The Journal of Korean Institute of Electromagnetic Engineering and Science (한국전자파학회논문지)

The Korean Institute of Electromagnetic Engineering and Science (한국전자파학회)
권호 표지
DOI QR코드

DOI QR Code

Hand Gesture Classification Using Multiple Doppler Radar and Machine Learning

다중 도플러 레이다와 머신러닝을 이용한 손동작 인식

  • Received : 2016.10.10
  • Accepted : 2016.12.16
  • Published : 2017.01.31
Download PDF
⟨ Previous Next ⟩

Abstract

This paper suggests a hand gesture recognition technology to control smart devices using multiple Doppler radars and a support vector machine(SVM), which is one of the machine learning algorithms. Whereas single Doppler radar can recognize only simple hand gestures, multiple Doppler radar can recognize various and complex hand gestures by using various Doppler patterns as a function of time and each device. In addition, machine learning technology can enhance recognition accuracy. In order to determine the feasibility of the suggested technology, we implemented a test-bed using two Doppler radars, NI DAQ USB-6008, and MATLAB. Using this test-bed, we can successfully classify four hand gestures, which are Push, Pull, Right Slide, and Left Slide. Applying SVM machine learning algorithm, it was confirmed the high accuracy of the hand gesture recognition.

본 논문에서는 사람의 손동작을 이용해 전자기기를 제어할 수 있도록 다중 도플러 레이다와 머신러닝의 일종인 SVM (Support Vector Machine)을 이용한 손동작 인식 기술을 제안하였다. 하나의 도플러 레이다는 간단한 손동작만을 인식할 수 있는데 반해, 다중 도플러 레이다는 레이다 위치에 따라 각각 다른 도플러 효과가 발생되므로, 이를 이용하여 다양한 손동작을 인식할 수 있다. 또한, 머신러닝 기법을 이용하여 손동작을 분류하면 손동작 인식의 성공률을 높일 수 있다. 다중 도플러 레이다와 머신러닝을 이용한 손동작 인식 시스템의 구현 가능성을 확인하기 위하여 두 개의 도플러 레이다, NI DAQ USB-6008, MATLAB을 이용한 실험 장치를 구성하였다. 구현된 실험 장치를 이용하여 Push, Pull, Right Slide 및 Left Slide의 4가지 손동작 인식 실험을 수행하였고, SVM 모델을 적용하여 손동작 인식의 높은 정확도를 확인하였다.

Keywords

References

  1. 김정인, "손동작 인식을 이용한 마우스제어기법", 멀티미디어학회논문지, 15(11), pp. 1377-1383, 2012년 11 월.
  2. Zhengyou Zhang, "Microsoft kinect sensor and its effect", IEEE Multimedia, vol. 19, no. 2, pp. 4-10. 2012년 https://doi.org/10.1109/MMUL.2012.24
  3. Zhihan Lv, et al. "Finger in air: touch-less interaction on smartphone", Proceedings of the 12th International Conference on Mobile and Ubiquitous Multimedia, ACM, 2013.
  4. Jaime Lien, et al. "Soli: ubiquitous gesture sensing with millimeter wave radar", ACM Transactions on Graphics (TOG), vol. 35, no. 4, pp. 142, 2016.
  5. Fadel Adib et. al., "3D tracking via body radio reflections", 11th USENIX Symposium on Networked Systems Design and Implementation(NSDI 14), 2014.
  6. Jue Wang, Deepak Vasisht, and Dina Katabi. "RF-IDraw: virtual touch screen in the air using RF signals", ACM SIGCOMM Computer Communication Review 44.4, pp. 235-246, 2015. https://doi.org/10.1145/2740070.2626330
  7. Qifan Pu, et al. "Whole-home gesture recognition using wireless signals", Proceedings of the 19th Annual International Conference on Mobile Computing & Networking, ACM, 2013.
  8. Youngwook Kim, Hao Ling, "Human activity classification based on micro-Doppler signatures using a support vector machine", Geoscience and Remote Sensing, IEEE Transactions on 47.5, pp. 1328-1337, May. 2009. https://doi.org/10.1109/TGRS.2009.2012849
  9. Qian Wan, et al. "Gesture recognition for smart home applications using portable radar sensors", 2014 36th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, pp. 6414-6417, 2014.
  10. Yiran Li et al. "Non-contact multi-radar smart probing of body orientation based on micro-Doppler signatures", 20014 36th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, pp. 598-601, 2014.
  11. 장병준 외, "하나의 원형 편파 안테나와 PLL을 이용하여 소형이면서도 개선된 잡음 성능을 갖는 2.4 GHz 바이오 레이다시스템", 한국전자파학회논문지, 20(12), pp. 1325-1332, 2009년 12월. https://doi.org/10.5515/KJKIEES.2009.20.12.1325
  12. 윤지수 외, "전파를 이용한 모션 인식 시스템 구현", WISET 주니어과학기술연구논문발표집, vol. 1 pp. 412-417, 2015년.

Cited by

  1. Visible Light Communication System under Low Light Condition Based on Non-hierarchical Clustering Algorithm vol.16, pp.6, 2018, https://doi.org/10.14801/jkiit.2018.16.6.31