연구자들, 새로운 손 제스처 인식 알고리즘 개발

쑨逸선 대학교의 Zhiyi Yu가 이끄는 연구팀은 복잡하고 정확하며 적용 가능성이 높은 새로운 손 제스처 인식 알고리즘을 개발했습니다.

손 제스처는 인간-컴퓨터 상호작용에서 점점 더 많이 사용되고 있으며, 최근의 카메라 시스템, 이미지 분석, 기계 학습의 발전으로 광학 기반 제스처 인식이 크게 개선되었습니다. 그러나 현재의 방법은 높은 계산 복잡성, 낮은 속도, 낮은 정확도, 제한된 제스처 인식 등의 문제로 많은 어려움을 겪고 있습니다.

연구팀이 개발한 새로운 알고리즘은 이러한 제한을 극복하려고 시도하며, 이 알고리즘은 Journal of Electronic Imaging에 발표되었습니다. 연구팀의 주요 목표는 이러한 문제를 극복할 수 있는 알고리즘을 개발하는 것뿐만 아니라 소비자 수준의 장치에서 쉽게 적용할 수 있는 알고리즘을 개발하는 것이었습니다.

다양한 손 유형에 대한 적응성

알고리즘의 가장 인상적인 측면은 다양한 손 유형에 대한 적응성입니다. 사용자의 손 유형을 slim, normal, broad 중 하나로 분류하려고 시도하며, 이는 손바닥의 너비, 손바닥의 길이, 손가락의 길이 간의 관계를 고려하여 측정합니다.

분류에 성공한 후, 손 제스처 인식 과정은 입력 제스처를 동일한 손 유형의 저장된 샘플과 비교합니다.

“전통적인 단순한 알고리즘은 다양한 손 유형을 처리할 수 없기 때문에 낮은 인식률을 보입니다. 손 유형을 분류하고 동일한 유형의 샘플 라이브러리를 사용하여 전체 인식률을 거의 무시할 수 있는 자원 소비로 개선할 수 있습니다.”라고 Yu는 말합니다.

예측 인식 단계

연구팀의 방법은 또한 “shortcut feature”를 사용하여 예측 인식 단계를 수행합니다. 인식 알고리즘은 9개의 가능한 제스처 중 하나의 입력 제스처를 식별할 수 있지만, 모든 가능한 제스처의 저장된 샘플과 입력 제스처의 모든 특성을 비교하는 것은 매우 시간이 걸립니다.

이 문제를 해결하기 위해, 알고리즘의 예측 인식 단계는 손의 면적을 계산하여 3개의 가장 가능성이 높은 제스처를 선택합니다. 이는 후보 제스처의 수를 3으로 줄이고, 최종 제스처는 “Hu invariant moments”를 기반으로 하는 더 복잡하고 정밀한 특성 추출에 의해 결정됩니다.

“예측 인식 단계는 계산과 하드웨어 자원을 줄이는 데 도움이 되며, 정확도를 손상시키지 않고 인식 속도를 개선합니다.”라고 Yu는 말합니다.

알고리즘은 상업용 PC 프로세서와 FPGA 플랫폼에서 USB 카메라를 사용하여 테스트되었습니다. 연구팀은 40명의 자원봉사자를 모집하여 9개의 손 제스처를 여러 번 수행하도록 했으며, 40명 더를 사용하여 시스템의 정확도를 결정했습니다.

시스템은 실제 시간에 93% 이상의 정확도율로 손 제스처를 인식할 수 있음을 보여주었습니다. 입력 제스처 이미지가 회전, 이동, 또는 크기가 조정되어도 이러한 결과가 나타났습니다.

연구자들은 이제 알고리즘의 성능을 다양한 조명 조건에서 개선하고, 가능한 제스처의 수를 증가시키는 데 집중할 계획입니다.