KR101788784B1 - Uwb 센서를 이용해 제스처를 인식하는 방법 및 장치 - Google Patents

Uwb 센서를 이용해 제스처를 인식하는 방법 및 장치 Download PDF

Info

Publication number
KR101788784B1
KR101788784B1 KR1020160078132A KR20160078132A KR101788784B1 KR 101788784 B1 KR101788784 B1 KR 101788784B1 KR 1020160078132 A KR1020160078132 A KR 1020160078132A KR 20160078132 A KR20160078132 A KR 20160078132A KR 101788784 B1 KR101788784 B1 KR 101788784B1
Authority
KR
South Korea
Prior art keywords
gesture
uwb
mask
center
center values
Prior art date
Application number
KR1020160078132A
Other languages
English (en)
Inventor
김현돈
Original Assignee
주식회사 에스원
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 주식회사 에스원 filed Critical 주식회사 에스원
Priority to KR1020160078132A priority Critical patent/KR101788784B1/ko
Application granted granted Critical
Publication of KR101788784B1 publication Critical patent/KR101788784B1/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
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures

Abstract

제스처 인식기가 제공된다. 상기 제스처 인식기는, 소정의 거리 간격을 가지는 복수의 UWB(ultra wide band) 채널을 제어하여, 제1 영역 내의 신호를 감지하는 UWB 채널 제어기; 제1 기간을 나타내는 복수의 프레임 중 제1 프레임에서 상기 복수의 UWB 채널을 통해 감지된 제1 신호들의 세기를 이용해, 상기 제1 신호들을 위한 하나의 제1 중심값을 계산하는 신호 전처리기; 및 상기 제1 중심값을 이용해, 제스처를 인식하는 인식부를 포함한다.

