KR102196962B1 - 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템 - Google Patents

매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템 Download PDF

Info

Publication number
KR102196962B1
KR102196962B1 KR1020200027488A KR20200027488A KR102196962B1 KR 102196962 B1 KR102196962 B1 KR 102196962B1 KR 1020200027488 A KR1020200027488 A KR 1020200027488A KR 20200027488 A KR20200027488 A KR 20200027488A KR 102196962 B1 KR102196962 B1 KR 102196962B1
Authority
KR
South Korea
Prior art keywords
human body
pressure sensor
motion
matching unit
data matching
Prior art date
Application number
KR1020200027488A
Other languages
English (en)
Inventor
강윤
Original Assignee
강윤
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 강윤 filed Critical 강윤
Priority to KR1020200027488A priority Critical patent/KR102196962B1/ko
Application granted granted Critical
Publication of KR102196962B1 publication Critical patent/KR102196962B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L1/00—Measuring force or stress, in general
    • G01L1/14—Measuring force or stress, in general by measuring variations in capacitance or inductance of electrical elements, e.g. by measuring variations of frequency of electrical oscillators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

본 발명의 실시예는 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템에 관한 것이다. 본 발명은 인체에 밀착되어 상기 인체의 힘줄 또는 근육에 의한 압력값을 센싱하고, 상기 압력값을 전기적 신호로 변환하여 출력하는 입력 부재; 상기 입력 부재에 의해 입력된 입력값에 기반하여 상기 인체의 동작을 예측하여 매칭하고, 매칭된 결과값을 출력하는 데이터 매칭부; 및 상기 데이터 매칭부로부터 입력된 결과값에 기반하여 미리 정해진 동작을 수행하는 애플리케이션부를 포함하는, 인체 동작 예측 시스템을 개시한다.

