http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
김충근(Chung-Geun Kim),김은수(Eun-Su Kim),신재욱(Jae-Wook Shin),박범용(Bum-Yong Park) 한국정보기술학회 2021 한국정보기술학회논문지 Vol.19 No.11
Recently, HRI(Human-Robot Interaction) technology which has become increasingly important in the field of robotic has used hand gestures as communication means for robot control. Various studies are being researched to classify hand gestures using images and biological signals. In this paper, we propose a system that controls the robotic arm in real-time by classifying hand gestures using images in an embedded board environment. The proposed system consists of pre-processing the image data captured by the webcam, classifying it using CNN(Convolutional Neural Network) model, and controlling the robotic arm using ROS(Robot Operating System) in an embedded board environment. The performance of the system is evaluated based on experiments measuring the classification accuracy of the trained model, real-time robot control accuracy and the delay. Through these experiments, the high accuracy and fast processing speed of the proposed system are confirmed.
근전도 신호를 이용한 CRNN 기반의 강인한 손 제스처 인식
김은수(Eun-Su Kim),권용성(Yong-sung Kwon),김충근(Chung-geun Kim),신재욱(JaeWook Shin),박범용(Bum Yong Park) 대한전기학회 2021 대한전기학회 학술대회 논문집 Vol.2021 No.10
사람의 생체 신호인 근전도(Electromyography, EMG) 신호를 이용한 손 제스처 인식에 대한 연구가 활발하게 이루어지고 있다. 손 제스처 분류를 위한 다양한 머신 러닝(Machine Learning) 방법이 연구되고 높은 분류율을 보이지만, 실시간으로 민감하지 않은 손 제스처 분류기를 만들기에는 어려움이 있다. CRNN(Convolutional Recurrent Neural Network) 모델은 CNN(Convolutional Neural Network)의 특징 추출 기능과 RNN(Recurrent Neural Network)의 시계열 데이터에 대한 분류 기능을 결합한 고성능 분류 모델이다. 본 논문에서는 근전도 신호를 이용한 CRNN 기반의 강인한 손 제스처 인식 모델을 제안한다. 제안하는 CRNN 분류기 모델은 정의한 5가지 손 제스처를 실시간으로 분류하는 데에 있어 높은 성능과 강인함을 보인다.