[논문 리뷰] Intelligent Approaches to interact with Machines using Hand Gesture Recognition in Natural way: A Survey

Ankit Chaudhary, J. L. Raheja외 2명|arXiv (Cornell University)|2013. 03. 10.

Hand Gesture Recognition Systems인용 수 29

한 줄 요약

이 종합 검토는 자연스러운 인간-기계 상호작용을 위한 소프트 컴퓨팅 기법(예: 인공 신경망, 퍼지 논리, 유전 알고리즘)을 사용한 지능형 손짓 인식(HGR) 기술을 검토한다. 전처리, 분할 및 특징 추출 방법—특히 손끝 기반 손 감지—를 분석하고, 연구 간 성능를 비교하여 하이브리드 지능형 접근 방식이 게임, 로봇 기술, 스마트 홈 등 애플리케이션에서 인식 정확도와 강인성을 향상시키는 데 효과적임을 강조한다.

ABSTRACT

Hand gestures recognition (HGR) is one of the main areas of research for the engineers, scientists and bioinformatics. HGR is the natural way of Human Machine interaction and today many researchers in the academia and industry are working on different application to make interactions more easy, natural and convenient without wearing any extra device. HGR can be applied from games control to vision enabled robot control, from virtual reality to smart home systems. In this paper we are discussing work done in the area of hand gesture recognition where focus is on the intelligent approaches including soft computing based methods like artificial neural network, fuzzy logic, genetic algorithms etc. The methods in the preprocessing of image for segmentation and hand image construction also taken into study. Most researchers used fingertips for hand detection in appearance based modeling. Finally the comparison of results given by different researchers is also presented.

연구 동기 및 목표

• 자연스러운 인간-기계 상호작용을 위한 손짓 인식(HGR) 분야의 지능형 접근 방식에 대한 종합적 검토를 제공하기 위해.
• 신경망, 퍼지 논리, 유전 알고리즘과 같은 소프트 컴퓨팅 기법이 HGR 성능 향상에 미치는 역할를 분석하기 위해.
• 정확한 손 감지를 위한 전처리 및 분할 기법—특히 손끝 기반 모델링—을 검토하기 위해.
• 문헌에 보고된 다양한 HGR 시스템의 성능을 비교하여 인식 정확도와 강인성에 중점을 두기 위해.
• 기기 없는 자연스러운 상호작용을 위한 손짓을 활용한 연구의 격차와 향후 방향을 규명하기 위해.

제안 방법

• 컴퓨터 시각 및 인간-기계 상호작용 분야에서의 지능형 방법에 중점을 두고, HGR 분야의 200篇 이상의 연구를 기반으로 한 종합적 분석.
• 외관 기반 및 모델 기반 접근 방식으로 HGR 시스템을 분류하고, 손 국소화를 위한 손끝 감지에 중점을 둔다.
• 색상 공간 변환(YCrCb 등), 에지 검출, 노이즈 감소를 포함한 전처리 기법을 검토하여 이미지 품질 향상.
• 윤곽 분석, Hu 모멘트, 피부 색상 분할과 같은 특징 추출 방법을 검토하여 제스처 표현을 위한 기반 마련.
• 소프트 컴퓨팅 모델의 적용: 분류를 위한 인공 신경망(ANNs), 불확실성 처리를 위한 퍼지 논리, 특징 최적화를 위한 유전 알고리즘.
• 다양한 HGR 프레임워크 간 인식 정확도, 처리 시간, 강인성에 대한 체계적 비교.

실험 결과

연구 질문

• RQ1 신경망과 퍼지 논리와 같은 소프트 컴퓨팅 기법은 손짓 인식의 정확도와 강인성을 어떻게 향상시키는가?
• RQ2 복잡한 배경에서 손 영역을 분리하기 위해 가장 효과적인 전처리 및 분할 기법은 무엇인가?
• RQ3 손짓 기반 모델링은 다른 손 감지 전략에 비해 인식 성능 측면에서 어떻게 비교되는가?
• RQ4 외관 기반 및 모델 기반 HGR 접근 방식 간의 주요 성능 차이는 무엇인가?
• RQ5 실제 응용에서 가장 높은 인식 정확도와 실시간 구현 가능성을 보여주는 지능형 방법은 무엇인가?

주요 결과

• 손끝 기반 외관 모델링은 손 이미지의 주목할 만한 특징에 초점을 맞추어 손 감지 정확도를 크게 향상시킨다.
• 다양한 소프트 컴퓨팅 기법을 조합한 하이브리드 접근 방식(예: ANN과 유전 알고리즘의 조합)은 단일 방법 시스템보다 더 높은 인식 정확도를 달성한다.
• YCrCb 색상 공간 변환 및 중앙값 필터링과 같은 전처리 단계는 이미지 품질 향상과 노이즈 감소를 통해 후속 인식 성능을 향상시킨다.
• 신경망, 특히 피드포워드 및 RBF 네트워크는 여러 기준 연구에서 90% 이상의 인식 정확도를 보였다.
• 퍼지 논리 시스템은 제스처 경계의 불확실성과 조명 변화를 효과적으로 처리하여 실세계 조건에서의 강인성을 향상시킨다.
• 이 종합 검토는 복잡한 제스처 세트에 대한 실시간 처리 성능 격차를 규명하였으며, 경량 최적화 모델 개발의 필요성을 시사한다.