KR20190131723A - 센서 퓨전 알고리즘을 포함한 모션 인식 방법 및 장치 - Google Patents

센서 퓨전 알고리즘을 포함한 모션 인식 방법 및 장치 Download PDF

Info

Publication number
KR20190131723A
KR20190131723A KR1020180056467A KR20180056467A KR20190131723A KR 20190131723 A KR20190131723 A KR 20190131723A KR 1020180056467 A KR1020180056467 A KR 1020180056467A KR 20180056467 A KR20180056467 A KR 20180056467A KR 20190131723 A KR20190131723 A KR 20190131723A
Authority
KR
South Korea
Prior art keywords
motion
acceleration
magnitude
rotation radius
machine learning
Prior art date
Application number
KR1020180056467A
Other languages
English (en)
Inventor
송재윤
이성호
이종성
Original Assignee
주식회사 스탠딩에그
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 스탠딩에그 filed Critical 주식회사 스탠딩에그
Priority to KR1020180056467A priority Critical patent/KR20190131723A/ko
Publication of KR20190131723A publication Critical patent/KR20190131723A/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
    • G06F3/03—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
    • 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
    • G06F3/038—Control and interface arrangements therefor, e.g. drivers or device-embedded control circuitry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

본 발명은 모션 인식 방법에 관한 것으로서, 자이로 센서로부터 모션의 각가속도를 획득하는 단계, 가속도 미터로부터 상기 모션의 회전축에 수직인 평면상에 존재하는 가속도의 크기를 획득하는 단계, 상기 획득된 각가속도와 상기 가속도의 크기로부터 상기 모션의 회전 반지름을 산출하는 단계, 및 상기 산출된 회전 반지름을 이용하여 상기 모션의 종류를 판단하는 단계를 포함하고, 상기 가속도의 크기는 중력 방향의 가속도의 영향을 제거한 가속도의 크기인 것을 특징으로 하며, 센서 데이터로부터 회전 반지름을 구하여 모션 인식에 활용함으로써, 유사한 센서 데이터를 갖는 모션을 보다 정교하게 구분할 수 있다.

Description

센서 퓨전 알고리즘을 포함한 모션 인식 방법 및 장치{Method and apparatus of recognizing a motion including the sensor fusion algorithm}
본 발명은 모션 인식 방법에 관한 것으로서, 더욱 상세하게는 센서 데이터로부터 회전 반지름을 구하여 모션 인식에 활용함으로써, 유사한 센서 데이터를 갖는 모션 간의 구분을 보다 정교하게 할 수 있는 모션 인식 방법 및 장치에 관한 것이다.
스마트폰, 스마트 워치, 구글 글래스 등을 포함한 웨어러블 디바이스에는 다양한 센서가 내장되어 있다. 내장된 센서에는 카메라 센서, 음향 센서, 근접 센서, 조도 센서, 중력 센서, 가속도 센서, 자계 센서, 가속도 센서 등이 있으며, 이외에 도 다양한 센서들이 존재한다. 이 중에서도 가속도 센서나 자이로 센서와 같이 사용자의 움직임에 따라서 수치가 변화하는 센서들을 모션 센서라고 한다.
가속도 센서는 속도의 변화량을 측정하는 센서를 말한다. 그리고 속도는 이동 거리의 변화를 나타내므로 이 관계를 이용하면 단위 시간당 이동 거리를 계산할 수 있다. 자이로 센서는 단위시간당 평균 각가속도를 측정하는 센서를 말한다. 이 때, 자이로 센서는 제어축에 따라서 각 축에 대한 각가속도 값을 측정하는데, 보통 직교하는 3축을 제어축으로 사용한다. 스마트폰에서 주로 쓰이는 3축 자이로 센서의 각 축에 대한 회전을 각각 피치(Pitch), 롤(Roll), 요(Yaw)라고 부른다. 자이로 센서는 단일 센서 중 가장 정확한 회전 변화량을 측정하는 것이 가능하지만 장시간 관점에서는 지속적으로 에러값이 누적되는 특징을 가지고 있다.
