Real-time Hand Gesture Recognition System based on Vision for Intelligent Robot Control

지능로봇 제어를 위한 비전기반 실시간 수신호 인식 시스템

  • 양태규 (목원대학교 지능로봇공학과) ;
  • 서용호 (남서울대학교 컴퓨터학과)
  • Published : 2009.10.31

Abstract

This paper is study on real-time hand gesture recognition system based on vision for intelligent robot control. We are proposed a recognition system using PCA and BP algorithm. Recognition of hand gestures consists of two steps which are preprocessing step using PCA algorithm and classification step using BP algorithm. The PCA algorithm is a technique used to reduce multidimensional data sets to lower dimensions for effective analysis. In our simulation, the PCA is applied to calculate feature projection vectors for the image of a given hand. The BP algorithm is capable of doing parallel distributed processing and expedite processing since it take parallel structure. The BP algorithm recognized in real time hand gestures by self learning of trained eigen hand gesture. The proposed PCA and BP algorithm show improvement on the recognition compared to PCA algorithm.

본 논문은 지능로봇의 동작을 제어하기 위해 비전기반의 실시간 수신호를 PCA 및 BP 알고리즘을 이용한 인식시스템을 제안하였다. 수신호 인식은 PCA 알고리즘을 이용한 전처리 단계와 BP 알고리즘을 이용한 인식의 두 단계로 구성한다. PCA 알고리즘은 데이터 분석을 위해 다차원 데이터 집합을 보다 낮은 차원으로 감소시키기 위해 사용되는 기술로 주어진 수신호의 특징인 투영 벡터를 계산하기 위하여 적용되었고, BP 알고리즘은 병렬 구조를 가지고 있으므로 병렬 분산처리가 가능하고, 처리 속도가 빠르므로 PCA로부터 훈련된 고유 수신호를 학습시켜 수신호를 실시간으로 인식한다. 실험에서는 10종류의 수신호를 PCA 알고리즘만을 사용한 경우와 제안한 PCA 및 BP 알고리즘을 사용한 경우와 인식률을 비교하여 제안한 알고리즘이 우수하다는 것을 보였다.

References

  1. Q. Chen, N. D. Georganas and E. M. Petriu, "Real-time Vision-based Hand Gesture Recognition Using Haar-like Features", Instrumentation and Measurement Technology Conference Proceedings, 2007 IEEE, pp.1-6, 2007
  2. J. Davis and M. Shah "Visual Gesture Recognition", IEEE Vision. Image and Signal Processing, Vol. 141, No. 2,pp.101-106, 1994 https://doi.org/10.1049/ip-vis:19941058
  3. Y. Aoki, S. Tanahashi and J. Xu, "Sign language image processing for intelligent communication by a communications satellite", IEEE mternational Conference on Acoustics, Speech, and Signal Processing, Vol. 5, pp. 197-200, 1994
  4. A. Utsumi, T. Miyasato and F. Kishino, "Multi-camera hand pose recognition system using skeleton image", IEEE mternational Workshop on Robot and Human Communication, pp. 219-224, 1995
  5. C. C. Chang, I. Y. Chen and Y. S. Huang, "Hand Pose Recognition Using Curvature Scale Space", IEEE mternational Conference on Pattern Recognition, Vol. 2, pp. 386-389, 2002
  6. M. Turk and A. Pentland, "Eigenfaces for Recognition", Journal of Cognitive Neuroscience, Vol. 3, pp. 71-86, 1991 https://doi.org/10.1162/jocn.1991.3.1.71
  7. P. N. Beihumeur, J. P. Hespanha and D. J. Kriegman, "Eigenfaces vs. Fisherfaces: recognition using class specific linear projection", IEEE Transactions on Pattern Analysis and Machine mtelligence, Vol. 19, No. 7, pp. 711-720, 1997 https://doi.org/10.1109/34.598228
  8. Yang, Ming-Hsuan, Kernel Eigenfaces vs. Kernel Fisherfaces : Face Recognition Using Kernel Methods, Automatic Face and Gesture Recognition, 2002 Proceedings. Fourth IEEE mternational Conference, pp. 208-213, 2002
  9. Rowley, H. and Baluja, S. and Kanade, T., Neural network-based face detection, IEEE Trans. Pattern Analysis and Maching mtelligence, Vol. 20, No.1, pp. 23-38, 1998 https://doi.org/10.1109/34.655647