표제지
목차
제1장 서론 9
제2장 동적 동작 인식시스템 12
2.1. 동적 동작 인식시스템의 개요 12
2.2. 동적 영상분석법 13
2.3. 기존의 동작 움직임 추적 및 추출방법 14
2.4. 동작 영상 인식 방법 20
제3장 객체 동작 인식 방법 31
3.1. 객체 추적 방법 31
3.2. 객체 인식 방법 39
제4장 손 영역 추적 42
4.1. 손 영상의 기하학적 구조 43
4.2. 통계적 표현 46
4.3. 인식 과정 49
제5장 제안된 객체 인식 손 동작 인식 방법 51
5.1. 피부 색상분할 52
5.2. 손 검출 55
5.3. 손 추적 58
5.4. 지시학습에 의한 동적 학습 62
제6장 실험결과 및 고찰 64
6.1. 실험 환경 및 평가 방법 64
6.2. 손 영역 검출 및 추적 66
6.3. 동작 인식 실험 76
6.4. 동적 학습후 인식 실험 78
제7장 결론 80
참고문헌 82
Abstract 87
국문요약 90
표 2-1. 통계적, 구문론적 신경망을 이용한 패턴인식 비교 30
표 6-1. 각 프레임의 위치 변화 66
표 6-2. 각 프레임의 위치오차 69
표 6-3. 제안된 방법에 의한 각 프레임의 위치오차 72
표 6-4. 두 개의 연속된 영상에 대한 움직임 추적모델의 성능 비교 74
표 6-5. 기존의 추적방법과 제안한 방법과의 위치오차와 처리시간 비교 74
표 6-6. 명령어 목록 76
표 6-7. 동작 인식 결과 77
표 6-8. 학습자에 따른 인식율 78
표 6-9. 동적 학습을 적용한 인식결과 79
그림 2-1. 패턴벡터에서의 부호화 패턴의 2가지 방법 22
그림 2-2. 패턴의 2가지 분류 23
그림 2-3. 패턴분류의 구조 26
그림 2-4. 적응패턴인식 시스템의 기능적 구조 28
그림 3-1. MeanShift방법을 이용한 물체의 중심점 추적 38
그림 4-1. 제안된 시스템의 구성도 43
그림 4-2. (a) 원 영상 (b) (r,θ) 영상 변환 44
그림 4-3. 블록 분리 45
그림 4-4. 거리맵 연산의 예 46
그림 4-5. 정규화된 거리맵 46
그림 4-6. 모델 구성에 사용한 샘플 영상 47
그림 4-7. 평균 거리맵 48
그림 4-8. 인식 과정 50
그림 5-1. (a) 피부화소분포 (b) 피부화소를 α,β로 변환 54
그림 5-2. (a) 영역 크기 (b) 얼굴 특징 55
그림 5-3. 검출 단계의 순서도 57
그림 5-4. 움직임 추정방법 59
그림 5-5. 추적단계의 순서도 61
그림 6-1. 실험 환경 64
그림 6-2. 실험 영상의 예 65
그림 6-3. 각 프레임의 위치 변화 67
그림 6-4. 각 프레임의 위치오차 70
그림 6-5. 제안된 방법에 의한 각 프레임의 위치오차 73
그림 6-6. 추적 결과의 예 75
그림 6-7. 일곱 가지 형태의 손 모양 76
그림 6-8. 동작 인식 결과 77