Description

UWB 센서를 이용해 제스처를 인식하는 방법 및 장치{METHOD AND APPARATUS FOR RECOGNIZING GESTURE BY USING ULTRA WIDE BAND SENSOR}
본 발명은 UWB(ultra wide band) 센서를 이용해 제스처를 인식하는 방법 및 장치에 관한 것이다.
전세계 IT 시장은 사물인터넷 IoT(internet of things) 중심으로 빠르게 재편되고 있으며, 모든 전자 디바이스가 인터넷과 연결되고 서로 연동되는 스마트 홈, 스마트 자동차 등과 관련된 상품이 각광받고 있다. 이와 관련하여 개별 전자기기에 통신 기능이 추가되고 다양한 스마트 기능이 융합되는 추세에 맞추어, 각 기기를 제어하는 UI(user interface)도 좀 더 쉽고 획기적으로 변하고 있다. 대표적인 예로써, 제스처 인식에 의한 전등 및 가전 제품 제어가 있다.
기존의 제스처 인식은 크게 3D(3-dimension) 카메라를 이용한 고급형 기술과 RGB(red-green-blue) 센서 또는 IR(infrared ray) 센서를 이용한 보급형 기술로 나뉠 수 있다. 고급형 기술과 보급형 기술 각각의 장단점은 다음과 같다.
3D 카메라를 이용하는 고급형 기술은 다양하고 세밀한 제스처 인식이 가능하고 인식 거리의 제약이 적은 장점을 가지지만, 복잡하고 많은 계산량이 필요하여 고사양 하드웨어(H/W)가 필요하고 유지 보수 비용이 높은 단점과 이에 따른 동작 및 대기 전력이 커서 배터리 사용 시간에 민감한 소형 무선 IoT 제품에 적용되기 어려운 단점을 가진다. 또한, 3D 카메라를 이용하는 고급형 기술은 주변 환경(예, 조명 변화)에 민감한 성능 감소 문제도 고려해야 한다.
RGB 센서 또는 IR 센서를 이용하는 보급형 기술은 간단한 제스처 인식에 높은 신뢰도를 가지며 하드웨어(H/W) 사양이 높지 않아 소형 무선 IoT 제품에 적용되기 좋은 장점을 가지지만, 인식 거리가 30cm 이내로 근거리에서만 동작 가능하다는 단점을 가진다.
따라서 주변 환경(예, 온도, 조명 등)에 따른 성능 변화가 없고, 인식 거리가 길며, 저사양 소형 무선화가 가능한, 제스처 인식 방법 및 장치가 필요하다.
본 발명이 해결하고자 하는 과제는, 주변 환경에 따른 성능 변화가 없고, 인식 거리가 길며, 저사양 소형 무선화가 가능한, UWB 기반의 제스처 센서, 제스처 인식 알고리즘, 제스처 인식 방법, 제스처 인식 장치, 및 제스처 인식 시스템을 제공하는 것이다.
본 발명의 실시예에 따르면, 제스처 인식기가 제공된다. 상기 제스처 인식기는, 소정의 거리 간격을 가지는 복수의 UWB(ultra wide band) 채널을 제어하여, 제1 영역 내의 신호를 감지하는 UWB 채널 제어기; 제1 기간을 나타내는 복수의 프레임 중 제1 프레임에서 상기 복수의 UWB 채널을 통해 감지된 제1 신호들의 세기를 이용해, 상기 제1 신호들을 위한 하나의 제1 중심값을 계산하는 신호 전처리기; 및 상기 제1 중심값을 이용해, 제스처를 인식하는 인식부를 포함한다.
상기 복수의 UWB 채널 중 상기 소정의 거리 간격을 가지는 제1 UWB 채널과 제2 UWB 채널의 일부 감지 영역은 서로 겹칠 수 있다.
상기 제1 영역은 상기 제스처를 수행하는 객체의 몸을 감지하는 제2 영역과 제3 영역 사이에 위치할 수 있다.
상기 UWB 채널 제어기는, 상기 복수의 UWB 채널에 대응하는 복수의 UWB 빔을 시분할 방식에 기초해 출력하는 하나의 UWB 센서를 포함할 수 있다.
상기 신호 전처리기는 상기 복수의 UWB 채널의 번호를 정규화할 수 있다.
상기 제1 중심값은 상기 정규화된 UWB 채널 번호 중 하나에 해당할 수 있다.
상기 제스처 인식기는, 상기 복수의 프레임에 제1 제스처를 위한 제1 마스크를 적용하여, 상기 복수의 프레임을 위한 복수의 중심값 중에서 상기 제1 마스크에 해당하는 중심값들을 판단하는 특징 추출기를 더 포함할 수 있다.
상기 신호 전처리기는 상기 제1 중심값을 포함하는 상기 복수의 중심값을 계산할 수 있다.
상기 특징 추출기는, 상기 복수의 중심값이 표현된 시간-중심값 평면의 일부를 복수의 분할 평면으로 분할하고, 상기 복수의 분할 평면 중에서 상기 제1 마스크를 위한 적어도 하나의 분할 평면에 존재하는 중심값들의 개수를 판단할 수 있다.
상기 제1 기간은 상기 제1 마스크가 가지는 시간 길이 보다 길 수 있다.
상기 특징 추출기는, 상기 제1 마스크를 소정 개수의 프레임만큼 시프트시킬 수 있다.
상기 특징 추출기는, 상기 제1 마스크를 반복적으로 시프트시켜 상기 복수의 프레임에 적용한 후, 상기 복수의 중심값 중 상기 시프트된 제1 마스크에 해당하는 중심값들의 개수를 시프트 별로 계산하고, 상기 계산된 중심값 개수들 중 제1 최대값을 추출할 수 있다.
상기 특징 추출기는, 상기 제1 제스처와 구별되는 제2 제스처를 위한 제2 마스크를 반복적으로 시프트시켜 상기 복수의 프레임에 적용한 후, 상기 복수의 중심값 중 상기 시프트된 제2 마스크에 해당하는 중심값들의 개수를 시프트 별로 계산하고, 상기 계산된 중심값 개수들 중 제2 최대값을 추출할 수 있다.
상기 인식부는, 상기 제1 최대값과 상기 제2 최대값을 비교할 수 있다.
상기 특징 추출기는, 상기 계산된 중심값 개수들의 기울기를 추출할 수 있다.
상기 인식부는, 상기 제1 최대값과 상기 기울기를 이용해, 상기 제1 영역 내에서 감지된 신호가 상기 제스처에 의한 신호인지 배경 잡음 신호인지를 판단할 수 있다.
상기 인식부는, 상기 제1 마스크에 해당하는 중심값들의 변화 패턴을 분석해, 상기 제스처의 종류를 판단할 수 있다.
상기 소정의 거리 간격은 3~10cm 범위 내일 수 있다.
또한 본 발명의 다른 실시예에 따르면, 제스처 인식기의 제스처 인식 방법이 제공된다. 상기 제스처 인식기의 제스처 인식 방법은, 소정의 거리 간격을 가지는 복수의 UWB(ultra wide band) 채널을 통해, 제1 영역 내의 신호를 검출하는 단계; 제1 기간을 나타내는 복수의 프레임에서 상기 복수의 UWB 채널을 통해 검출된 신호들의 세기를 이용해, 상기 복수의 프레임을 위한 복수의 중심값을 계산하는 단계; 및 상기 복수의 중심값을 이용해, 제스처를 인식하는 단계를 포함한다.
본 발명의 실시예에 따르면, UWB 기반의 제스처 센서를 저전력 소형 제스처 인식기에 적용함으로써, 저전력 소형 제스처 인식기를 스마트 홈 및 스마트 자동차 등을 위한 IoT 기기로써 사용할 수 있다.
또한 본 발명의 실시예에 따르면, 주변 환경(예, 설치 장소, 조명, 온도 등)에 따른 제약이 적은 중장거리(예, 1m 이상) 무선 제스처 센서 개발이 가능하다.
또한 본 발명의 실시예에 따르면, 저사양 하드웨어(H/W) 및 가벼운 동작 알고리즘을 통해 저가형 제스처 센서 시장을 확대할 수 있다.
도 1은 본 발명의 실시예에 따른, UWB 제스처 센서의 감지 거리 및 분해능을 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른, 시분할 방식을 통해 복수의 가상 UWB 채널을 운용하는 방법을 나타내는 도면이다.
도 3은 본 발명의 실시예에 따른, 복수의 UWB 채널 데이터를 평균 정규화 밀도 중심값으로 변환하는 방법을 나타내는 도면이다.
도 4a 및 도 4b는 업(up) 제스처에 따른 평균 정규화 밀도 중심값의 분포를 나타내는 도면이다.
도 4c 및 도 4d는 본 발명의 실시예에 따른, 업 제스처를 위한 마스크가 사용된 경우를 나타내는 도면이다.
도 5a 및 도 5b는 다운(down) 제스처에 따른 평균 정규화 밀도 중심값의 분포를 나타내는 도면이다.
도 5c 및 도 5d는 본 발명의 실시예에 따른, 다운 제스처를 위한 마스크가 사용된 경우를 나타내는 도면이다.
도 6은 본 발명의 실시예에 따른, 제스처 인식기를 나타내는 도면이다.
도 7은 본 발명의 실시예에 따른, 제스처 인식기의 제스처 인식 방법을 나타내는 도면이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 '연결'되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 '전기적으로 연결'되어 있는 경우도 포함한다.
