RBF 신경망을 이용한 실루엣 기반 유아 동작 인식 = Silhouette-based motion recognition for young children using an RBF network

국문 초록 (Abstract)

본 논문에서는 두 대의 카메라를 직각으로 배치하여 얻은 동영상에서 인체의 실루엣을 이용하여 동작을 인식하는 방법을 제안한다. 제안된 시스템은 실루엣에서 전역 특징과 지역 특징을 추출하며, 이 특징들은 정적인 프레임에만 있느냐에 따라 정적 특징과 동적 특징으로 다시 나뉜다. 추출된 특징들은 RBF 신경망을 훈련시키기 위해 사용된다. 제안된 신경망은 정적 특징을 입력층으로 보내고, 동적 특징은 인식을 위한 추가적인 특징으로 이용한다. 본 논문에서 제안된 신경망 동작 인식 시스템은 유아들의 동작 교육에 적용되었다. 동작 교육을 위해 제시되는 기본 동작은 걷기, 뛰기, 앙감질 등의 이동 동작과 구부리기, 뻗기, 균형 잡기, 회전하기 등 비 이동 동작으로 구분된다. 제안된 시스템은 동작교육을 위해 7 가지 기본 동작을 학습시킨 신경망으로 성공적으로 동작 인식을 하였다. 제안된 시스템은 유아의 공간감각 계발을 위한 동작교육 시스템에 활용될 수 있다.

다국어 초록 (Multilingual Abstract)

To recognition a human motion, in this paper, we propose a neural approach using silhouettes in video frames captured by two cameras placed at the front and side of the human body. To extract features of the silhouettes for motion estimation, the proposed system computes both global and local features and then groups these features into static and dynamic features depending on whether features are in a static frame. Extracted features are used to train a RBF network. The neural system uses static features as the input of the neural network and dynamic features as additional features for recognition. In this paper, the proposed method was applied to movement education for young children. The basic movements for such education consist of locomotor movements, such as walking, jumping, and hopping, and non-locomotor movements, including bending, stretching, balancing and turning. The system demonstrated the effectiveness of motion recognition for movement education generated by the proposed neural network. The proposed system can be extended to the system for movement education which develops the spatial sense of young children.

참고문헌 (Reference)

1 "유치원 교육 활동 지도 자료’에 나타난 동작 관련 활동 분석" 2002

2 "유아보건관리학" (주)학문사 2002

3 "신경망을 이용한 동작분석과 원격 응급상황 검출 시스템" 6 (6): 50-59, 2006

4 "Tracking people with twists and exponential maps" 8-15, 1998

5 "Tracking multi person robust to illumination changes and occlusions" 429-432, 2004

6 "Tracking and modeling people in video sequences" 81 (81): 285-302, 2001

7 "Real-time pointing gesture recognition for an immersive environment" 577-582, 2004

8 "Learning silhouette features for control of human motion" 24 (24): 1303-1331, 2005

9 "Learning internal representations by error propagation" MIT Press 1 : 318-362, 1986

10 "Human body pose estimation using silhouette shape analysis" 263-270, 2003

11 "Human body model acquisition and tracking using voxel data" 199-223, 2003

12 "Digital image processing algorithms and applications" 352-356, 2000

13 "A system for marker-less human motion estimation" 230-237, 2005