Description

매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템{Motion recognition of human body using matrix pressure sensor and human body motion prediction system}
본 발명의 실시예는 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템에 관한 것이다.
본 출원인에 의한 등록특허 10-1819158에 따른 "힘줄에 의한 압력센서의 연속적인 출력 값에 따른 로봇 관절의 동작 제어 시스템(Control System of Robotic articulated joint movement according to pressure sensor's continuative changing value by the tendon)"은 엄지, 검지, 약지, 중지, 새끼 손가락이 제각기 다른 굽힘 정도를 나타내는 현상에 따라서, 각각 5개의 압력 센서의 값을 독립적으로 처리하는 방식이었다.
이러한 기술은 해부학적인 힘줄의 배치 순서 및 위치가 지정되어 있고 사람의 체형에 따른 손목 두께의 차이가 존재하기 때문에, 상기 5개의 센서를 사용자의 손목에 맞춤형으로 배치해야 하는 문제점이 있었다.
이러한 발명의 배경이 되는 기술에 개시된 상술한 정보는 본 발명의 배경에 대한 이해도를 향상시키기 위한 것뿐이며, 따라서 종래 기술을 구성하지 않는 정보를 포함할 수도 있다.
본 발명의 실시예에 따른 해결하고자 하는 과제는 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템을 제공하는데 있다.
즉, 기존에는 독립적인 압력 센서(Single-Point Force Sensing Resistor)를 사용하였다면, 본 발명의 실시예는 매트릭스 압력 센서(Matrix Force Sensing Resistor)가 사용자의 특정 인체 동작(예를 들면, 손동작, 발동작, 목동작 등)에 따른 인체의 힘줄이나 근육의 움직임을 실시간으로 인식하고, 이러한 인식 과정에서는 머신 러닝 및/또는 패턴 인식이 사용되며, 이 과정을 통해 인식된 데이터를 저장하며 저장 후에는 사용자의 인체 움직임을 인식함으로써 사용자의 인체 동작을 예측할 수 있는 인체 동작 예측 시스템을 제공한다.
본 발명의 실시예는 스마트 워치(Smart Watch)와 같은 상용화된 전자 제품을 포함하여 컴퓨터, 스마트폰, 드론, 로봇 등과 같은 전자기기 및 기계를 인체 동작으로 제어할 수 있는 밴드를 포함하는 인체 동작 예측 시스템을 제공한다.
본 발명의 실시예에 따른 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템은 인체에 밀착되어 상기 인체의 힘줄 또는 근육에 의한 압력값을 센싱하고, 상기 압력값을 전기적 신호로 변환하여 출력하는 입력 부재; 상기 입력 부재에 의해 입력된 입력값에 기반하여 상기 인체의 동작을 예측하여 매칭하고, 매칭된 결과값을 출력하는 데이터 매칭부; 및 상기 데이터 매칭부로부터 입력된 결과값에 기반하여 미리 정해진 동작을 수행하는 애플리케이션부를 포함하고, 상기 입력 부재는 상기 인체를 감싸는 밴드; 및 상기 밴드의 내면으로서 상기 인체에 접촉하는 매트릭스 압력센서를 포함하며, 상기 매트릭스 압력센서는 상기 밴드의 내면중 일부 영역에 다수의 행과 열을 가지며 설치되거나 또는 상기 밴드의 내면중 전체 영역에 다수의 행과 열을 가지며 설치되되, 상기 매트릭스 압력센서는 제1MUX, 상기 제1MUX에 연결된 다수의 가로 배선, 제2MUX, 상기 제2MUX에 연결된 다수의 세로 배선, 상기 가로 배선과 상기 세로 배선 사이에 다수의 행과 열을 가지며 연결되어 상기 힘줄이나 근육에 의해 인가되는 압력에 따라 저항값이 변하는 다수의 저항 소자, 상기 제1,2MUX로부터 얻은 전기적 신호를 필터링하여 노이즈를 제거한 후 디지털 신호로 변환하는 필터 회로, 필터 회로로부터 얻은 디지털 신호를 이용하여 상기 매트릭스 압력센서가 감지한 압력값을 3차원 평면 상의 패턴 이미지로 변환하는 마이크로 컨트롤러를 포함하고, 상기 다수의 저항 소자는 상기 힘줄이나 근육에 전기적 절연 상태로 접촉되며, 상기 데이터 매칭부는 메모리에 미리 저장된 상기 3차원 평면 상의 패턴 이미지에 대응하는 인체의 동작을 결과값으로 이용하거나, 상기 데이터 매칭부는 인공신경망을 통해 학습된 상기 3차원 평면 상의 패턴 이미지에 대응하는 인체의 동작을 결과값으로 이용한다.
삭제
삭제
상기 밴드는 손목에 착용되어 상기 매트릭스 압력센서가 손목 힘줄에 의한 압력값을 센싱하도록 하여 상기 데이터 매칭부가 손 동작을 예측 및 매칭되도록 하거나, 또는 상기 밴드는 발목에 착용되어 상기 매트릭스 압력센서가 발목 힘줄에 의한 압력값을 센싱하도록 하여 상기 데이터 매칭부가 발 동작을 예측 및 매칭되도록 한다.
상기 밴드는 아래팔에 착용되어 상기 매트릭스 압력센서가 아래팔 근육에 의한 압력값을 센싱하여 상기 데이터 매칭부가 손 동작을 예측 및 매칭되도록 하거나, 상기 밴드는 아랫다리에 착용되어 상기 매트릭스 압력센서가 아랫다리 근육에 의한 압력값을 센싱하도록 하여 상기 데이터 매칭부가 발 동작을 예측 및 매칭되도록 하거나, 상기 밴드는 위팔에 착용되어 상기 매트릭스 압력센서가 위팔 근육에 의한 압력값을 센싱하여 상기 데이터 매칭부가 팔 관절각을 예측 및 매칭되도록 하거나, 또는 상기 밴드는 윗다리에 착용되어 상기 매트릭스 압력센서가 윗다리 근육에 의한 압력값을 센싱하여 상기 데이터 매칭부가 무릎 관절각을 예측 및 매칭되도록 한다.
상기 인공신경망은 패턴인식방식 및 머신러닝방식중 적어도 하나를 이용하여 입력값에 대응하는 인체의 동작을 결과값으로 출력할 수 있다.
삭제
삭제
상기 애플리케이션부는 로봇, 전자기기, 게임기, 가상현실 장치 및 제스처 프레젠테이션 장치중 적어도 하나를 포함할 수 있다.
상기 입력 부재는 위치 및 회전각 인식 센서를 더 포함하고, 상기 위치 및 회전각 인식 센서에 의한 센싱값을 상기 데이터 매칭부에 전송할 수 있다.
본 발명의 실시예는 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템을 제공한다.
즉, 기존에는 독립적인 압력 센서(Single-Point Force Sensing Resistor)를 사용하였다면, 본 발명의 실시예는 매트릭스 압력 센서(Matrix Force Sensing Resistor)가 사용자의 특정 인체 동작(예를 들면, 손동작, 발동작, 목동작 등)에 따른 인체의 힘줄이나 근육의 움직임을 실시간으로 인식하고, 이러한 인식 과정에서는 머신 러닝 및/또는 패턴 인식이 사용되며, 이 과정을 통해 인식된 데이터를 저장하며 저장 후에는 사용자의 인체 움직임을 인식함으로써 사용자의 인체 동작을 예측할 수 있는 인체 동작 예측 시스템을 제공한다.