명세서 및 청구범위 전체에서, 어떤 부분이 어떤 구성 요소를 '포함'한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
한편, 본 명세서에서, 'A 또는 B'는, 'A', 'B', 또는 'A와 B 모두'를 포함할 수 있다.
기존의 제스처 인식 센서는, 3D 카메라와 같은 고사양의 하드웨어(H/W)가 필요하다는 단점 또는 RGB 센서(또는 IR 센서)와 같은 인식거리가 짧다는 단점을 가진다. 이러한 단점을 극복하기 위하여, UWB 전파를 이용하는 제스처 인식 방법 및 장치에 대해서 설명한다. 이하에서는, 제스처가 손동작(예, 상, 하, 좌, 우, 앞으로, 뒤로, 회전 등)인 경우를 예로 들어 본 발명의 실시예를 설명하지만 이는 예시일 뿐이며, 제스처가 손동작이 아닌 다른 동작인 경우에도 본 발명의 실시예는 적용될 수 있다. 또한 이하에서는 제스처를 수행하는 객체가 사람인 경우를 예로 들어 설명하지만 이는 예시일 뿐이며, 제스처를 수행하는 객체가 사람이 아닌 경우(예, 동물)에도 본 발명의 실시예는 적용될 수 있다.
UWB를 이용하는 제스처 인식 센서(이하 'UWB 제스처 센서')는, 원거리(예, 2~3m)에서도 제스처 인식을 할 수 있다. 또한 UWB 제스처 센서는, 주변 환경(예, 온도 변화, 조명 변화 등)에 따른 성능 변화를 가지지 않는다. 또한 UWB 제스처 센서는, 알고리즘이 간단하여 저사양 하드웨어(H/W)에서 동작할 수 있으며, 동작 전력 및 대기 전력이 낮아 소형화 및 무선화될 수 있다.
다만, UWB 제스처 센서가 사용되는 경우에, UWB 전파 특성상 분해 가능 거리가 넓고 오차가 많아서, 정확하고 다양한 제스처 인식에 어려움이 있다. 이러한 단점을 극복하기 위해, 다음과 같은 기술이 사용될 수 있다. 구체적으로 거리 분해능을 높이기 위하여, N개(단, N은 2 이상의 자연수)의 UWB 채널이 설계(배치)될 수 있다. 또한, 1개의 UWB 제스처 센서를 통해 N개의 UWB 채널을 운용하기 위하여, 시분할(time division) 방식이 사용될 수 있다. 또한, UWB 채널 별 오차를 최소화하기 위하여, N개의 UWB 채널의 데이터들은 평균 정규화 밀도 중심값으로 변환되어 사용될 수 있다. 또한, 제스처 인식 성능을 향상시키기 위하여, 제스처 검출 마스크가 사용될 수 있다.
도 1은 본 발명의 실시예에 따른, UWB 제스처 센서의 감지 거리 및 분해능을 나타내는 도면이다.
제스처 인식을 위해 UWB가 사용되는 경우에, UWB의 단점인 거리 분해능을 높이고 오차를 줄여서 제스처 인식률을 향상시키는 방법 및 장치에 대하여 설명한다.
먼저, 거리 분해능을 높이기 위하여, N개의 UWB 채널이 중복으로 배치되는 구조에 대해서 설명한다.
기존의 UWB 센서는 거리 분해능(예, 1m 이상)이 좋지 않기 때문에, 제스처 인식에는 부적절하다. 거리 분해능을 높이기 위하여, N개의 UWB 채널(예, 1번 UWB 채널, 2번 UWB 채널, ..., N번 UWB 채널)이 소정의 거리 간격(예, 3~10cm 간격)으로 중복 배치될 수 있다. 예를 들어, N개의 UWB 채널 중 1번 UWB 채널의 일부 감지 영역은 2번 UWB 채널의 일부 감지 영역에 겹칠 수 있다.
도 1에 예시된 바와 같이, N개의 UWB 채널은 UWB 제스처 센서로부터 소정의 거리(예, 50~100cm)만큼 떨어진 B존(Zone#B) 내에 소정의 간격(예, 3~10cm)으로 배치될 수 있다. B존(Zone#A)은 제스처 영역(gesture area)으로써, 사람의 제스처를 검출하기 위한 영역이다. UWB 제스처 센서와 가장 가까이 위치하는 A존(Zone#A)은 모션 영역(motion area)으로써, 사람의 몸(body)을 검출하기 위한 영역이다. UWB 제스처 센서와 가장 멀리 위치하는 C존(Zone#C)은 모션 영역으로써, 사람의 몸을 검출하기 위한 영역이다. 도 1에는, 각 존(Zone#A, Zone#B, Zone#C)의 길이가 50~100cm 이고 존(Zone#C)의 최대 폭이 3~4m 인 경우가 예시되어 있다.
UWB 제스처 센서를 포함하는 제스처 인식기는 도 1에 예시된 바와 같이 N개의 UWB 채널을 배치하고 제스처의 세부 움직임(예, 손을 아래에서 위로 올리는 업 제스처인 경우에 이를 위한 각 부분 움직임)에 따라 검출되는 UWB 채널 별 신호 크기(세기)를 이용하여, UWB 제스처 센서로부터 소정의 거리(예, 50~100cm)만큼 떨어진 B존(Zone#B)에서 UWB 채널의 배치 간격인 3~10cm의 분해능으로 제스처를 인식할 수 있다. 구체적으로, 제스처 인식기는 제스처가 수행된 기간(이하 '제스처 수행 기간')을 나타내는 복수의 프레임 각각에서 N개의 UWB 채널을 통해 신호 세기를 검출할 수 있고, 각 프레임(예, 10ms)에서 N개의 UWB 채널을 통해 검출된 신호 세기들의 차이(예, j번째 프레임에서 1번 UWB 채널을 통해 검출된 신호 세기와 j번째 프레임에서 2번 UWB 채널을 통해 검출된 신호 세기 간의 차이)를 비교하여, 제스처를 인식할 수 있다. 여기서, j번째 프레임은 제스처의 세부 움직임들 중 적어도 하나에 대응할 수 있다.
도 2는 본 발명의 실시예에 따른, 시분할 방식을 통해 복수의 가상 UWB 채널을 운용하는 방법을 나타내는 도면이다.
도 1의 배치 구조에서 기술한 바와 같이, 거리 분해능을 높이기 위해 기본적으로 N개의 UWB 채널 구조가 필요하지만, 만약 이를 위해 N개의 UWB 제스처 센서가 사용된다면, 단가 상승 및 센서의 크기가 커지는 단점이 존재한다. 이러한 단점(예, 제조 원가 상승, 센서 크기 증가)을 극복하기 위하여, 1개의 UWB 제스처 센서만을 이용해 N개의 가상 UWB 채널을 시분할 방식으로 운용하는 방법이 사용될 수 있다.
도 2에 예시된 바와 같이, 1개의 UWB 제스처 센서는 소정의 시간 내에 N개의 UWB 빔을 소정의 시간 간격으로 출력(전송)할 수 있다. 여기서, UWB 빔은 상술한 UWB 채널에 각각 대응하며, 이하에서는 N개의 UWB 빔을 'UWB 빔 집합'이라 한다. 구체적으로 1개의 UWB 제스처 센서는 주기적으로 UWB 빔 집합을 출력(전송)할 수 있다. 도 2에서 세로축은 시간을 나타내고 가로축은 UWB 제스처 센서로부터의 거리를 나타낸다.
각 UWB 빔은 제스처 감지를 위한 제스처 감지 구간을 가진다. 예를 들어, 각 UWB 빔의 제스처 감지 구간은 상술한 B존(Zone#B)의 길이(예, 0.5~1m)와 동일한 길이를 가질 수 있으며, 도 2에는 1m의 길이를 가지는 경우가 예시되어 있다. UWB 빔 집합에 포함되는 UWB 빔들 간의 제스처 감지 구간 간격은 상술한 UWB 채널들의 배치 간격(예, 0.03~0.1m)과 동일할 수 있다.
도 3은 본 발명의 실시예에 따른, 복수의 UWB 채널 데이터를 평균 정규화 밀도 중심값으로 변환하는 방법을 나타내는 도면이다.
UWB 제스처 센서로부터의 거리, 시간, 또는 방해물 등에 따른 오차를 최소화하는 알고리즘에 대하여 설명한다.
UWB 제스처 센서의 특징상 거리 분해능(예, 3~10cm)이 좁을 경우에, 제스처의 세부 움직임에 따른 UWB 채널 별 검출 크기 변화량이 일정하지 못하여 많은 거리 오차가 발생할 수도 있다.
도 3의 (a)에는 제스처의 세부 움직임에 대한 UWB 채널 별 검출 크기 변화량이 예시되어 있다. 도 3의 (a)에서 가로축은 채널을 나타내고 세로축은 신호 세기를 나타낸다. 구체적으로 도 3의 (a)에는 제스처 수행 기간을 나타내는 복수의 프레임 중 j번째 프레임(예, 10ms)에서 N개의 UWB 채널을 통해 검출된 신호 세기의 변화량이 예시되어 있다. 여기서 j번째 프레임은 제스처의 세부 움직임 중 적어도 하나에 대응할 수 있다. 제스처 수행 기간은 제스처 판정을 위한 기간(이하 '제스처 판정 기간')을 포함할 수 있으며, 제스처 판정 기간은 M개(단, M은 2 이상의 자연수)의 프레임에 해당하며 도 3의 (b)에는 제스처 판정 기간이 100개의 프레임에 해당하는 경우가 예시되어 있다.
예를 들어, 도 3의 (a)에 예시된 바와 같이, j번째 프레임에서 N개의 UWB 채널을 통해 검출된 신호 세기들의 변화량이 일정하지 않을 수 있으며, 이로 인해 거리 오차가 발생할 수 있다. 이를 극복하기 위하여, 제스처 인식기는 N개의 UWB 채널을 통해 검출된 데이터 전체에 대한 평균 정규화 밀도 중심값을 프레임 별로 구하여, UWB 채널들의 거리 오차가 서로 보완되도록 할 수 있다.
