본 논문에서는 원격 작업 환경에서 명령자의 제스처를 자동으로 인식하기 위하여 글로브 센서 기반의 인식 기법을 이용한 3차원 제스처 인식 시스템을 구현하였다. 인식 시스템은 PinchGlove에 부착하여 사용되는 Polhemus 센서로부터 획득한 손 궤적의 3차원 위치 좌표열을 입력으로 사용한다. 또한 본 논문에서는 제스처 인식을 위해 제스처를 구성하는 스트로크를 기본 인식 단위로 사용하는 방법을 제안한다. 각 스트로크는 이산 HMM으로 모델링 되며 이들 HMM을 연결하여 생성된 결합 HMM으로 원격 작업에 사용될 각 제스처들을 모델링 한다. 이 방법은 새로이 정의되는 제스처에 대해 추가의 학습 과정을 필요로 하지 않아 인식 시스템의 확장성을 높일 수 있다. 16개의 제스처를 사용한 인식 실험에서 스트로크 기반의 결합 HMM은 제스처를 기본 단위로 사용한 HMM에 비해 더 좋은 인식 성능을 나타냄을 확인할 수 있었다.
We have developed glove based hand gesture recognition system for recognizing 3D gesture of operators in remote work environment. Polhemus sensor attached to the PinchGlove is employed to obtain the sequence of 3D positions of a hand trajectory. These 3D data are then encoded as the input to our recognition system. We propose the use of the strokes to be modeled by HMMs as basic units. The gesture models are constructed by concatenating stroke HMMs and thereby the HMMs for the newly defined gestures can be created without retraining their parameters. Thus, by using stroke models rather than gesture models, we can raise the system extensibility. The experiment results for 16 different gestures show that our stroke based composite HMM performs better than the conventional gesture based HMM.