본 발명의 실시예는 스마트 워치(Smart Watch)와 같은 상용화된 전자 제품을 포함하여 컴퓨터, 스마트폰, 드론, 로봇 등과 같은 전자기기 및 기계를 인체 동작으로 제어할 수 있는 밴드를 포함하는 인체 동작 예측 시스템을 제공한다.
도 1a 및 도 1b는 본 발명의 실시예에 따른 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템의 구성을 도시한 블럭 다이아그램이다.
도 2는 본 발명의 실시예에 따른 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템의 구성을 도시한 개략도이다.
도 3은 본 발명의 실시예에 따른 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템에 따른 패턴 인식 예를 도시한 개략도이다.
도 4는 본 발명의 실시예에 따른 신경망 모델 및 각 노드의 동작을 나타낸다.
도 5는 본 발명의 실시예에 따른 인공지능 시스템/신경망을 나타낸다.
도 6은 본 발명의 실시예에 따른 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템중 매트릭스 압력 센서 및 데이터 매칭부의 동작을 도시한 개략도이다.
도 7은 본 발명의 실시예에 따른 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템중 매트릭스 압력 센서를 도시한 개략도이다.
도 8a 및 도 8b는 본 발명의 다른 실시예에 따른 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템중 다른 압력 센서를 도시한 개략도이다.
도 9는 본 발명의 실시예에 따른 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템중 매트릭스 압력 센서에 의한 위치, 이동방향 및 속도 인식 상태를 도시한 개략도이다.
도 10a 및 도 10b는 본 발명의 실시예에 따른 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템중 매트릭스 압력 센서에 의한 인체의 힘줄 및 근육 센싱에 따른 인체 예측 동작을 도시한 개략도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.
본 발명의 실시예들은 당해 기술 분야에서 통상의 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위하여 제공되는 것이며, 하기 실시예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 하기 실시예에 한정되는 것은 아니다. 오히려, 이들 실시예는 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 발명의 사상을 완전하게 전달하기 위하여 제공되는 것이다.
또한, 이하의 도면에서 각 층의 두께나 크기는 설명의 편의 및 명확성을 위하여 과장된 것이며, 도면상에서 동일 부호는 동일한 요소를 지칭한다. 본 명세서에서 사용된 바와 같이, 용어 "및/또는"은 해당 열거된 항목 중 어느 하나 및 하나 이상의 모든 조합을 포함한다. 또한, 본 명세서에서 "연결된다"라는 의미는 A 부재와 B 부재가 직접 연결되는 경우뿐만 아니라, A 부재와 B 부재의 사이에 C 부재가 개재되어 A 부재와 B 부재가 간접 연결되는 경우도 의미한다.
본 명세서에서 사용된 용어는 특정 실시예를 설명하기 위하여 사용되며, 본 발명을 제한하기 위한 것이 아니다. 본 명세서에서 사용된 바와 같이, 단수 형태는 문맥상 다른 경우를 분명히 지적하는 것이 아니라면, 복수의 형태를 포함할 수 있다. 또한, 본 명세서에서 사용되는 경우 "포함한다(comprise, include)" 및/또는 "포함하는(comprising, including)"은 언급한 형상들, 숫자, 단계, 동작, 부재, 요소 및/또는 이들 그룹의 존재를 특정하는 것이며, 하나 이상의 다른 형상, 숫자, 동작, 부재, 요소 및 /또는 그룹들의 존재 또는 부가를 배제하는 것이 아니다.
본 명세서에서 제1, 제2 등의 용어가 다양한 부재, 부품, 영역, 층들 및/또는 부분들을 설명하기 위하여 사용되지만, 이들 부재, 부품, 영역, 층들 및/또는 부분들은 이들 용어에 의해 한정되어서는 안 됨은 자명하다. 이들 용어는 하나의 부재, 부품, 영역, 층 또는 부분을 다른 영역, 층 또는 부분과 구별하기 위하여만 사용된다. 따라서, 이하 상술할 제1부재, 부품, 영역, 층 또는 부분은 본 발명의 가르침으로부터 벗어나지 않고서도 제2부재, 부품, 영역, 층 또는 부분을 지칭할 수 있다.
"하부(beneath)", "아래(below)", "낮은(lower)", "상부(above)", "위(upper)"와 같은 공간에 관련된 용어가 도면에 도시된 한 요소 또는 특징과 다른 요소 또는 특징의 용이한 이해를 위해 이용될 수 있다. 이러한 공간에 관련된 용어는 본 발명의 다양한 공정 상태 또는 사용 상태에 따라 본 발명의 용이한 이해를 위한 것이며, 본 발명을 한정하기 위한 것은 아니다. 예를 들어, 도면의 요소 또는 특징이 뒤집어지면, "하부" 또는 "아래"로 설명된 요소 또는 특징은 "상부" 또는 "위에"로 된다. 따라서, "아래"는 "상부" 또는 "아래"를 포괄하는 개념이다.
또한, 본 발명에 따른 제어부(컨트롤러) 및/또는 다른 관련 기기 또는 부품은 임의의 적절한 하드웨어, 펌웨어(예를 들어, 주문형 반도체), 소프트웨어, 또는 소프트웨어, 펌웨어 및 하드웨어의 적절한 조합을 이용하여 구현될 수 있다. 예를 들어, 본 발명에 따른 제어부(컨트롤러) 및/또는 다른 관련 기기 또는 부품의 다양한 구성 요소들은 하나의 집적회로 칩 상에, 또는 별개의 집적회로 칩 상에 형성될 수 있다. 또한, 제어부(컨트롤러)의 다양한 구성 요소는 가요성 인쇄 회로 필름 상에 구현 될 수 있고, 테이프 캐리어 패키지, 인쇄 회로 기판, 또는 제어부(컨트롤러)와 동일한 서브스트레이트 상에 형성될 수 있다. 또한, 제어부(컨트롤러)의 다양한 구성 요소는, 하나 이상의 컴퓨팅 장치에서, 하나 이상의 프로세서에서 실행되는 프로세스 또는 쓰레드(thread)일 수 있고, 이는 이하에서 언급되는 다양한 기능들을 수행하기 위해 컴퓨터 프로그램 명령들을 실행하고 다른 구성 요소들과 상호 작용할 수 있다. 컴퓨터 프로그램 명령은, 예를 들어, 랜덤 액세스 메모리와 같은 표준 메모리 디바이스를 이용한 컴퓨팅 장치에서 실행될 수 있는 메모리에 저장된다. 컴퓨터 프로그램 명령은 또한 예를 들어, CD-ROM, 플래시 드라이브 등과 같은 다른 비-일시적 컴퓨터 판독 가능 매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 본 발명에 관련된 당업자는 다양한 컴퓨팅 장치의 기능이 상호간 결합되거나, 하나의 컴퓨팅 장치로 통합되거나, 또는 특정 컴퓨팅 장치의 기능이, 본 발명의 예시적인 실시예를 벗어나지 않고, 하나 이상의 다른 컴퓨팅 장치들에 분산될 수 될 수 있다는 것을 인식해야 한다.