제스처 인식기는 j번째 프레임의 평균 정규화 밀도 중심값을 다음과 같은 과정을 통해 구할 수 있다.
제스처 인식기는 N개의 UWB 채널의 데이터(신호 세기)를 변별하기 위한 기준값을 아래의 수학식 1과 같이 설정한다(S10).
Figure 112016060463482-pat00001
수학식 1에서, xthr은 기준값을 나타내고, xmax는 j번째 프레임에서 N개의 UWB 채널을 통해 검출된 데이터(신호 세기) 중 가장 큰 데이터를 나타내고, μ는 기준 상수이다. 예를 들어, 도 3의 (a)에는 μ가 0.7인 경우가 예시되어 있다.
제스처 인식기는 j번째 프레임에서 N개의 UWB 채널을 통해 검출된 데이터(신호 세기) 중 기준값 xthr을 넘는 데이터를 아래의 수학식 2와 같이 정규화(또는 rescale)한다(S11).
Figure 112016060463482-pat00002
수학식 2에서, i는 N개의 UWB 채널의 인덱스를 나타내며 i=0,1,...,N, y(i)는 i번째 UWB 채널의 정규화 데이터(신호 세기)를 나타내고, x(i)는 i번째 UWB 채널의 정규화되기 전의 데이터를 나타낸다. i번째 UWB 채널의 정규화 데이터 y(i)의 범위는 0~1이다.
제스처 인식기는 N개의 UWB 채널 중 j번째 프레임을 위한 데이터 밀도 중심 채널을 아래의 수학식 3과 같이 추정 및 정규화(또는 rescale)한다(S12).
Figure 112016060463482-pat00003
수학식 3에서, j는 프레임 인덱스를 나타내고, U(j)는 j번째 프레임의 평균 정규화 밀도 중심값(중심 채널)을 의미한다. N개의 UWB 채널의 번호는 정규화되어 (1~N)에서 (0~1)로 변환된다. 이하에서는 정규화된 UWB 채널을 'UWB 정규화 채널'이라 한다. 도 3의 (a)에서, j번째 프레임을 위한 UWB 채널 정규화 데이터 중 최대값을 가지는 데이터의 위치(P1)와 μ이상의 값을 가지는 데이터에 의해 형성되는 데이터 면적(R1, R2)의 중심을 나타내는 UWB 정규화 채널은 0.5이다.
j번째 프레임의 평균 정규화 밀도 중심값은, j번째 프레임에서 N개의 UWB 채널을 통해 검출된 신호 세기들의 면적 중심(또는 밀도 중심, 무게 중심)에 매핑되는 하나의 UWB 정규화 채널을 나타낸다. 즉, j번째 프레임의 평균 정규화 밀도 중심값은, j번째 프레임에서 N개의 UWB 채널을 통해 검출된 신호들의 중심(예, 무게 중심)이 되는 UWB 정규화 채널을 나타낸다.
제스처 인식기는 제스처 판정 기간(100 프레임) 동안에 각 프레임을 위한 평균 정규화 밀도 중심값(중심 채널)을 구할 수 있다. 도 3의 (b)에는 업 제스처가 수행된 경우에, 제스처 판정 기간의 각 프레임을 위한 평균 정규화 밀도 중심값이 예시되어 있다. 도 3의 (b)에서 가로축은 프레임을 나타내고 세로축은 UWB 정규화 채널을 나타낸다. 도 3의 (b)에는 UWB 정규화 채널의 번호가 낮아질수록(1->0) UWB 제스처 센서와의 거리는 가까워지는 경우가 예시되어 있다. 제스처 인식기는 도 3의 (b)에 예시된 패턴(즉, 시간이 지날수록 평균 정규화 밀도 중심값이 낮아지는 패턴)을 이용해, 업 제스처를 인식할 수 있다.
한편, UWB 센서의 특성상, 시간 변화에 따른 오차가 많고, 제스처에 해당하지 않는 다른 부위(예, 손동작 제스처인 경우에, 얼굴이나 몸통)에 의한 반사파의 영향으로 정확하고 다양한 제스처 인식이 어려울 수 있다. 시간에 따른 오차와 방해물에 의한 영향을 최소화하기 위하여, 제스처 인식기는 제스처 마스크 필터를 사용할 수 있다. 제스처 마스크 필터는, 일정 프레임 내(예, 1~2초 이내)에서 제스처의 종류에 따른 평균 정규화 밀도 중심값들의 위치 변화를 추정하기 위한 것이다.
또한 제스처 인식기는 소정의 시간(예, 1초) 동안에 적용되는 제스처 마스크를 소정 개수의 프레임(예, 10 프레임, 0.1초) 단위로 시프트(shift)하여, 제스처 검출의 응답 시간을 최소화하고 인식률을 향상시킬 수 있다.
제스처 마스크 필터와 제스처 마스크 시프트에 대해서는, 도 4a, 도 4b, 도 4c, 도 4d, 도 5a, 도 5b, 도 5c, 및 도 5d를 참고하여 자세히 설명한다.
도 4a~도 4d 그리고 도 5a~도 5d에서 가로축은 프레임을 나타내고 세로축은 UWB 정규화 채널을 나타내고, 하나의 스팟은 하나의 프레임을 위한 평균 정규화 밀도 중심값(중심 채널)에 해당한다. 그리고 도 4a~도 4d 그리고 도 5a~도 5d에서 제스처 판정 기간이 100개의 프레임(예, 1초)이고, 시간-채널 평면은 중간 UWB 정규화 채널(예, 0.5)과 제스처 판정 기간의 중간 시점을 기준으로 4개의 사분면(제1 사분면, 제2 사분면, 제3 사분면, 제4 사분면)으로 나뉠 수 있다. 제1 사분면은 오른쪽 상단에 있는 면, 제2 사분면은 왼쪽 상단에 있는 면, 제3 사분면은 왼쪽 하단에 있는 면, 제4 사분면은 오른쪽 하단에 있는 면이다.
도 4a 및 도 4b는 업(up) 제스처에 따른 평균 정규화 밀도 중심값의 분포를 나타내는 도면이다.
구체적으로 도 4a의 (a), 도 4a의 (b), 도 4b의 (c), 그리고 도 4b의 (d)에는, 업 제스처가 수행된 경우에, 제스처 판정 기간(예, 100개 프레임)의 각 프레임을 위한 평균 정규화 밀도 중심값이 예시되어 있다.
도 4c 및 도 4d는 본 발명의 실시예에 따른, 업 제스처를 위한 마스크가 사용된 경우를 나타내는 도면이다.
구체적으로 도 4c의 (a), 도 4c(b), 도 4d의 (c), 그리고 도 4d의 (d)에는 도 4a의 (a), 도 4a의 (b), 도 4b의 (c), 그리고 도 4b의 (d)의 제2 사분면과 제4 사분면에 업 제스처를 위한 마스크가 적용된 경우가 예시되어 있다. 여기서, 업 제스처를 위한 마스크는 소정의 시간 길이(예, 100개의 프레임, 1초)를 가질 수 있다.
제스처 인식기는 평균 정규화 밀도 중심값들 중 마스크에 해당하는 평균 정규화 밀도 중심값을 이용해, 제스처를 인식할 수 있다. 구체적으로, 마스크가 적용된 제2 사분면과 제4 사분면에 존재하는 평균 정규화 밀도 중심값(예, 개수, 패턴, 또는 위치 변화)을 이용하여, 시간에 따른 업 손동작을 인식할 수 있다. 예를 들어, 제스처 인식기는 도 4c의 (a)에 예시된 패턴(시간이 지날수록 평균 정규화 밀도 중심값이 낮아지는 패턴)을 확률적으로 이용해, 업 제스처를 인식할 수 있다.
한편, 제스처 인식기는 제스처 마스크를 소정의 시간 단위(예, 10 프레임)로 시프트시킬 수 있다. 예를 들어, 제스처 인식기는 도 4a의 (a)에 예시된 바와 같이 1100번~1200번 프레임에 제스처 마스크를 적용한 후 제2 사분면과 제4 사분면에 존재하는 평균 정규화 밀도 중심값을 판단하고, 제스처 마스크를 10개의 프레임만큼 시프트시켜 1110번~1210번 프레임에 적용한 후 제2 사분면과 제4 사분면에 존재하는 평균 정규화 밀도 중심값을 판단할 수 있다. 이러한 제스처 마스크의 시프팅은 1회 이상 수행될 수 있다.
제스처 인식기는 시프트의 결과 값을 이용해, 제스처를 인식할 수 있다. 예를 들어, 제스처 인식기는 제스처 마스크가 적용된 1100번~1200번 프레임을 위한 평균 정규화 밀도 중심값, 시프트된 제스처 마스크가 적용된 1110번~1210번 프레임을 위한 평균 정규화 밀도 중심값, 그리고 시프트된 제스처 마스크가 적용된 1120번~1220번 프레임을 위한 평균 정규화 밀도 중심값 등을 이용해, 제스처를 인식할 수 있다.
도 5a 및 도 5b는 다운(down) 제스처에 따른 평균 정규화 밀도 중심값의 분포를 나타내는 도면이다.
구체적으로 도 5a의 (a), 도 5a의 (b), 도 5b의 (c), 그리고 도 5b의 (d)에는, 손을 위에서 아래로 내리는 다운 제스처가 수행된 경우에, 제스처 판정 기간(예, 100개 프레임)의 각 프레임을 위한 평균 정규화 밀도 중심값이 예시되어 있다.
도 5c 및 도 5d는 본 발명의 실시예에 따른, 다운 제스처를 위한 마스크가 사용된 경우를 나타내는 도면이다.
