Body gesture recognition has been one of the interested research field for Human-Robot Interaction(HRI). Most conventional body gesture recognition algorithms used hidden Markov model(HMM) for modeling gestures which have spatio-temporal variabilities. However, they have difficulties excluding meaningless gestures via HMM. Besides, it is necessary for conventional body gesture recognition algorithms to perform gesture segmentation first, which finds the start and end point of a gesture, then sends the extracted gesture to the HMM for gesture recognition. This separated system causes time delay between two continuing gestures to be recognized, and this time delay makes the system inappropriate for continuous gesture recognition.
This paper suggests primitive body model encoding, which performs spatio/temporal quantization of motions from human body model and encodes them into predefined primitive codes for each link of a body model. To recognize gestures from the sequence of primitive codes, Selective/Asynchronous Input-Parallel State Machine(SAI-PSM) is suggested for multiple-simultaneous gesture recognition. Through primitive body model encoding and SAI-PSM, this paper tries to improve the two existing limitations in conventional HMM-based body gesture recognition algorithms as explained above.
The experimental results showed that the proposed gesture recognition system using primitive body model encoding and SAI-PSM can exclude meaningless gestures well from the continuous body model data, while recognizing multiple-simultaneous gestures without losing recognition rates compared to the previous HMM-based work.
본 연구에서는 기존의 HMM을 이용한 바디 제스처 인식에서 발생하는 두 가지 문
제점을 해결하고자 기초적 신체 모델 인코딩(primitive body model encoding)과 선택적/
비동시적 입력을 갖는 병렬 상태 기계(SAI-PSM)를 통한 동시다발적 바디 제스처 인식
알고리즘을 제안했다.
신체 모델 각 링크의 동작을 시간적/공간적으로 양자화 하여 코드화 하는 기초적
신체 모델 인코딩을 제안하여 제스처를 구성하는 단위 동작들을 기초 코드로 표현하
고, SAI-PSM을 이용해 기초 코드의 연속적인 발생을 검출하여 제스처 인식을 수행함
을 통해 의미 없는 제스처를 강인하게 제외하였으며, SAI-PSM의 병렬적인 구조로 부
터의 동시다발적인 제스처 인식을 통해 지연이 없는 연속적인 제스처 인식을 수행하
였다.
실험을 통해 제안된 알고리즘이 연속적인 신체 모델 정보로부터 의미 없는 제스처
를 잘 구별해 냄을 확인하였고, 지연 없는 연속적인 제스처 인식에서 더 나아가 여러
제스처의 동시다발적 인식이 가능하다는 것을 확인하였다. 또 15개의 제스처를 여러
사람을 통해 반복적으로 인식하는 실험 수행하여, 기초적 신체 모델 인코딩과
SAI-PSM를 이용한 제스처 인식이 HMM 기반의 확률적 제스처 모델링 없이도 시간적/
공간적 변화를 갖는 제스처를 모델링 하는데 있어서 기존의 알고리즘과 비교 가능한
성능을 보임을 확인하였다.