일례로, 본 발명에 따른 제어부(컨트롤러)는 중앙처리장치, 하드디스크 또는 고체상태디스크와 같은 대용량 저장 장치, 휘발성 메모리 장치, 키보드 또는 마우스와 같은 입력 장치, 모니터 또는 프린터와 같은 출력 장치로 이루어진 통상의 상용 컴퓨터에서 운영될 수 있다.
도 1a 및 도 1b는 본 발명의 실시예에 따른 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템(100,200)의 구성을 도시한 블럭 다이아그램이고, 또한 도 2는 본 발명의 실시예에 따른 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템(100,200)의 구성을 도시한 개략도이다.
도 1a, 도 1b 및 도 2에 도시된 바와 같이, 본 발명의 실시예에 따른 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템(100,200)은 입력 부재(110), 데이터 매칭부(120) 및 애플리케이션부(130)를 포함할 수 있다.
입력 부재(110)는 인체에 밀착되어 인체의 힘줄 및/또는 근육에 의한 압력값을 센싱하고, 센싱된 압력값을 전기적 신호로 변환하여 출력할 수 있다. 일부 예들에서, 전기적 신호는 센싱된 압력값에 대응하는 아날로그 신호이거나 디지털 신호를 포함할 수 있다. 또한, 일부 예들에서, 입력 부재(110)는 매트릭스 압력 센서(111)를 포함할 수 있으며, 이는 아래에서 다시 설명한다.
데이터 매칭부(120)는 입력 부재(110)에 의해 입력된 입력값(아날로그 신호 또는 디지털 신호)에 기반하여 인체의 동작을 예측 및/또는 매칭하고, 예측 및/또는 매칭된 결과값을 출력할 수 있다. 일부 예들에서, 데이터 매칭부(120)는 마이크로 컨트롤러(116) 및/또는 다른 관련 기기 또는 부품을 포함할 수 있으며, 이는 임의의 적절한 하드웨어, 펌웨어(예를 들어, 주문형 반도체), 소프트웨어, 또는 소프트웨어, 펌웨어 및 하드웨어의 적절한 조합을 이용하여 구현될 수 있다.
일부 예들에서, 도 1a에 도시된 바와 같이, 데이터 매칭부(120)는 메모리(121)에 미리 룩업 테이블 형태로 저장된 입력값에 대응하는 인체의 동작을 로딩하여 결과값으로 이용할 수 있다.
일부 예들에서, 도 1b에 도시된 바와 같이, 데이터 매칭부(120)는 인공신경망(221)을 통해 학습된 입력값에 대응하는 인체의 동작을 로딩하여 결과값으로 이용할 수 있다. 이러한 인공신경망(221)에 의한 학습 방법은 아래에서 다시 설명한다.
즉, 본 발명은 사용자의 특정 동작에 따른 입력값-결과값을 미리 메모리(121)에 저장해두고 사용하거나 또는 사용자의 특정 동작에 따른 입력값-결과값을 인공신경망(221)으로 학습하여 사용할 수 있다. 여기서, 메모리(121)에 저장된 입력값-결과값에 따른 예측은 단순 데이터 매칭일 수 있고, 신공신경망(221)을 통한 입력값-결과값에 따른 예측은 패턴인식이나 머신러닝에 따른 실시간 예측일 수 있다.
애플리케이션부(130)는 데이터 매칭부(120)로부터 입력된 결과값에 기반하여 미리 정해진 동작을 수행할 수 있다. 일부 예들에서, 애플리케이션부(130)는 로봇, 전자기기, 게임기, 가상현실 장치 및/또는 제스처 프레젠테이션 장치중 적어도 하나를 포함할 수 있다.
도 3은 본 발명의 실시예에 따른 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템(100,200)에 따른 패턴 인식 예를 도시한 개략도이다.
도 3에 도시된 바와 같이, 입력 부재(110)는 매트릭스 압력 센서(111)를 포함할 수 있으며, 이러한 매트릭스 압력 센서(111)는 다수의 압력 센서(111)가 다수의 행과 열을 가지며 배열될 수 있다. 따라서, 이러한 매트릭스 압력 센서(111)가 인체의 힘줄 및/또는 근육에 밀착되어 압력을 받을 경우 소정 형태의 패턴(도 3에서 우측 도면 참조)이 생성되며, 본 발명의 실시예는 이러한 소정 형태의 패턴 이미지로부터 인체 동작을 예측 및 매칭할 수 있다. 이러한 패턴 및 그 결과값은 미리 메모리(121)에 룩업 테이블 형태로 저장되거나, 또는 인공신경망(221)을 통해 패턴인식방식 및/또는 머신러닝방식중 적어도 하나를 통하여 패턴 이미지의 입력값에 대응하는 인체의 동작에 대한 결과값이 출력될 수 있다.
도 4는 본 발명의 실시예에 따른 신경망 모델 및 각 노드의 동작을 나타낸다.
도 4(a)는 본 발명의 실시예에 따른 신경망을 나타낸다. 신경망은 뉴런들을 포함하며, 도 4(a)에서 각각의 원들이 뉴런들을 나타낸다. 그리고 복수의 뉴런들의 집합을 레이어라고 한다. 뉴런들은 이하에서 노드라고 지칭할 수 있다. 입력 데이터를 받는 레이어를 입력 레이어, 신경망의 연산 결과가 출력되는 레이어를 출력 레이어라고 지칭한다.
도 4(b)는 신경망에서 뉴런의 동작을 나타낸다. 뉴런은 입력(i_0, i_1)에 가중치(w_0, w_1)를 적용하고, 활성함수(f(x)) 연산을 수행하여 출력을 제공한다. 활성 함수는 실제 신경 세포처럼 일정 수준 이상의 자극이 주어졌을 때 값이 급격히 커지는 함수가 사용될 수 있다. 선형 함수를 사용하면 분석 능력이 감소할 수 있어, 비선형 함수가 사용될 수 있다. 실시예로서, 활성 함수는 시그모이드(sigmoid), tenh, 렐루(relu) 등의 함수가 사용될 수 있다. 활성 함수는 입력 신호의 총합을 그대로 사용하지 않고, 출력 신호로 변환한다. 즉 활성 함수는 가중치가 적용된 입력들에 대해 활성화 여부를 결정한다.
신경망은 특정 태스크의 수행을 위해 학습한다. 즉 시스템이 특정 태스크의 수행을 위해 신경망을 구성하고, 신경망을 트레이닝할 수 있다. 예를 들면, 사진을 보고 개인지 고양이인지를 알아내는 태스크가 수행될 수 있다. 시스템은 복수의 사진들과 복수의 사진에 대한 정답 데이터(개 또는 고양이)를 사용함으로써 입력 데이터 연산(프로세싱), 출력 데이터와 정답 데이터의 비교 및 가중치의 조정 동작을 반복하여 수행한다. 이렇게 트레이닝된 신경망은 태스크를 수행할 준비가 된다. 본 명세서에서, 신경망의 학습/트레이닝을 위한 입력 및 정답을 포함하는 데이터를 데이터 세트 또는 트레이닝 데이터라고 지칭할 수 있다.
도 5는 본 발명의 실시예에 따른 인공지능 시스템/신경망을 나타낸다.