구체적으로 도 5c의 (a), 도 5c(b), 도 5d의 (c), 그리고 도 5d의 (d)에는 도 5a의 (a), 도 5a의 (b), 도 5b의 (c), 그리고 도 5b의 (d)의 제1 사분면과 제3 사분면에 다운 제스처를 위한 마스크가 적용된 경우가 예시되어 있다. 여기서, 다운 제스처를 위한 마스크는 소정의 시간 길이(예, 100개의 프레임, 1초)를 가질 수 있다.
제스처 인식기는 마스크가 적용된 제1 사분면과 제3 사분면에 존재하는 평균 정규화 밀도 중심값(예, 개수, 패턴, 또는 위치 변화)을 이용하여, 시간에 따른 다운 손동작을 인식할 수 있다. 예를 들어, 제스처 인식기는 도 5c의 (a)에 예시된 패턴(시간이 지날수록 평균 정규화 밀도 중심값이 높아지는 패턴)을 확률적으로 이용해, 다운 제스처를 인식할 수 있다.
한편, 제스처 인식기는 제스처 마스크를 소정의 시간 단위(예, 10 프레임)로 시프트시킬 수 있다. 예를 들어, 제스처 인식기는 도 5a의 (a)에 예시된 바와 같이 900번~1000번 프레임에 제스처 마스크를 적용한 후 제1 사분면과 제3 사분면에 존재하는 평균 정규화 밀도 중심값을 판단하고, 제스처 마스크를 10개의 프레임만큼 시프트시켜 910번~1010번 프레임에 적용한 후 제1 사분면과 제3 사분면에 존재하는 평균 정규화 밀도 중심값을 판단할 수 있다. 이러한 제스처 마스크의 시프팅은 1회 이상 수행될 수 있다. 상술한 바와 같이, 제스처 인식기는 시프트의 결과 값을 이용해, 제스처를 인식할 수 있다.
도 6은 본 발명의 실시예에 따른, 제스처 인식기(100)를 나타내는 도면이다. 그리고 도 7은 본 발명의 실시예에 따른, 제스처 인식기(100)의 제스처 인식 방법을 나타내는 도면이다.
제스처 인식기(100)는, 프로세서(110), 메모리(120), 유무선 통신기(130), UWB 채널 제어기(140), 신호 전처리기(150), 특징 추출기(160), 및 인식부(170)를 포함한다.
프로세서(110)는 본 명세서에서 제스처 인식과 관련하여 기술된 절차, 기능, 동작, 및 방법들을 구현하도록 구성될 수 있다. 또한, 프로세서(110)는 제스처 인식기(100)의 각 구성을 제어할 수 있다.
메모리(120)는 프로세서(110)와 연결되고, 프로세서(110)의 동작과 관련된 다양한 정보를 저장한다.
유무선 통신기(130)는 프로세서(110)와 연결되고, 유무선 신호를 송신 또는 수신한다.
UWB 채널 제어기(140)는, 도 1 및 도 2에서 기술한 N개의 UWB 채널(또는 N개의 UWB 빔)을 제어 및 운용한다. 구체적으로 UWB 채널 제어기(140)는 상술한 UWB 제스처 센서(141)를 포함할 수 있다. UWB 채널 제어기(140)는 제스처 인식기(100)와 다른 외부 장치에 포함될 수도 있다. UWB 제스처 센서(140)는 천장 또는 벽 측면 등에 위치할 수 있다.
신호 전처리기(150)는 UWB 채널 별 오차와 노이즈 감소를 위하여, N개의 UWB 채널의 데이터를 평균 정규화 밀도 중심값으로 프레임 별로 변환한다(S100). 신호 전처리기(150)가 평균 정규화 밀도 중심값을 계산하는 방법은 도 3에 기술한 바와 같다.
또한 신호 전처리기(150)는 UWB 채널 별 신호 검출 크기를 이용해, 제스처의 시작 시점과 끝 시점을 검출한다(S110). 즉, 신호 전처리기(150)는 제스처 수행 기간 또는 제스처 판정 기간을 판단(결정)한다. S110 과정은 S100 과정 이전에 수행될 수도 있다.
특징 추출기(160)는 제스처 마스크 필터를 제스처 판정 기간(예, 100개의 프레임)의 각 프레임을 위한 평균 정규화 밀도 중심값에 적용할 수 있다(S120). 구체적으로, 특징 추출기(160)는 개별 제스처 마스크가 적용된 결과를 계산할 수 있다. 예를 들어, 특징 추출기(160)는 업 제스처 마스크와 다운 제스처 마스크를 제스처 판정 기간(예, 100개의 프레임)의 각 프레임을 위한 평균 정규화 밀도 중심값에 적용할 수 있다. 제스처 인식기(100)는 개별 제스처 마스크 적용 결과를 이용해, 제스처 수행 기간 내 평균 정규화 밀도 중심값의 위치 변화를 최적으로 추정할 수 있다. 여기서, 제스처 수행 기간(또는 제스처 판정 기간)은 제스처의 종류에 따라 다를 수 있다.
또한 특징 추출기(160)는 평균 정규화 밀도 중심값의 최대값 및 기울기를 계산할 수 있다(S130). 구체적으로 특징 추출기(160)는 제스처에 해당하지 않는 다른 부위(예, 손동작 제스처인 경우에, 얼굴이나 몸통)에 반사되는 배경 잡음과 제스처 신호를 구별하기 위하여, 소정의 시간 동안에 평균 정규화 밀도 중심값의 최대값과 기울기를 계산할 수 있다.
예를 들어, 특징 추출기(160)는 도 4a의 (a)에 예시된 1100번~1200번 프레임에 업 제스처 마스크를 적용한 후 제2 사분면과 제4 사분면에 존재하는 평균 정규화 밀도 중심값의 개수(이하 '업 개수')를 판단하고, 다운 제스처 마스크를 적용한 후 제1 사분면과 제3 사분면에 존재하는 평균 정규화 밀도 중심값의 개수(이하 '다운 개수')를 판단할 수 있다. 그리고 특징 추출기(160)는, 제스처 마스크를 10개의 프레임만큼 시프트시켜 1110번~1210번 프레임에 적용한 후 업 개수를 판단하고, 다운 제스처 마스크를 적용한 후 다운 개수를 판단할 수 있다. 그리고 특징 추출기(160)는 이러한 동작을 소정의 시간 동안에 반복할 수 있다. 이를 통해, 특징 추출기(160)는 소정의 시간 동안의 시간 별 업 개수와 시간 별 다운 개수를 계산할 수 있고, 업 개수의 최대값과 다운 개수의 최대값을 구할 수 있고, 업 개수의 기울기와 다운 개수의 기울기를 구할 수 있다.
인식부(170)는 S120과 S130 과정을 통해 추출된 제스처 수행 기간의 특징값(예, 개별 제스처 마스크 적용 결과, 평균 정규화 밀도 중심값의 최대값과 기울기, 평균 정규화 밀도 중심값의 패턴 등)을 이용해, 제스처의 종류를 변별한다(S140).
인식부(170)는 업 개수의 최대값과 다운 개수의 최대값을 비교하여, 해당 제스처가 업 제스처인지 다운 제스처인지를 임시 판단(예비 판단)할 수 있다. 구체적으로, 인식부(170)는 업 개수의 최대값이 다운 개수의 최대값 보다 큰 경우에 해당 제스처를 업 제스처로 임시 판단하고, 다운 개수의 최대값이 업 개수의 최대값 보다 큰 경우에 해당 제스처를 다운 제스처로 임시 판단할 수 있다.
또한 인식부(170)는 해당 제스처를 업 제스처로 임시 판단한 경우에, 업 개수의 기울기에 기초해 배경 잡음을 필터링할 수 있다. 예를 들어, 인식부(170)는 업 개수의 기울기가 임계값 이하인 경우에 해당 신호를 배경 잡음에 의한 신호로 판단하고, 업 개수의 기울기가 임계값 보다 큰 경우에 해당 제스처를 업 제스처로 판단할 수 있다.
마찬가지로 인식부(170)는 해당 제스처를 다운 제스처로 임시 판단한 경우에, 다운 개수의 기울기에 기초해 배경 잡음을 필터링할 수 있다. 예를 들어, 인식부(170)는 다운 개수의 기울기가 임계값 이하인 경우에 해당 신호를 배경 잡음에 의한 신호로 판단하고, 다운 개수의 기울기가 임계값 보다 큰 경우에 해당 제스처를 다운 제스처로 판단할 수 있다.
또한 인식부(170)는 다수의 시프트를 통해 추출된 결과에 기초해 평균 정규화 밀도 중심값의 위치 변화(패턴)를 확률적으로 판단하고, 이를 이용해 제스처를 인식할 수 있다. 예를 들어, 인식부(170)는 평균 정규화 밀도 중심값의 패턴이 시간이 지날수록 평균 정규화 밀도 중심값이 낮아지는 패턴인 경우에, 해당 제스처를 업 제스처로 판단할 수 있다.
한편, 인식부(170)는 업 개수 또는 다운 개수의 최대값과 기울기를 이용해 제스처를 예비 판단하고, 평균 정규화 밀도 중심값의 위치 변화 패턴을 분석해 제스처를 최종적으로 판단할 수 있다. 또는 인식부(170)는 이와 반대의 순서로 판단할 수도 있다.
한편, 본 발명의 실시예는 지금까지 설명한 장치 및/또는 방법을 통해서만 구현되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 상술한 실시예의 기재로부터 본 발명이 속하는 기술 분야의 당업자라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (28)

