바로가기메뉴

본문 바로가기 주메뉴 바로가기

ACOMS+ 및 학술지 리포지터리 설명회

  • 한국과학기술정보연구원(KISTI) 서울분원 대회의실(별관 3층)
  • 2024년 07월 03일(수) 13:30
 

모션헤드셋의 동작분류기를 위한 사용자 머리동작 분석

Analysis of User Head Motion for Motion Classifier of Motion Headset

한국사물인터넷학회논문지 / Journal of The Korea Internet of Things Society, (P)2466-0078;
2016, v.2 no.2, pp.1-6
https://doi.org/https://doi.org/10.20465/kiots.2016.2.2.001
신춘성 (한국전자부품연구원 실감정보플랫폼연구센터)
이영호 (목포대학교 컴퓨터공학과)
  • 다운로드 수
  • 조회수

초록

최근 다양한 형태의 착용형 컴퓨터가 연구되고 있다. 본 논문에서는 사용자가 음악을 들으며 사용할 수 있는 모션헤드셋의 동작분류기 제작을 위해 머리 움직임 정보의 특징을 분석한다. 모션헤드셋 프로토타입은 스마트폰과 블루투스 통신 방법을 이용하여 음악을 수신받으며, 가속도센서가 측정한 동작정보를 스마트폰으로 전송한다. 그리고 스마트폰에서는 모션 분류기를 통해 머리의 움직임을 분류한다. 실험을 위해 프로토타입을 제작하였다. 사용자 머리의 '위', '아래', '왼쪽', 그리고 '오른쪽' 머리 움직임을 베이지안 분류기를 이용하여 분류하였다. 그 결과 '위'와 '아래'의 머리 움직임의 경우 x, z축의 가속도 센서값이 큰 변화가 있었다. 추후에 사용성 평가를 통해 동작 분류기를 제작할 수 있는 적합한 변수를 찾아 낼 계획이다.

keywords
모션헤드셋, 착용형 컴퓨터, 동작 분류

Abstract

Recently, various types of wearable computers have been studied. In this paper, we analyze the characteristics of head motion information for the operation of the motion classifier produced motion headset that the user can use while listening to music. The prototype receives music from smart phone over bluetooth communications, and transmits the motion information measured by the acceleration sensor to the smart phone. And the smartphone classifies the motion of the head through a motion classifier. we implemented a prototype for our experiment. The user's head motion "up", "down", "left" and "right" were classified using a Bayesian classifier. As a result, in case of the movement of the head "up" and "down", there are a large changes in the x, z-axis values. In future we have a plan to perform a user study to find suitable variables for creating motion classifier.

keywords
모션헤드셋, 착용형 컴퓨터, 동작 분류

참고문헌

1.

최아영, 황재인. (2015). 웨어러블 혼합현실 연구 및 산업 동향: HMD와 인터랙션 분야. 한국정보과학회 정보과학회지, 33(11), 19-26.

2.

이재열. (2011). 웨어러블 컴퓨팅 연구 (Wearable Computing) 최신 동향. 한국CAD/CAM학회지, 17(1), 9-12.

3.

임창주, 김동한, 김연진. (2012). 동작인식기반 게임콘텐츠의 현황과 전망. 전자공학회지, 39(4), 18-26.

4.

김상기, et al.. (2009). 3 차원 가속도 데이타를 이용한 HMM 기반의 동작인식. 정보과학회논문지: 컴퓨팅의 실제 및 레터, 15(3), 216-220.

5.

양혜경, 용환승. (2014). 스마트 폰의 3 축 가속도 센서를 이용한 실시간 물리적 동작 인식 기법. 멀티미디어학회논문지, 17(4), 506-513.

6.

이호성, 이승룡. (2014). 스마트폰과 웨어러블 가속도 센서를 혼합 처리한 실시간 행위 및 자세인지 기법. 정보과학회논문지: 소프트웨어 및 응용, 41(8), 586-597.

7.

CSR. .

8.

Microsoft Hololens official website. .

9.

MetaPro. .

10.

Fitbit. .

11.

Han-Kyung Yun, Bok-Hee Song, Sul-Hee Lee. (2013). Dynamic Characteristic Analysis of User's Motions with Smartphone. Journal of Convergence Information Technology (JCIT), 8(4).

12.

Louis-Philippe Morency, Candace Sidner, Christopher Lee, and Trevor Darrell. (2005). Contextual recognition of head gestures (18-24). Proceedings of the 7th international conference on Multimodal interfaces (ICMI '05).

13.

Louis-Philippe Morency, Candace Sidner b, Christopher Lee, Trevor Darrell. (2007). Head gestures for perceptual interfaces: The role of context in improving recognition. Artificial Intelligence, 171(8-9), 568-585. 10.1016/j.artint.2007.04.003.

14.

Choonsung Shin, Jisoo Hong, Youngmin Kim, Sung-Hee Hong, Hoonjong Kang. (2016). Body Gesture Recognition Framework for 3D Interactive Systems . ACHI 2016.

한국사물인터넷학회논문지