[논문 리뷰] Head Gesture Recognition using Optical Flow based Classification with Reinforcement of GMM based Background Subtraction

Parimita Saikia, Karen Das|arXiv (Cornell University)|2013. 08. 05.

Hand Gesture Recognition Systems참고 문헌 20인용 수 14

한 줄 요약

이 논문은 실시간 헤드 제스처 인식 시스템을 제안하며, 가우시안 믹스처 모델(GMM) 배경 제거와 옵티컬 플로우 기반 분류를 결합한다. GMM에 옵티컬 플로우를 융합함으로써 머리 동작 탐지 정확도를 향상시켜, 변화하는 환경에서도 견고한 성능을 발휘하며, 실험 결과는 제어 시스템 응용 분야에서의 효과성을 입증한다.

ABSTRACT

This paper describes a technique of real time head gesture recognition system. The method includes Gaussian mixture model (GMM) accompanied by optical flow algorithm which provided us the required information regarding head movement. The proposed model can be implemented in various control system. We are also presenting the result and implementation of both mentioned method.

연구 동기 및 목표

• 제어 응용 분야에 활용 가능한 실시간 헤드 제스처 인식 시스템을 개발하기 위해.
• 복잡하거나 변화하는 배경에서 머리 동작 탐지 정확도를 향상시키기 위해.
• GMM 기반 배경 제거와 옵티컬 플로우를 융합하여 보다 향상된 운동 추정을 수행하기 위해.
• 실제 시나리오에서 병합된 접근 방식의 성능을 평가하기 위해.
• 헤드 제스처 인식을 위한 견고하고 계산 효율성이 높은 솔루션을 제공하기 위해.

제안 방법

• 장면에서 움직이는 물체를 분리하기 위해 가우시안 믹스처 모델(GMM)을 배경 제거에 사용한다.
• 분할된 프론트엔드 영역에서 옵티컬 플로우를 계산하여 머리의 운동 벡터를 추정한다.
• 옵티컬 플로우에서 유도된 운동 벡터를 분류하여 고개를 끄덕이거나 흔드는 등의 특정 헤드 제스처를 탐지한다.
• GMM 결과를 옵티컬 플로우 데이터로 강화하여 세그멘테이션 정확도를 향상시키고 노이즈를 감소시킨다.
• 옵티컬 플로우 특징을 처리하는 분류 파이프라인을 통해 사전 정의된 헤드 제스처를 식별한다.
• 시스템은 실시간 동작을 위한 설계로, 제어 시스템에의 통합에 적합하다.

실험 결과

연구 질문

• RQ1 GMM 기반 배경 제거는 실시간 헤드 제스처 탐지에 어떻게 향상될 수 있는가?
• RQ2 옵티컬 플로우가 머리 동작 분류 정확도에 어느 정도 기여하는가?
• RQ3 GMM와 옵티컬 플로우의 융합은 변화하는 또는 혼잡한 장면에서 더 견고한 성능을 이끌 수 있는가?
• RQ4 실시간 응용 분야에서 병합된 접근 방식의 계산 효율성은 어떠한가?
• RQ5 시스템은 다양한 조명 조건과 환경 조건에서 어떻게 성능을 발휘하는가?

주요 결과

• GMM에 옵티컬 플로우를 융합함으로써 GMM 단독 사용 대비 헤드 제스처 탐지 정확도가 크게 향상된다.
• 시스템은 실시간 성능을 달성하여 상호작용 제어 시스템에의 구현에 적합하다.
• GMM를 옵티컬 플로우 데이터로 강화함으로써 임의의 신호 감소를 줄이고 머리 동작의 세그멘테이션을 향상시킨다.
• 실험 결과는 동적 배경을 포함한 다양한 테스트 시나리오에서 일관된 성능을 보여준다.
• 노드링 및 흔들기와 같은 다양한 헤드 제스처를 고도로 신뢰성 있게 구분할 수 있다.
• 제안된 접근 방식은 경미한 조도 변화와 배경 혼잡함에 대해 뛰어난 견고성을 보인다.