  1. 소정의 거리 간격을 가지는 복수의 UWB(ultra wide band) 채널을 제어하여, 제1 영역 내의 신호를 감지하는 UWB 채널 제어기;
    제1 기간을 나타내는 복수의 프레임 중 제1 프레임에서 상기 복수의 UWB 채널을 통해 감지된 제1 신호들의 세기를 이용해, 상기 제1 신호들을 위한 하나의 제1 중심값을 계산하는 신호 전처리기; 및
    상기 제1 중심값을 이용해, 제스처를 인식하는 인식부를 포함하고,
    상기 제1 영역은 상기 제스처를 수행하는 객체의 몸을 감지하는 제2 영역과 제3 영역 사이에 위치하는
    제스처 인식기.
  2. 제1항에 있어서,
    상기 복수의 UWB 채널 중 상기 소정의 거리 간격을 가지는 제1 UWB 채널과 제2 UWB 채널의 일부 감지 영역은 서로 겹치는
    제스처 인식기.
  3. 제1항에 있어서,
    상기 UWB 채널 제어기는,
    상기 복수의 UWB 채널에 대응하는 복수의 UWB 빔을 시분할 방식에 기초해 출력하는 하나의 UWB 센서를 포함하는
    제스처 인식기.
  4. 제1항에 있어서,
    상기 신호 전처리기는 상기 복수의 UWB 채널의 번호를 정규화하고,
    상기 제1 중심값은 상기 정규화된 UWB 채널 번호 중 하나에 해당하는
    제스처 인식기.
  5. 제1항에 있어서,
    상기 신호 전처리기는,
    아래의 수학식 1을 이용해 상기 제1 신호들의 세기 중 기준값 보다 큰 세기를 정규화하는
    제스처 인식기.
    [수학식 1]
    Figure 112016060463482-pat00004