도 5에서, 신경망은 입력 레이어(input), 출력 레이어(output) 및 히든 레이어들(layer1~layer3)을 포함한다. 입력 레이어(input)는 들어온 신호/데이터를 다음 레이어로 전달할 수 있다. 출력 레이어의 노드들의 출력이 신경망의 최종 결과값에 해당할 수 있다. 입력 레이어와 출력 레이어 사이의 적어도 하나의 레이어를 히든 레이어라고 지칭한다. 특히 히든 레이어가 복수인 신경망을 심층 신경망이라고 부를 수도 있으며, 본 발명에서는 심층 신경망을 실시예로 설명한다.
신경망은 학습 또는 트레이닝에 의해 모델링될 수 있다. 신경망이 모델링되면, 그 신경망은 시스템이 원하는 태스크를 수행할 준비가 된 것으로 볼 수 있다. 즉 모델링된 신경망은 입력에 대해 추론된 출력을 제공할 수 있다.
신경망은 목표 태스크를 수행하기 위해 모델링될 수 있다. 목표 태스크를 달성하도록 신경망을 트레이닝하기 위해 데이터 세트가 준비될 수 있으며, 이러한 데이터 세트를 트레이닝 데이터라고 지칭할 수 있다. 데이터 세트는 복수의 데이터 쌍(Data Pair 1, Data Pair 2, Data Pair3..)을 포함하며, 데이터 쌍은 입력 데이터와 라벨 데이터를 포함한다. 라벨 데이터는 원 핫 인코딩된(one hot encoded) 데이터로서 하나의 정답을 나타낼 수 있다. 실시예로서, 라벨 데이터는 원 핫 인코딩된 데이터로서, 복수의 바이너리 값들을 포함할 수 있다. 라벨 데이터는 정답 데이터라고 지칭할 수도 있다.
트레이닝 데이터는 복수의 데이터 쌍을 포함할 수 있다. 다만, 데이터의 분류에 따라서 트레이닝 데이터는 입력 데이터와 라벨 데이터를 포함할 수도 있다. 입력 데이터와 라벨 데이터는 서로 매칭될 수 있다. 즉 n번째 입력 데이터에 대한 정답이 n번째 라벨 데이터에 해당할 수 있다.
신경망의 히든 레이어는 노드들을 포함하며, 노드들은 가중치(weight)를 갖는다. 노드들의 가중치는 트레이닝 단계에서 학습을 통해 결정/조정될 수 있다. 신경망은 라벨 데이터와 출력 데이터의 차이가 적어지도록 각 노드들의 가중치들을 조정할 수 있다. 노드들에 대한 적어도 하나의 가중치를 신경망의 파라미터로 지칭할 수도 있다. 즉, 시스템/신경망은 각각의 입력 데이터, 출력 데이터 및 라벨 데이터에 대해 신경망의 파라미터 조정을 수행할 수 있으며, 이러한 파라미터 조정은 트레이닝 데이터에 포함된 입력 데이터, 출력 데이터 및 라벨 데이터의 수만큼 반복 수행될 수 있다.
도 5의 실시예에서, 일례로, 신경망은 (1,3,0,6,5,4,7,2)를 입력 데이터로, (0,0,1,0)을 정답 데이터로 사용하여 학습된다. 입력 데이터에 대해 (0.1,0.2,0.6,0.1)이 출력되고, 신경망은 정답 데이터를 참고하여 신경망의 파라미터를 조정할 수 있다. 본 발명의 실시예에서, 입력 데이터는 매트릭스 압력 센서(111)를 포함하는 입력 부재(110)에 의해 형성된 패턴의 이미지 데이터가 사용되고, 정답 데이터로는 인체의 손 동작, 발 동작, 팔 관절 각 및/또는 무릎 관절 각이 사용될 수 있다.
일례로, 도 1b를 다시 참조하여, 본 발명의 실시예에 따른 인공지능 시스템의 학습 방법을 설명하면 다음과 같다.
본 발명의 실시예에 따른 인공지능 시스템은 신경망(221)을 포함하며, 입력 데이터 및 정답 데이터에 의해 학습될 수 있다. 입력 데이터로서는 기존의 매트릭스 압력 센서(111)를 갖는 입력 부재(110)에 의해 형성된 패턴의 이미지 데이터가 사용될 수 있다. 그리고 정답 데이터로서는 기존에 결정된 인체의 손 동작, 발 동작, 팔 관절 각 및/또는 무릎 관절 각에 대한 데이터가 사용될 수 있다.
이러한 다수의 입력 데이터 및 정답 데이터에 의해 인공지능 시스템이 충분히 학습되고 나면, 새로운 매트릭스 압력 센서(111)에 의해 형성된 패턴의 이미지 데이터를 입력하면, 해당 이미지에 대한 인체의 동작이 결과값으로 출력될 수 있다. 일례로, 매트릭스 압력 센서(111)에 의해 형성된 패턴의 이미지 데이터에 따라 인체의 손 동작, 발 동작, 팔 관절 각 및/또는 무릎 관절 각에 대한 결과값이 출력될 수 있다. 여기서, 학습 및 예측/매칭은 손 동작, 발 동작, 팔 관절 각 및/또는 무릎 관절 각의 각각에 대해 독립적으로 수행될 경우 매칭 효율이 높을 것으로 예상된다. 즉, 상기 인체 동작 모두에 대해 동시에 학습을 통해 인공지능 시스템으로 해결하는 것은, 매우 어려운 일로서, 방대한 양의 데이터와 신경망 및 학습이 필요할 수 있다.
도 6은 본 발명의 실시예에 따른 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템(100,200)중 매트릭스 압력 센서(111) 및 데이터 매칭부(120)의 동작을 도시한 개략도이다.
도 6에 도시된 바와 같이, 매트릭스 압력 센서(111)는 제1MUX(112a), 제1MUX(112a)에 연결된 다수의 가로 배선(113a), 제2MUX(112b), 제2MUX(112b)에 연결된 다수의 세로 배선(113b), 가로 배선(113a)과 세로 배선(113b)의 사이에 연결된 다수의 저항 소자(114)를 포함할 수 있다. 일부 예들에서, 다수의 저항 소자(114)가 행과 열을 가지며 매트릭스 형태로 배열될 수 있다. 이와 같은 구성에 의해, 소정 영역에서 압력이 작용하면 해당되는 저항 소자(114)에 인가되는 전압 또는 저항이 변화됨으로써, 이에 대응하는 전기적 신호를 제1MUX(112a)와 제2MUX(112b)가 센싱하게 된다.
한편, 제1MUX(112a) 및 제2MUX(112b)로부터 얻은 전기적 신호는 필터 회로(115)를 통해 노이즈 제거 후 디지털 신호로 변환되어 마이크로 컨트롤러(116)에 제공된다. 그러면, 마이크로 컨트롤러(116)는 매트릭스 압력센서(111)가 감지한 압력값을 3차원 평면에 패턴 이미지로 변환한다.
일부 예들에서, 마이크로 컨트롤러(116)는 상술한 방법으로 획득된 패턴 이미지를 메모리(121)에 미리 저장된 패턴 이미지와 비교하여 그 결과에 대응하는 인체 동작 결과값을 다양한 애플리케이션부(130)에 출력한다. 또한 일부 예들에서, 마이크로 컨트롤러(116)는 상술한 방법으로 획득된 패턴 이미지를 인공신경망(221)에 입력하고, 인공신경망(221)으로부터 출력된 인체 동작 결과값을 다양한 애플리케이션부(130)에 출력한다.
일부 예들에서, 입력 부재(110)는 인체(손목, 발목, 아래팔, 아랫다리, 위팔, 윗다리 등)를 감싸는 밴드(117)와, 밴드(117)의 내면으로서 인체에 접촉하는 매트릭스 압력 센서(111)를 포함할 수 있다. 일부 예들에서, 매트릭스 압력 센서(111)는 밴드(117)의 내면중 일부 영역에 다수의 행과 열을 가지며 배열될 수 있다. 일부 예들에서, 매트릭스 압력 센서(111)는 밴드(117)의 내면중 전체 영역에 다수의 행과 열을 가지며 배열될 수 있다. 밴드(117)는 신축성 또는 탄력성이 있는 재질로 형성될 수 있으나, 밴드(117)에서 매트릭스 압력 센서(111)가 배열되는 일부 영역은 비신축성 재질로 형성되는 것이 바람직하다.