기존에는 가속도 센서의 센서 데이터와 자이로 센서의 센서 데이터로부터 얻어진 통계값을 모션 인식에 사용하였으나 유사한 센서 데이터를 갖는 모션들을 정확하게 구분하지 못하는 문제가 있었다.
따라서, 본 발명이 해결하고자 하는 첫 번째 과제는 센서 데이터로부터 회전 반지름을 구하여 모션 인식에 활용함으로써, 유사한 센서 데이터를 갖는 모션을 보다 정교하게 구분할 수 있는 모션 인식 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 두 번째 과제는 센서 데이터로부터 회전 반지름을 구하여 모션 인식에 활용함으로써, 유사한 센서 데이터를 갖는 모션을 보다 정교하게 구분할 수 있는 모션 인식 방법을 제공하는 것이다.
또한, 상기된 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공하는데 있다.
본 발명은 상기 첫 번째 과제를 달성하기 위하여, 자이로 센서로부터 얻은 모션의 각속도로부터 각가속도를 획득하고, 가속도 미터로부터 얻은 가속도로부터 상기 모션의 회전축에 수직인 평면상에 존재하는 가속도의 크기를 획득하고, 상기 획득한 각가속도와 상기 가속도의 크기로부터 산출된 상기 모션의 회전 반지름을 포함하는 모션 특징을 산출하는 특징 추출부; 상기 특징 추출부로부터 상기 모션 특징을 받아 머신 러닝을 하는 모션 학습부; 상기 모션 학습부의 결과를 저장하는 저장부; 및 상기 특징 추출부가 새로운 모션에 대한 모션 특징을 추출하면, 상기 모션 학습부의 결과와 비교하여 상기 새로운 모션의 종류를 판단하는 모션 판단부를 포함하고, 상기 가속도 미터가 측정한 가속도로부터 중력방향의 영향을 제거하고, 센서 퓨전 알고리즘에 상기 중력방향의 영향이 제거된 가속도를 입력하여 상기 가속도의 크기를 구하는 것을 특징으로 하는 모션 인식 장치를 제공한다.
본 발명은 상기 두 번째 과제를 달성하기 위하여 자이로 센서로부터 얻은 모션의 각속도로부터 각가속도를 획득하는 단계; 가속도 미터로부터 얻은 가속도로부터 상기 모션의 회전축에 수직인 평면상에 존재하는 가속도의 크기를 획득하는 단계; 상기 획득된 각가속도와 상기 가속도의 크기로부터 상기 모션의 회전 반지름을 산출하는 단계; 및 상기 산출된 회전 반지름을 이용하여 상기 모션의 종류를 판단하는 단계를 포함하고, 상기 가속도 미터가 측정한 가속도로부터 중력방향의 영향을 제거하고, 센서 퓨전 알고리즘에 상기 중력방향의 영향이 제거된 가속도를 입력하여 상기 가속도의 크기를 구하는 것을 특징으로 하는 모션 인식 방법을 제공한다.
본 발명의 일 실시 예에 의하면, 상기 회전 반지름 외에 상기 모션의 가속도 또는 각속도로부터 적어도 하나 이상의 통계값을 산출하는 단계를 더 포함하고, 상기 모션의 종류를 판단하는 단계는 상기 산출된 통계값과 회전 반지름을 이용하여 상기 모션의 종류를 판단하는 것이 바람직하다.
또한, 상기 산출된 통계값과 회전 반지름을 이용하여 머신 러닝을 하는 단계; 및 상기 머신 러닝 결과를 저장하는 단계를 더 포함하고, 상기 모션의 종류를 판단하는 단계는 상기 저장된 머신 러닝 결과와 새로 입력된 모션에 대한 머신 러닝 결과를 비교하여 상기 새로 입력된 모션의 종류를 판단할 수 있다.