    (i는 상기 제1 신호들의 인덱스를 나타내며, y(i)는 상기 제1 신호들 중 i번째 신호의 정규화된 세기를 나타내고, x(i)는 상기 제1 신호들 중 i번째 신호의 정규화되기 전의 세기를 나타내고, xthr은 상기 기준값을 나타내고, xmax는 상기 제1 신호들의 세기 중 가장 큰 세기를 나타냄)
  6. 제5항에 있어서,
    상기 신호 전처리기는,
    상기 기준값을 아래의 수학식 2를 이용해 설정하는
    제스처 인식기.
    [수학식 2]
    Figure 112016060463482-pat00005

    (μ는 기준 상수임)
  7. 제5항에 있어서,
    상기 신호 전처리기는,
    아래의 수학식 2를 이용해 상기 제1 중심값을 계산하는
    제스처 인식기.
    [수학식 2]
    Figure 112016060463482-pat00006

    (U(j)는 상기 제1 프레임의 상기 제1 중심값을 나타내고, N은 상기 제1 신호들의 개수를 나타냄)
  8. 제1항에 있어서,
    상기 복수의 프레임에 제1 제스처를 위한 제1 마스크를 적용하여, 상기 복수의 프레임을 위한 복수의 중심값 중에서 상기 제1 마스크에 해당하는 중심값들을 판단하는 특징 추출기를 더 포함하고,
    상기 신호 전처리기는 상기 제1 중심값을 포함하는 상기 복수의 중심값을 계산하는
    제스처 인식기.
  9. 제8항에 있어서,
    상기 특징 추출기는,
    상기 복수의 중심값이 표현된 시간-중심값 평면의 일부를 복수의 분할 평면으로 분할하고, 상기 복수의 분할 평면 중에서 상기 제1 마스크를 위한 적어도 하나의 분할 평면에 존재하는 중심값들의 개수를 판단하는
    제스처 인식기.
  10. 제8항에 있어서,
    상기 제1 기간은 상기 제1 마스크가 가지는 시간 길이 보다 길고,
    상기 특징 추출기는,
    상기 제1 마스크를 소정 개수의 프레임만큼 시프트시키는
    제스처 인식기.
  11. 제10항에 있어서,
    상기 특징 추출기는,
    상기 제1 마스크를 반복적으로 시프트시켜 상기 복수의 프레임에 적용한 후, 상기 복수의 중심값 중 상기 시프트된 제1 마스크에 해당하는 중심값들의 개수를 시프트 별로 계산하고, 상기 계산된 중심값 개수들 중 제1 최대값을 추출하는
    제스처 인식기.
  12. 제11항에 있어서,
    상기 특징 추출기는,
    상기 제1 제스처와 구별되는 제2 제스처를 위한 제2 마스크를 반복적으로 시프트시켜 상기 복수의 프레임에 적용한 후, 상기 복수의 중심값 중 상기 시프트된 제2 마스크에 해당하는 중심값들의 개수를 시프트 별로 계산하고, 상기 계산된 중심값 개수들 중 제2 최대값을 추출하고,
    상기 인식부는,
    상기 제1 최대값과 상기 제2 최대값을 비교하는
    제스처 인식기.
  13. 제11항에 있어서,
    상기 특징 추출기는,
    상기 계산된 중심값 개수들의 기울기를 추출하는
    제스처 인식기.
  14. 제13항에 있어서,
    상기 인식부는,
    상기 제1 최대값과 상기 기울기를 이용해, 상기 제1 영역 내에서 감지된 신호가 상기 제스처에 의한 신호인지 배경 잡음 신호인지를 판단하는
    제스처 인식기.
  15. 제8항에 있어서,
    상기 인식부는,
    상기 제1 마스크에 해당하는 중심값들의 변화 패턴을 분석해, 상기 제스처의 종류를 판단하는
    제스처 인식기.
  16. 제1항에 있어서,
    상기 소정의 거리 간격은 3~10cm 범위 내인
    제스처 인식기.
  17. 소정의 거리 간격을 가지는 복수의 UWB(ultra wide band) 채널을 통해, 제1 영역 내의 신호를 검출하는 단계;
    제1 기간을 나타내는 복수의 프레임에서 상기 복수의 UWB 채널을 통해 검출된 신호들의 세기를 이용해, 상기 복수의 프레임을 위한 복수의 중심값을 계산하는 단계; 및
    상기 복수의 중심값을 이용해, 제스처를 인식하는 단계를 포함하고,
    상기 복수의 중심값을 계산하는 단계는,
    상기 복수의 프레임에 제1 제스처를 위한 제1 마스크를 적용하는 단계; 및
    상기 복수의 중심값 중에서 상기 제1 마스크에 해당하는 중심값들을 판단하는 단계를 포함하는
    제스처 인식기의 제스처 인식 방법.
  18. 제17항에 있어서,
    상기 검출하는 단계는,
    상기 복수의 UWB 채널 중 제1 UWB 채널에 대응하는 제1 UWB 빔을 제1 시점에 하나의 UWB 센서를 통해 출력하는 단계; 및
    상기 복수의 UWB 채널 중 제2 UWB 채널에 대응하는 제2 UWB 빔을 상기 제1 시점으로부터 소정의 시간이 경과한 제2 시점에 상기 하나의 UWB 센서를 통해 출력하는 단계를 포함하는
    제스처 인식기의 제스처 인식 방법.
  19. 제17항에 있어서,
    상기 복수의 중심값을 계산하는 단계는,
    상기 복수의 프레임 중 제1 프레임에서 상기 복수의 UWB 채널을 통해 검출된 제1 신호들의 세기를 아래의 수학식 1을 이용해 정규화하는 단계를 포함하는
    제스처 인식기의 제스처 인식 방법.
    [수학식 1]
    Figure 112016060463482-pat00007

    (i는 상기 제1 신호들의 인덱스를 나타내며, y(i)는 상기 제1 신호들 중 i번째 신호의 정규화된 세기를 나타내고, x(i)는 상기 제1 신호들 중 i번째 신호의 정규화되기 전의 세기를 나타내고, xthr은 기준값을 나타내고, xmax는 상기 제1 신호들의 세기 중 최대 세기를 나타냄)
  20. 제19항에 있어서,
    상기 복수의 중심값을 계산하는 단계는,
    기준 상수와 상기 최대 세기 간의 곱을 통해 상기 기준값을 계산하는 단계를 더 포함하는
    제스처 인식기의 제스처 인식 방법.
  21. 제19항에 있어서,
    상기 복수의 중심값을 계산하는 단계는,
    아래의 수학식 2를 이용해 상기 복수의 중심값 중 상기 제1 프레임을 위한 제1 중심값을 계산하는 단계를 더 포함하는
    제스처 인식기의 제스처 인식 방법.
    [수학식 2]
    Figure 112016060463482-pat00008

