- 비젼 기반 제스처 인식을 위한 상태-공간 모델 평가 방법
- ㆍ 저자명
- 노명철,Roh. Myung-Cheol
- ㆍ 간행물명
- 정보과학회논문지. Journal of KIISE. 컴퓨팅의 실제 및 레터
- ㆍ 권/호정보
- 2011년|17권 9호|pp.489-493 (5 pages)
- ㆍ 발행정보
- 한국정보과학회
- ㆍ 파일정보
- 정기간행물| PDF텍스트
- ㆍ 주제분야
- 기타
이 논문은 한국과학기술정보연구원과 논문 연계를 통해 무료로 제공되는 원문입니다.
본 논문에서는 제스처 인식을 위한 상태-공간 모델의 새로운 평가 방법을 제안한다. 기존의 상태 공간 데이터 분석 및 인식 방법에서는 관측 데이터에서 나타날 수 있는 대부분의 아웃라이어들이 학습된 상태 공간 모델에서 수용될 수 있다는 암묵적인 가정이 포함되어 있다. 그러므로 학습 시에 나타나지 않았던 아웃라이어가 있을 때 인식 성능이 떨어지게 된다. 본 논문에서는 이러한 아웃라이어 데이터에 강인한 인식 방법을 제안한다. 제안한 방법을 수화 데이터에 대해서 실험을 한 결과, 기존의 HMM방법으로는 75.4%의 인식 성능을 보여주었으나 제안한 방법은 90.0%의 인식 성능을 보여주었다. 또한, 아웃라이어가 많이 포함된 데이터에 대해서도 제안한 방법은 아주 안정적인 인식 결과를 보였다.
In this paper we propose a new evaluation method of a state-space model for gesture recognition. In the state-space data analysis and recognition, there has been an implicit assumption that most of the outliers in the observed data are acceptable in a trained state-space model. Thus, performance of the recognition would be dropped in where there are outliers which the outliers were not presented in training. We propose a recognition method that is robust to the outliers. We evaluated the proposed method on American Sign Language dataset. As a result, The proposed method showed 90.0% recognition rate where the conventional HMM showed 75.4%. Also the proposed method showed very stable performance on test data which have many outliers.