도 7은 본 발명의 실시예에 따른 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템(100,200)중 매트릭스 압력 센서(111)를 도시한 개략도이다.
도 7에 도시된 바와 같이, 본 발명의 실시예에 따른 인체 동작 예측 시스템(100,200)중 매트릭스 압력 센서(111), 즉, 입력 부재(110)는 밴드(117)에 설치된 위치 및 회전각 인식 센서(118)를 더 포함할 수 있다. 위치 및 회전각 인식 센서(118)는 밴드(117)의 2차원 및/또는 3차원 위치 인식 및 밴드(117)의 회전각을 인식할 수 있으며, 가속도 센서 및/또는 자이로 센서 등 다양한 센서의 조합으로 구현될 수 있다.
물론, 위치 및 회전각 인식 센서(118)에 의한 센싱값은 데이터 매칭부(120)에 전송됨으로써, 데이터 매칭부(120)가 입력 부재(110)의 현재 위치, 이동 방향 및/또는 이동 속도를 계산하여 상술한 다양한 애플리케이션부(130)에 제공할 수 있다. 일부 예들에서, 밴드(117)는 블루투스 모듈(119)을 더 포함함으로써, 무선 통신을 통해 센싱 신호가 데이터 매칭부(120)에 전송될 수 있다.
도 8a 및 도 8b는 본 발명의 다른 실시예에 따른 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템(100,200)중 다른 입력 부재(310,410)를 도시한 개략도이다.
도 8a에 도시된 바와 바와, 본 발명의 다른 실시예에 따른 입력 부재(310)는 밴드(317)와, 힘줄 및/또는 근육에 밀착되는 5개의 압력 센서(311)를 포함할 수 있다. 이러한 입력 부재(310)는 5개의 압력 센서(311)가 힘줄이나 근육의 정확한 위치에 밀착되어, 그 압력을 센싱한다.
또한, 도 8b에 도시된 바와 같이, 본 발명의 다른 실시예에 따른 입력 부재(410)는 밴드(417)와, 하나의 압력 센서(411)를 포함할 수도 있다. 이러한 입력 부재(410)는 주먹을 쥐고, 펴는 행위의 실시간 인식이 가능하며, 저가 및 보급형으로서의 의미를 가질 수 있다.
도 9는 본 발명의 실시예에 따른 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템(100,200)중 매트릭스 입력 부재에 의한 위치, 이동방향 및 속도 인식 상태를 도시한 개략도이다.
도 9에 도시된 바와 같이, 본 발명의 실시예에 따른 인체 동작 예측 시스템(100,200)은 입력 부재(110), 다르게 설명하면 매트릭스 압력 센서(111)에 의해 인체의 각 기관의 동작이나 움직임이 센싱되고, 위치 및 회전각 인식 센서(118)에 의해 위치, 이동 방향 및 이동 속도가 센싱되며, 이러한 센싱값이 데이터 매칭부(120)에 전송될 수 있다.
도 10a 및 도 10b는 본 발명의 실시예에 따른 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템(100,200)중 매트릭스 압력 센서에 의한 인체의 힘줄 및 근육 센싱에 따른 인체 예측 동작을 도시한 개략도이다.
도 10a 및 도 10b에 도시된 바와 같이, 본 발명의 실시예에 따르면, 매트릭스 압력 센서(111)를 갖는 밴드(117)가 인체의 다양한 영역에 착용되어 힘줄 및/또는 근육에 의한 압력을 센싱할 수 있다.
일부 예들에서, 밴드(117)는 손목에 착용되어 매트릭스 압력센서가 손목 힘줄에 의한 압력값을 센싱하도록 하여 데이터 매칭부(120)가 손 동작을 예측 및 매칭되도록 할 수 있다.
일부 예들에서, 밴드(117)는 발목에 착용되어 매트릭스 압력센서가 발목 힘줄에 의한 압력값을 센싱하도록 하여 데이터 매칭부(120)가 발 동작을 예측 및 매칭되도록 할 수 있다.
일부 예들에서, 밴드(117)는 아래팔에 착용되어 매트릭스 압력센서가 아래팔 근육에 의한 압력값을 센싱하여 데이터 매칭부(120)가 손 동작을 예측 및 매칭되도록 할 수 있다.
일부 예들에서, 밴드(117)는 아랫다리에 착용되어 매트릭스 압력센서가 아랫다리 근육에 의한 압력값을 센싱하도록 하여 데이터 매칭부(120)가 발 동작을 예측 및 매칭되도록 할 수 있다.
일부 예들에서, 밴드(117)는 위팔에 착용되어 매트릭스 압력센서가 위팔 근육에 의한 압력값을 센싱하여 데이터 매칭부(120)가 팔 관절각을 예측 및 매칭되도록 할 수 있다.
일부 예들에서, 밴드(117)는 윗다리에 착용되어 매트릭스 압력센서가 윗다리 근육에 의한 압력값을 센싱하여 데이터 매칭부(120)가 무릎 관절각을 예측 및 매칭되도록 할 수 있다.
이와 같이 하여, 본 발명의 실시예는 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템(100,200)을 제공할 수 있다. 즉, 본 발명의 실시예는 매트릭스 압력 센서가 사용자의 다양한 인체 영역(예를 들면, 손목, 발목, 아래팔, 아랫다리, 위팔 또는 윗다리 등)에 착용되어 사용자의 다양한 인체 동작(예를 들면, 손동작, 발동작, 아래팔 동작, 아랫다리 동작, 위팔 동작, 윗다리 동작 등)에 따른 인체의 힘줄이나 근육의 움직임을 실시간으로 인식하고, 이러한 인식 과정에서는 머신 러닝 및/또는 패턴 인식이 사용되며, 이 과정을 통해 인식된 데이터를 저장하며 저장 후에는 사용자의 인체 움직임을 인식함으로써 사용자의 인체 동작을 예측할 수 있는 인체 동작 예측 시스템(100,200)을 제공할 수 있다. 또한, 본 발명의 실시예는 스마트 워치와 같은 상용화된 전자 제품을 포함하여 컴퓨터, 스마트폰, 드론, 로봇 등과 같은 전자기기 및 기계를 인체 동작으로 제어할 수 있는 밴드를 포함하는 인체 동작 예측 시스템(100,200)을 제공할 수 있다.
이상에서 설명한 것은 본 발명에 따른 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템을 실시하기 위한 하나의 실시예에 불과한 것으로서, 본 발명은 상기한 실시예에 한정되지 않고, 이하의 특허청구범위에서 청구하는 바와 같이 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경 실시가 가능한 범위까지 본 발명의 기술적 정신이 있다고 할 것이다.
100,200; 인체 동작 예측 시스템
110; 입력 부재 111; 매트릭스 압력 센서
112a; 제1MUX 112b; 제2MUX
113a; 가로 배선 113b; 세로 배선
114; 저항 소자 115; 필터 회로
116; 마이크로 컨트롤러 117; 밴드
118; 위치 및 회전각 인식 센서
119; 블루투스 모듈 120; 데이터 매칭부
121; 메모리 221; 인공 신경망
130; 애플리케이션부

