[논문 리뷰] Hand Gesture Recognition Based on Karhunen-Loeve Transform

Joyeeta Singha, Karen Das|arXiv (Cornell University)|2013. 06. 11.

Hand Gesture Recognition Systems참고 문헌 26인용 수 40

한 줄 요약

이 논문은 수기 인식 시스템을 위한 특징 추출에 카르누엔-로이브(Karhunen-Loeve, K-L) 변환을 사용하는 방법을 제안한다. 이 방법은 피부 색상 필터링, 손바닥 자르기, 캐니 에지 검출, K-L 특징 추출 및 분류를 포함하며, 10종류의 다른 손짓에 대해 96%의 인식률을 달성한다.

ABSTRACT

In this paper, we have proposed a system based on K-L Transform to recognize different hand gestures. The system consists of five steps: skin filtering, palm cropping, edge detection, feature extraction, and classification. Firstly the hand is detected using skin filtering and palm cropping was performed to extract out only the palm portion of the hand. The extracted image was then processed using the Canny Edge Detection technique to extract the outline images of palm. After palm extraction, the features of hand were extracted using K-L Transform technique and finally the input gesture was recognized using proper classifier. In our system, we have tested for 10 different hand gestures, and recognizing rate obtained was 96%. Hence we propose an easy approach to recognize different hand gestures.

연구 동기 및 목표

• 신호 처리 기법을 활용하여 효율적이고 강건한 손짓 인식 시스템을 개발하기 위해.
• 다양한 조명 조건과 배경 조건에서 정확한 손짓 분류 문제를 해결하기 위해.
• 손바닥 영상에서 분류 가능한 특징을 효과적으로 추출하기 위해 카르누엔-로이브 변환의 효능을 탐색하기 위해.
• 실시간 적용 가능성을 고려해 최소한의 특징 집합으로 높은 인식 정확도를 달성하기 위해.
• 기본적인 영상 처리 파이프라인을 사용하여 계산적으로 실현 가능한 솔루션을 제공하기 위해.

제안 방법

• 입력 영상에서 피부 색상 분포를 기반으로 손 부위를 탐지하기 위해 피부 색상 필터링을 적용한다.
• 배경 노이즈와 관련 없는 특징을 줄이기 위해 손바닥 영역을 분리하기 위해 손바닥 자르기 기법을 사용한다.
• 특징 추출을 위한 구조적 정보를 강화하기 위해 손바닥 윤곽을 추출하기 위해 캐니 에지 검출을 적용한다.
• 에지 검출 영상에 대해 카르누엔-로이브 변환을 적용하여 주성분을 분류 가능한 특징으로 추출한다.
• K-L 특징를 사전 정의된 손짓 클래스로 매핑하기 위해 분류기(세부 사항이 명시되지 않음)를 사용한다.
• 최소한의 계산 부담으로 실시간 성능을 확보할 수 있도록 전체 파이프라인을 설계하였다.

실험 결과

연구 질문

• RQ1 카르누엔-로이브 변환은 손짓 영상에서 분류 가능한 특징을 효과적으로 추출할 수 있는가?
• RQ2 다양한 손짓에 대해 제안된 시스템의 인식 정확도는 어떻게 평가되는가?
• RQ3 사전 처리 단계(피부 색상 필터링, 에지 검출)가 전체 인식 성능에 미치는 영향은 무엇인가?
• RQ4 다양한 조명 조건과 배경 조건에서도 시스템은 높은 정확도를 유지할 수 있는가?
• RQ5 K-L 변환 방법은 실시간 손짓 인식 응용에 충분히 계산적으로 효율적인가?

주요 결과

• 10종류의 다른 손짓에 대해 테스트한 결과 시스템은 96%의 손짓 인식 정확도를 달성했다.
• 피부 색상 필터링, 손바닥 자르기 및 캐니 에지 검출의 조합이 특징 품질을 크게 향상시키고 노이즈를 감소시켰다.
• 카르누엔-로이브 변환은 영상 데이터를 압축하면서도 중요한 분류 가능한 특징을 유지하는 데 효과적이었다.
• 손가락 위치나 조명 조건의 경미한 변화에 대해서도 시스템은 강건성을 보였다.
• 전체 파이프라인이 계산적으로 효율적이었으며, 실생활 응용 분야에서 실시간 구현에 적합했다.
• 결과적으로 K-L 변환은 손짓 인식 분야에서 다른 특징 추출 기법들과의 대안으로 실현 가능하고 효과적인 것으로 나타났다.