    (U(j)는 상기 제1 중심값을 나타내고, N은 상기 제1 신호들의 개수를 나타냄)
  22. 삭제
  23. 제17항에 있어서,
    상기 제1 마스크를 적용하는 단계는,
    상기 복수의 중심값이 표현된 시간-중심값 평면의 일부를 복수의 분할 평면으로 분할하는 단계; 및
    상기 복수의 분할 평면 중 상기 제1 마스크를 위한 적어도 하나의 분할 평면에 상기 제1 마스크를 적용하는 단계를 포함하는
    제스처 인식기의 제스처 인식 방법.
  24. 제17항에 있어서,
    상기 복수의 중심값을 계산하는 단계는,
    상기 제1 마스크를 반복적으로 시프트시켜 상기 복수의 프레임에 적용하는 단계;
    상기 복수의 중심값 중 상기 시프트된 제1 마스크에 해당하는 중심값들의 개수인 제1 개수를 시프트 별로 계산하는 단계; 및
    상기 계산된 제1 개수들 중 제1 최대값을 추출하는 단계를 더 포함하는
    제스처 인식기의 제스처 인식 방법.
  25. 제24항에 있어서,
    상기 복수의 중심값을 계산하는 단계는,
    상기 제1 제스처와 구별되는 제2 제스처를 위한 제2 마스크를 반복적으로 시프트시켜 상기 복수의 프레임에 적용하는 단계;
    상기 복수의 중심값 중 상기 시프트된 제2 마스크에 해당하는 중심값들의 개수인 제2 개수를 시프트 별로 계산하는 단계;
    상기 계산된 제2 개수들 중 제2 최대값을 추출하는 단계; 및
    상기 제1 최대값과 상기 제2 최대값을 비교하는 단계를 더 포함하는
    제스처 인식기의 제스처 인식 방법.
  26. 제24항에 있어서,
    상기 복수의 중심값을 계산하는 단계는,
    상기 계산된 제1 개수들의 기울기를 추출하는 단계를 더 포함하는
    제스처 인식기의 제스처 인식 방법.
  27. 제26항에 있어서,
    상기 제스처를 인식하는 단계는,
    상기 제1 최대값과 상기 기울기를 이용해, 상기 제1 영역 내의 신호가 상기 제스처에 의한 신호인지 배경 잡음 신호인지를 판단하는 단계를 포함하는
    제스처 인식기의 제스처 인식 방법.
  28. 제17항에 있어서,
    상기 제스처를 인식하는 단계는,
    상기 제1 마스크에 해당하는 중심값들의 변화 패턴을 분석해, 상기 제스처의 종류를 판단하는 단계를 포함하는
    제스처 인식기의 제스처 인식 방법.
KR1020160078132A 2016-06-22 2016-06-22 Uwb 센서를 이용해 제스처를 인식하는 방법 및 장치 KR101788784B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160078132A KR101788784B1 (ko) 2016-06-22 2016-06-22 Uwb 센서를 이용해 제스처를 인식하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160078132A KR101788784B1 (ko) 2016-06-22 2016-06-22 Uwb 센서를 이용해 제스처를 인식하는 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101788784B1 true KR101788784B1 (ko) 2017-10-19

Family

ID=60298392

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160078132A KR101788784B1 (ko) 2016-06-22 2016-06-22 Uwb 센서를 이용해 제스처를 인식하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101788784B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019147076A1 (ko) * 2018-01-26 2019-08-01 한양대학교 산학협력단 레이더를 이용한 제스처 인식 장치 및 방법
EP3984837A1 (de) * 2020-10-09 2022-04-20 Huf Hülsbeck & Fürst GmbH & Co. KG Uwb-betätigungssystem für ein bewegliches teil eines fahrzeuges

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008039616A (ja) * 2006-08-07 2008-02-21 Fujitsu Ltd 広帯域レーダ装置及びその移動物体検出方法
JP2013057682A (ja) * 2008-05-27 2013-03-28 Panasonic Corp 受信装置
WO2015149049A1 (en) * 2014-03-28 2015-10-01 Intel Corporation Radar-based gesture recognition

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008039616A (ja) * 2006-08-07 2008-02-21 Fujitsu Ltd 広帯域レーダ装置及びその移動物体検出方法
JP2013057682A (ja) * 2008-05-27 2013-03-28 Panasonic Corp 受信装置
WO2015149049A1 (en) * 2014-03-28 2015-10-01 Intel Corporation Radar-based gesture recognition

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019147076A1 (ko) * 2018-01-26 2019-08-01 한양대학교 산학협력단 레이더를 이용한 제스처 인식 장치 및 방법
KR20190091132A (ko) * 2018-01-26 2019-08-05 한양대학교 산학협력단 레이더를 이용한 제스처 인식 장치 및 방법
KR102116604B1 (ko) * 2018-01-26 2020-05-28 한양대학교 산학협력단 레이더를 이용한 제스처 인식 장치 및 방법
US11474613B2 (en) 2018-01-26 2022-10-18 Iucf-Hyu (Industry-University Cooperation Foundation Hanyang University) Gesture recognition device and method using radar
EP3984837A1 (de) * 2020-10-09 2022-04-20 Huf Hülsbeck & Fürst GmbH & Co. KG Uwb-betätigungssystem für ein bewegliches teil eines fahrzeuges

Similar Documents

Publication Publication Date Title
US10382854B2 (en) Near field gesture control system and method
US11425214B2 (en) Device-free activity identification using fine-grained WiFi signatures
US11605231B2 (en) Low power and privacy preserving sensor platform for occupancy detection
CN109671238B (zh) 一种基于无线信道状态信息的室内入侵检测方法
US20160377698A1 (en) System and a method for tracking mobile objects using cameras and tag devices
KR20130043159A (ko) 무접촉 제스쳐 인식 및 전력 감소를 위한 방법들 및 장치
CN113609976B (zh) 一种基于WiFi设备的方向敏感多手势识别系统及方法
KR101788784B1 (ko) Uwb 센서를 이용해 제스처를 인식하는 방법 및 장치
US10782821B2 (en) Method of classifying a finger touch in respect of finger pressure and fingerprint sensing system
Kaholokula Reusing ambient light to recognize hand gestures
CN103425852A (zh) 使用者识别方法、生理检测装置及生理检测方法
CN113031460B (zh) 基于人居场景智能感知分析的智慧家庭系统及其方法
CN112347876A (zh) 一种基于tof摄像头的障碍物识别方法、清洁机器人
Bhattacharya et al. Arrays of single pixel time-of-flight sensors for privacy preserving tracking and coarse pose estimation
JP2018029671A (ja) 行動検知システム、情報処理装置、プログラム
Tong et al. A fine-grained channel state information-based deep learning system for dynamic gesture recognition
CN104581485A (zh) 一种遥感控制的耳机系统及其命令的识别执行方法
CN102551664A (zh) 睡眠分析方法、睡眠分析表及睡眠分析系统
KR20210136323A (ko) 환자의 낙상상황을 판별하기 위한 낙상 판별 시스템 및 방법
TWI618001B (zh) 物體識別系統及物體識別方法
US11653808B2 (en) Robot cleaner and controlling method thereof
CN112785759B (zh) 客流统计的系统和方法
CN110544365A (zh) 浴室跌倒感测装置
CN113572546A (zh) 一种基于CSI信号利用DenseNet网络进行人体活动识别方法
KR20140095601A (ko) 자세 분류 장치 및 자세 분류 방법

Legal Events

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