Claims (10)

  1. 인체에 밀착되어 상기 인체의 힘줄 또는 근육에 의한 압력값을 센싱하고, 상기 압력값을 전기적 신호로 변환하여 출력하는 입력 부재;
    상기 입력 부재에 의해 입력된 입력값에 기반하여 상기 인체의 동작을 예측하여 매칭하고, 매칭된 결과값을 출력하는 데이터 매칭부; 및
    상기 데이터 매칭부로부터 입력된 결과값에 기반하여 미리 정해진 동작을 수행하는 애플리케이션부를 포함하고,
    상기 입력 부재는 상기 인체를 감싸는 밴드; 및 상기 밴드의 내면으로서 상기 인체에 접촉하는 매트릭스 압력센서를 포함하며, 상기 매트릭스 압력센서는 상기 밴드의 내면중 일부 영역에 다수의 행과 열을 가지며 설치되거나 또는 상기 밴드의 내면중 전체 영역에 다수의 행과 열을 가지며 설치되되,
    상기 매트릭스 압력센서는 제1MUX, 상기 제1MUX에 연결된 다수의 가로 배선, 제2MUX, 상기 제2MUX에 연결된 다수의 세로 배선, 상기 가로 배선과 상기 세로 배선 사이에 다수의 행과 열을 가지며 연결되어 상기 힘줄이나 근육에 의해 인가되는 압력에 따라 저항값이 변하는 다수의 저항 소자, 상기 제1,2MUX로부터 얻은 전기적 신호를 필터링하여 노이즈를 제거한 후 디지털 신호로 변환하는 필터 회로, 필터 회로로부터 얻은 디지털 신호를 이용하여 상기 매트릭스 압력센서가 감지한 압력값을 3차원 평면 상의 패턴 이미지로 변환하는 마이크로 컨트롤러를 포함하고, 상기 다수의 저항 소자는 상기 힘줄이나 근육에 전기적 절연 상태로 접촉되며,
    상기 데이터 매칭부는 메모리에 미리 저장된 상기 3차원 평면 상의 패턴 이미지에 대응하는 인체의 동작을 결과값으로 이용하거나,
    상기 데이터 매칭부는 인공신경망을 통해 학습된 상기 3차원 평면 상의 패턴 이미지에 대응하는 인체의 동작을 결과값으로 이용하는, 인체 동작 예측 시스템.
  2. 삭제
  3. 삭제
  4. 제 1 항에 있어서,
    상기 밴드는 손목에 착용되어 상기 매트릭스 압력센서가 손목 힘줄에 의한 압력값을 센싱하도록 하여 상기 데이터 매칭부가 손 동작을 예측 및 매칭되도록 하거나, 또는
    상기 밴드는 발목에 착용되어 상기 매트릭스 압력센서가 발목 힘줄에 의한 압력값을 센싱하도록 하여 상기 데이터 매칭부가 발 동작을 예측 및 매칭되도록 하는, 인체 동작 예측 시스템.
  5. 제 1 항에 있어서,
    상기 밴드는 아래팔에 착용되어 상기 매트릭스 압력센서가 아래팔 근육에 의한 압력값을 센싱하여 상기 데이터 매칭부가 손 동작을 예측 및 매칭되도록 하거나,
    상기 밴드는 아랫다리에 착용되어 상기 매트릭스 압력센서가 아랫다리 근육에 의한 압력값을 센싱하도록 하여 상기 데이터 매칭부가 발 동작을 예측 및 매칭되도록 하거나,
    상기 밴드는 위팔에 착용되어 상기 매트릭스 압력센서가 위팔 근육에 의한 압력값을 센싱하여 상기 데이터 매칭부가 팔 관절각을 예측 및 매칭되도록 하거나, 또는
    상기 밴드는 윗다리에 착용되어 상기 매트릭스 압력센서가 윗다리 근육에 의한 압력값을 센싱하여 상기 데이터 매칭부가 무릎 관절각을 예측 및 매칭되도록 하는, 인체 동작 예측 시스템.
  6. 삭제
  7. 삭제
  8. 제 1 항에 있어서,
    상기 인공신경망은 패턴인식방식 및 머신러닝방식중 적어도 하나를 이용하여 입력값에 대응하는 인체의 동작을 결과값으로 출력하는, 인체 동작 예측 시스템.
  9. 제 1 항에 있어서,
    상기 애플리케이션부는 로봇, 전자기기, 게임기, 가상현실 장치 및 제스처 프레젠테이션 장치중 적어도 하나를 포함하는, 인체 동작 예측 시스템.
  10. 제 1 항에 있어서,
    상기 입력 부재는 위치 및 회전각 인식 센서를 더 포함하고, 상기 위치 및 회전각 인식 센서에 의한 센싱값을 상기 데이터 매칭부에 전송하는, 인체 동작 예측 시스템.