상기 기술적 과제를 해결하기 위하여, 본 발명은 상기된 모션 인식 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공한다.
본 발명에 따르면, 센서 데이터로부터 회전 반지름을 구하여 모션 인식에 활용함으로써, 유사한 센서 데이터를 갖는 모션을 보다 정교하게 구분할 수 있다.
도 1은 본 발명의 바람직한 일 실시 예에 따른 모션 인식 장치의 구성도이다.
도 2는 본 발명의 바람직한 일 실시 예에 따른 모션 인식 방법의 흐름도이다.
도 3는 본 발명의 다른 실시 예에 따른 모션 인식 방법의 흐름도이다.
도 4는 사용자가 바이셉스 컬을 할 때, 도 5는 프론트 레이즈을 할 때, 반지름의 값을 구한 결과를 도시한 것이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하에서는 도면을 참조하여 본 발명의 바람직한 실시 예들을 상세히 설명한다.
도 1은 본 발명의 바람직한 일 실시 예에 따른 모션 인식 장치의 구성도이다.
도 1을 참조하면, 본 실시 예에 따른 모션 인식 장치는 특징 추출부(110), 모션 학습부(120), 저장부(130), 및 모션 판단부(140)로 구성된다.
본 발명에 따른 모션 인식 장치는 자이로 센서와 가속도 미터를 더 포함할 수 있다. 이때, 자이로 센서는 각속도 ω를 출력값으로 하고, 가속도 미터는 가속도 a를 출력값으로 한다. 경우에 따라서 자이로 센서는 각가속도를 출력값으로 할 수 있다.
특징 추출부(110)는 자이로 센서로부터 얻은 모션의 각속도 ω로부터 각가속도를 획득하고, 가속도 미터로부터 얻은 가속도 a로부터 상기 모션의 회전축에 수직인 평면상에 존재하는 가속도의 크기를 획득하고, 상기 획득한 각가속도와 상기 가속도의 크기로부터 산출된 상기 모션의 회전 반지름을 포함하는 모션 특징을 산출한다.
상기 모션 특징이란 자이로 센서, 가속도 미터, 지자기 센서 등으로부터 입력된 센서 데이터가 다른 센서 데이터와 구별되는 특징을 말한다. 상기 모션 특징은 센서 데이터의 전체적인 부분을 표현하거나, 센서 데이터의 일부를 표현할 수 있다. 예를 들어, 모션 특징은 센서 데이터의 적어도 하나의 통계값을 포함할 수 있다. 예를 들어, 통계값은 샘플링된 소정의 개수의 센서 데이터의 최대값, 최소값, 중간값, 평균값, IQR(Interquartile Range) 값, RMS(Root Mean Square) 값 등을 포함할 수 있으나 이에 한정되지는 않는다.
모션 학습부(120)는 특징 추출부(110)로부터 상기 모션 특징을 받아 머신 러닝을 수행한다.
머신 러닝의 예로서, KNN(K-nearest neighbors) 알고리즘 또는 SVM(Support Vector Machines)를 들 수 있다. KNN 알고리즘에 의하여 복수 개의 모션 특징은 기 분류된 또는 학습된 모션 특징들과 비교되고, 동일 또는 유사한 경향을 갖는 집단으로 분류될 수 있다.
저장부(130)는 모션 학습부(120)의 분류 결과를 저장한다. 저장부(130)에 저장된 결과는 새로운 모션에 대하여 특징 추출부(110)가 추출한 모션 특징을 모션 학습부(120)가 머신 러닝한 결과와 비교되는데 사용된다.
모션 판단부(140)는 새로운 모션에 대한 모션 특징에 대하여 머신 러닝을 한 결과와 저장부(130)에 저장된 결과를 비교하여 상기 새로운 모션의 종류를 판단한다.
도 2는 본 발명의 바람직한 일 실시 예에 따른 모션 인식 방법의 흐름도이다.
