최근 모바일 기기에 가속도 센서가 탑재되면서 이를 활용한 제스처기반 인터페이스 연구가 활발하다. 하지만 3차원 공간상에 입력되는 제스처에는 의도하지 않은 움직임이 많이 포함되어있어 이를 정확히 분할하거나 인식하기 어렵다. 본 논문에서는 이와 같은 불확실성이 포함원 시계열 데이터를 효과적으로 인식하기 위하여 비선형 분석방법에 기반한 동적 베이지안 네트워크(Dynamic Bayesian network, DBN)를 사용한다. 제안하는 시스템은 연속적으로 입력되는 패턴을 제스처 단위로 분할하는 세그먼테이션 DBN과, 분할된 제스처를 식별하는 인식DBN들로 구성된다. 이때 비선형 분석법에 의해 적응적으로 심볼화된 패턴 정보가 각각의 모델에 입력된다. 본 논문에서는 제안하는 방법을 검증하기 위해서 스마트폰으로부터 제스처 데이터를 수집하고 각각의 모델을 평가하였다. 실험 결과 세그먼테이션 모델과 제스처 인식 모델이 각각 89.78%과 80.23%의 정확도를 보였다.
Recently, as accelerometers have been built-in to the mobile devices, studies on gesture-based interlace have been actively investigated. It is, however, difficult to segment or recognize gestures accurately since unintentional motions are captured in the 3-dimensional space. In this paper, dynamic Bayesian networks (DBNs) based on the nonlinear analysis are used to recognize the uncertain time-series data effectively. The proposed system consists of a segmentation-DBN, which divides continuous patterns into unit gestures, and multiple recognition-DBNs that identify each gesture. Here, the patterns are symbolized by using the nonlinear analysis method, and are inputted into the models. In order to verify the proposed method, we collected gesture data from an accelerometer built-in smartphone and tested the models. As a result, the segmentation and recognition models showed 89.78% and 80.23% of accuracies, respectively.