KR1020200027488A 2020-03-05 2020-03-05 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템 KR102196962B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200027488A KR102196962B1 (ko) 2020-03-05 2020-03-05 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200027488A KR102196962B1 (ko) 2020-03-05 2020-03-05 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템

Publications (1)

Publication Number Publication Date
KR102196962B1 true KR102196962B1 (ko) 2020-12-31

Family

ID=74087508

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200027488A KR102196962B1 (ko) 2020-03-05 2020-03-05 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템

Country Status (1)

Country Link
KR (1) KR102196962B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220117929A (ko) 2021-02-17 2022-08-25 김한진 센서가 내장된 동작 교습용 매트
CN114943324A (zh) * 2022-05-26 2022-08-26 中国科学院深圳先进技术研究院 神经网络训练方法、人体运动识别方法及设备、存储介质
WO2023108086A1 (en) * 2021-12-08 2023-06-15 The Regents Of The University Of California Systems and methods for predictive shoulder kinematics of rehabilitation exercises through immersive virtual reality
KR102595257B1 (ko) * 2023-03-17 2023-11-01 강윤 제스처 인식에 기반한 모바일 로봇의 인간추종 및 상호작용 시스템 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090011686A (ko) * 2007-07-27 2009-02-02 삼성전자주식회사 촉각 감지를 위한 압력 센서 어레이 장치 및 방법
KR20160025722A (ko) * 2014-08-28 2016-03-09 삼성전자주식회사 손목 근육들의 움직임들에 상응하는 사용자 입력을 처리할 수 있는 애플리케이션 프로세서와 이를 포함하는 장치들
KR20170060525A (ko) * 2015-11-24 2017-06-01 주식회사 아모센스 터치압력 감지 센서
KR101819158B1 (ko) * 2016-12-19 2018-01-16 강윤 힘줄에 의한 압력 센서의 연속적인 출력 값에 따른 로봇 관절의 동작 제어 시스템
US20190033974A1 (en) * 2017-07-27 2019-01-31 Facebook Technologies, Llc Armband for tracking hand motion using electrical impedance measurement

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090011686A (ko) * 2007-07-27 2009-02-02 삼성전자주식회사 촉각 감지를 위한 압력 센서 어레이 장치 및 방법
KR20160025722A (ko) * 2014-08-28 2016-03-09 삼성전자주식회사 손목 근육들의 움직임들에 상응하는 사용자 입력을 처리할 수 있는 애플리케이션 프로세서와 이를 포함하는 장치들
KR20170060525A (ko) * 2015-11-24 2017-06-01 주식회사 아모센스 터치압력 감지 센서
KR101819158B1 (ko) * 2016-12-19 2018-01-16 강윤 힘줄에 의한 압력 센서의 연속적인 출력 값에 따른 로봇 관절의 동작 제어 시스템
US20190033974A1 (en) * 2017-07-27 2019-01-31 Facebook Technologies, Llc Armband for tracking hand motion using electrical impedance measurement

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220117929A (ko) 2021-02-17 2022-08-25 김한진 센서가 내장된 동작 교습용 매트
WO2023108086A1 (en) * 2021-12-08 2023-06-15 The Regents Of The University Of California Systems and methods for predictive shoulder kinematics of rehabilitation exercises through immersive virtual reality
CN114943324A (zh) * 2022-05-26 2022-08-26 中国科学院深圳先进技术研究院 神经网络训练方法、人体运动识别方法及设备、存储介质
CN114943324B (zh) * 2022-05-26 2023-10-13 中国科学院深圳先进技术研究院 神经网络训练方法、人体运动识别方法及设备、存储介质
KR102595257B1 (ko) * 2023-03-17 2023-11-01 강윤 제스처 인식에 기반한 모바일 로봇의 인간추종 및 상호작용 시스템 및 방법

Similar Documents

Publication Publication Date Title
KR102196962B1 (ko) 매트릭스 압력 센서를 이용한 인체의 움직임 인식 및 이를 통한 인체 동작 예측 시스템
Xue et al. Multimodal human hand motion sensing and analysis—A review
KR100941209B1 (ko) 로봇 장치, 얼굴 인식 방법 및 얼굴 인식 장치
Kuniyoshi et al. From humanoid embodiment to theory of mind
Leoni et al. Implementing robotic grasping tasks using a biological approach
Tuci et al. Active categorical perception of object shapes in a simulated anthropomorphic robotic arm
Berret et al. Optimality and modularity in human movement: from optimal control to muscle synergies
Tieck et al. A spiking network classifies human sEMG signals and triggers finger reflexes on a robotic hand
Bonaiuto et al. Learning to grasp and extract affordances: the Integrated Learning of Grasps and Affordances (ILGA) model
Tatarian et al. Stepping-stones to transhumanism: An emg-controlled low-cost prosthetic hand for academia
Tani et al. Achieving “organic compositionality” through self-organization: reviews on brain-inspired robotics experiments
Massera et al. The facilitatory role of linguistic instructions on developing manipulation skills
Vasquez Tieck et al. Triggering robot hand reflexes with human emg data using spiking neurons
Ward-Cherrier et al. A miniaturised neuromorphic tactile sensor integrated with an anthropomorphic robot hand
Nguyen et al. Reaching development through visuo-proprioceptive-tactile integration on a humanoid robot-a deep learning approach
Wang et al. Multimodal Human–Robot Interaction for Human‐Centric Smart Manufacturing: A Survey
Farkaš et al. Grounding the meanings in sensorimotor behavior using reinforcement learning
Navarro-Gonzalez et al. On-line incremental learning for unknown conditions during assembly operations with industrial robots
Natale et al. Icub
Schillaci et al. Online learning of visuo-motor coordination in a humanoid robot. a biologically inspired model
Nabeshima et al. Timing-based model of body schema adaptation and its role in perception and tool use: A robot case study
Massera et al. Evolution of prehension ability in an anthropomorphic neurorobotic arm
Billard et al. Discovering imitation strategies through categorization of multi-dimensional data
Linares-Barranco et al. AER neuro-inspired interface to anthropomorphic robotic hand
KR20230138634A (ko) 전자기 유도 법칙을 이용한 힘줄 및 근육의 움직임 인식 시스템

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant