수형
- 발행연도
- 2017
- 저작권
- 전남대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 인간의 생활 전반에 걸친 각종 가전제품, 조명 시스템, 냉?난방 시스템 등이 스마트화 되고 있다. 이에 따라 지능화된 기기들을 사용자의 자연스럽고 직관적인 행위에 의해 제어하고 목적에 맞게 사용할 수 있도록 하는 인터페이스의 중요성이 대두되고 있다. 인간과 컴퓨터 간의 상호작용 역할을 하던 인터페이스에서 발달한 NUI(Natural User Interface)는 게임 등의 엔터테인먼트, 조명, TV 제어 등의 다양한 분야에서 응용되고 있다.
기존에 보다 발전된 NUI 구현을 위해 센서를 이용하여 다양한 인간의 생체 신호나 몸짓, 동작 등을 인식하는 시스템은 많이 연구되고 있다. 편리성을 위해 센서에 접촉하지 않고 인식 가능한 범위 내에서 비접촉식으로 동작 신호를 감지하며 다양한 동작을 인식하는 것은 NUI 구현에서 매우 중요한 문제이다. 동작 인식이 이루어지면 비로소 기기 제어 등의 원하는 목적에 맞게 응용할 수 있게 되므로 동작 인식 시스템은 핵심적인 부분이다.
또한, 가격 및 소비 전력 등의 문제에서도 합리적인 센서를 이용하는 것이 중요한데, EPS(Electroic Potential Sensor)는 이러한 관점에서 매우 적합한 센서이다. EPS는 주변에 흐르고 있던 전기장 내에 왜란 신호를 가하게 되면 발생하는 전위차를 감지하고 측정하는 전기장 센서이다.
따라서 EPS를 이용하여 동작을 취했을 때 왜란에 의해 발생하는 전위차 신호를 얻어, 동작 인식 시스템에 적용하여 최종 인식할 수 있게 된다.
EPS 제스처 신호 패턴은 순차 데이터로써, 이러한 데이터 특징을 인식하기에 적합한 알고리즘을 선택한다. 동작 인식 시스템에 응용되는 기존 패턴 인식 알고리즘들은 끊임없이 발전해오고 있다. 그 중, 최근 들어 인공 지능 및 기계 학습 분야에서 가장 이슈가 되고 있는 딥러닝(Deep-learning)은 기존 타 알고리즘의 성능을 확연하게 뛰어넘는 결과를 가져왔고 다양한 분야에 응용되고 있다. 특히, 이미지 및 다양한 신호 패턴의 인식 분야에서 딥러닝 기술을 활용한 방법은 매우 강력하다.
본 논문에서는 EPS를 통해 얻어지는 제스처 패턴 신호를 딥러닝 알고리즘의 중 하나인 컨볼루션 신경망(Convolutional Neural Networks)을 다중으로 구성하여 최종 인식하는 시스템을 제안한다. 추출된 EPS 제스처 패턴은 먼저 전처리 과정을 거친 후 컨볼루션 신경망에 입력된다. 두 채널의 센서를 이용하여 세 가지 신호를 추출한 후, 다중 입력 형태로 하나의 컨볼루션 신경망에 적용한다. 이 구조를 여러 개로 구성하여, 다중 컨볼루션 신경망 형태를 가진다. 각각의 컨볼루션 신경망으로부터 출력되는 값은 결합 알고리즘을 통해 단 하나의 해를 가지게 되어 최종 인식되는 시스템이다.
기존에 보다 발전된 NUI 구현을 위해 센서를 이용하여 다양한 인간의 생체 신호나 몸짓, 동작 등을 인식하는 시스템은 많이 연구되고 있다. 편리성을 위해 센서에 접촉하지 않고 인식 가능한 범위 내에서 비접촉식으로 동작 신호를 감지하며 다양한 동작을 인식하는 것은 NUI 구현에서 매우 중요한 문제이다. 동작 인식이 이루어지면 비로소 기기 제어 등의 원하는 목적에 맞게 응용할 수 있게 되므로 동작 인식 시스템은 핵심적인 부분이다.
또한, 가격 및 소비 전력 등의 문제에서도 합리적인 센서를 이용하는 것이 중요한데, EPS(Electroic Potential Sensor)는 이러한 관점에서 매우 적합한 센서이다. EPS는 주변에 흐르고 있던 전기장 내에 왜란 신호를 가하게 되면 발생하는 전위차를 감지하고 측정하는 전기장 센서이다.
따라서 EPS를 이용하여 동작을 취했을 때 왜란에 의해 발생하는 전위차 신호를 얻어, 동작 인식 시스템에 적용하여 최종 인식할 수 있게 된다.
EPS 제스처 신호 패턴은 순차 데이터로써, 이러한 데이터 특징을 인식하기에 적합한 알고리즘을 선택한다. 동작 인식 시스템에 응용되는 기존 패턴 인식 알고리즘들은 끊임없이 발전해오고 있다. 그 중, 최근 들어 인공 지능 및 기계 학습 분야에서 가장 이슈가 되고 있는 딥러닝(Deep-learning)은 기존 타 알고리즘의 성능을 확연하게 뛰어넘는 결과를 가져왔고 다양한 분야에 응용되고 있다. 특히, 이미지 및 다양한 신호 패턴의 인식 분야에서 딥러닝 기술을 활용한 방법은 매우 강력하다.
본 논문에서는 EPS를 통해 얻어지는 제스처 패턴 신호를 딥러닝 알고리즘의 중 하나인 컨볼루션 신경망(Convolutional Neural Networks)을 다중으로 구성하여 최종 인식하는 시스템을 제안한다. 추출된 EPS 제스처 패턴은 먼저 전처리 과정을 거친 후 컨볼루션 신경망에 입력된다. 두 채널의 센서를 이용하여 세 가지 신호를 추출한 후, 다중 입력 형태로 하나의 컨볼루션 신경망에 적용한다. 이 구조를 여러 개로 구성하여, 다중 컨볼루션 신경망 형태를 가진다. 각각의 컨볼루션 신경망으로부터 출력되는 값은 결합 알고리즘을 통해 단 하나의 해를 가지게 되어 최종 인식되는 시스템이다.
목차
1. 서론 1가. 연구 배경 1나. 연구 목적 및 내용 2다. 논문 구성 42. 시계열 신호 인식 기술 관련 연구 6가. 템플릿 매칭 기반 인식 기술 6나. 통계적 모델링 기반 인식 기술 8다. 딥러닝(Deep-learning) 기반 인식 기술 123. 제안한 EPS 제스처 패턴 인식 시스템 16가. 전처리 16나. 다중 컨볼루션 신경망을 이용한 인식 184. 실험 결과 및 검토 22가. 실험 환경 22나. 제안한 시스템의 성능 분석 255. 결론 및 향후 연구 32가. 결론 32나. 향후 연구 방향 33참고 문헌 34(영문초록) 36
최근 본 자료
댓글(0)
0