도 2를 참조하면, 본 실시 예에 따른 모션 인식 방법은 도 1에 도시된 모션 인식 장치에서 시계열적으로 처리되는 단계들로 구성된다. 따라서, 이하 생략된 내용이라 하더라도 도 1에 도시된 모션 인식 장치에 관하여 이상에서 기술된 내용은 본 실시 예에 따른 모션 인식 방법에도 적용된다.
210 단계에서 모션 인식 장치는 자이로 센서로부터 얻은 모션의 각속도로부터 각가속도를 획득하거나 직접 자이로 센서로부터 각가속도를 획득할 수 있다.
각가속도는 다음과 같은 수학식 1을 만족한다.
Figure pat00001
Figure pat00002
의 시간동안 시간 t+1에서의 각속도(
Figure pat00003
)와 시간 t에서의 각속도(
Figure pat00004
)의 차이는 시간 t에서의 각가속도(
Figure pat00005
)와 같다.
Figure pat00006
가 일정하다고 가정하면, 다음의 수학식 2로 바꿔 쓸 수 있다.
Figure pat00007
여기서,
Figure pat00008
는 1개 축의 각가속도, ω는 각속도, t는 시간, c는 상수이다. 상기 1개 축은 x축, y축, z축 중 어느 하나가 될 수 있으며, 각 축을 중심으로 한 회전은 피치(Pitch), 롤(Roll), 요(Yaw)로 정의할 수 있다.
따라서, 모션의 각가속도는
Figure pat00009
의 시간동안 각속도의 차이에 비례한다.
수학식 2에 따른 각가속도는 시간 t+1에서의 각속도(
Figure pat00010
)와 시간 t에서의 각속도(
Figure pat00011
)의 상대적 크기에 따라 계속 변화한다. 상기 상대적 크기에 따라 각가속도의 값은 양수, 음수, 또는 0이 될 수 있다.
220 단계에서 모션 인식 장치는 가속도 미터로부터 얻은 가속도로부터 상기 모션의 회전축에 수직인 평면상에 존재하는 가속도의 크기를 획득한다.
이 때 상기 모션의 회전의 가속도는 중력 방향의 가속도의 영향을 제거한 후 상기 가속도의 크기를 구할 수 있다. 중력방향의 영향이 제거된 3개 축의 가속도가 센서 퓨전 알고리즘의 입력으로 사용되는 것이 바람직하다.
즉, 상기 가속도 미터가 측정한 가속도로부터 중력방향의 가속도의 영향을 제거하고, 센서 퓨전 알고리즘에 상기 중력방향의 영향이 제거된 가속도를 입력하여 상기 가속도의 크기를 구할 수 있다. 센서 퓨전 알고리즘은 칼만(kalman) 필터, 매드윅(madgwick) 필터, 또는 상보(complementary) 필터 등이 사용된다.
한편, 직교좌표계에서의 3개의 축 중에서 상기 모션이 회전하는 축 외의 다른 2개의 축(axis1, axis2)에서의 가속도의 크기는 다음과 같다.
Figure pat00012
여기서, a는 선가속도이다.
상기 모션이 회전하는 축이 X 축이라고 하면, 상기 모션이 회전하는 축 외의 다른 2개의 축은 Y축과 Z축이 될 수 있다.
230 단계에서 모션 인식 장치는 상기 획득한 각가속도와 상기 가속도의 크기로부터 산출된 상기 모션의 회전 반지름을 포함하는 모션 특징을 산출한다.
v=rω(v는 선속도, ω는 각속도)의 양변을 미분하면
Figure pat00013
(a는 선가속도,
Figure pat00014
는 각가속도)이 도출된다.
따라서, 반지름 r은 수학식 2와 수학식 3으로부터 다음의 수학식 4와 같이 도출된다.
Figure pat00015
반지름 r은
Figure pat00016
가 0이거나 매우 작은 값을 가질 때, 무한대와 같이 큰 값을 갖게 된다. 또한, 시간 t+1에서의 각속도(
Figure pat00017
)와 시간 t에서의 각속도(
Figure pat00018
)의 상대적 크기에 따라서 반지름 r은 양의 값과 음의 값을 번갈아 가면서 나타나게 된다.
따라서, 반지름 r을 양의 값으로 산출하기 위해 다음의 수학식 5로 다시 쓸 수 있다.
Figure pat00019
임의의 임계값을 넘은 반지름은 극한값으로 분류하여 배제하고, 반지름 r을 양의 값으로 변환하면 도 4와 도 5와 같다.
도 4는 사용자가 바이셉스 컬을 할 때, 도 5는 프론트 레이즈을 할 때, 반지름의 값을 구한 결과를 도시한 것이다.
도 4와 도 5의 그래프는 수학식 5에 따라 1/50초(20ms)마다 반지름의 값을 구한 결과를 도시한 것이다.
도 4와 도 5를 참조하면, 본 발명에 따른 모션 인식 방법을 거쳐 도출된 프론트 레이즈의 반지름 r값의 평균은 바이셉스 컬의 반지름 r값의 평균보다 큰 것을 알 수 있다. 바이셉스 컬의 반지름의 평균은 약 0.03이고, 프론트 레이즈의 반지름은 약 0.07로 약 2배이다.
보다 상세하게 살펴보면, X,Y,Z축 중 어느 하나의 축을 모션의 회전축으로 결정할 수 있다. 모션의 회전축으로 결정된 축의 각속도를 자이로 센서로부터 구할 수 있다.
예를 들어, Y축을 모션의 회전축으로 결정하면 가속도는 X-Z 평면상의 가속도 성분을 이용한다. 이 경우 수학식 5를 다음과 같이 다시 쓸 수 있다.
Figure pat00020
aX와 aZ는 각각 가속도의 X축 성분과 Z축 성분이며, 각속도 ω는 Y축을 중심으로 회전하는 각의 각속도이다.
상기 모션 특징은 상기 회전 반지름 외에 상기 모션의 가속도, 각속도로부터 적어도 하나 이상의 통계값을 더 포함할 수 있다.
240 단계에서 모션 인식 장치는 상기 산출된 회전 반지름을 이용하여 상기 모션의 종류를 판단한다.
상기 회전 반지름 외에도 상기 모션 특징에 포함된 통계값을 더 이용하여 상기 모션의 종류를 판단하는 것이 바람직하다.
도 3는 본 발명의 다른 실시 예에 따른 모션 인식 방법의 흐름도이다.
도 3을 참조하면, 본 실시 예에 따른 모션 인식 방법은 도 1에 도시된 모션 인식 장치에서 시계열적으로 처리되는 단계들로 구성된다. 따라서, 이하 생략된 내용이라 하더라도 도 1에 도시된 모션 인식 장치에 관하여 이상에서 기술된 내용은 본 실시 예에 따른 모션 인식 방법에도 적용된다.
310 단계 내지 330 단계는 도 2의 210 단계 내지 230 단계와 동일하므로 설명을 생략하기로 한다.
340 단계에서 모션 인식 장치는 상기 회전 반지름 외에 상기 모션의 가속도 또는 각속도로부터 적어도 하나 이상의 통계값을 산출한다.
350 단계에서 모션 인식 장치는 상기 회전 반지름과 상기 통계값을 이용하여 머신 러닝을 수행한다. 이때 수행된 머신 러닝 결과는 별도의 메모리에 저장되고, 이후 새로운 모션의 머신 러닝결과와 비교되는데 사용된다.
360 단계에서 모션 인식 장치는 350 단계에서 저장된 머신 러닝 결과와 새로 입력된 모션에 대한 머신 러닝 결과를 비교하여 상기 새로 입력된 모션의 종류를 판단한다.
사용자가 수행하는 운동 중 특히 두 개 이상의 접합부를 갖는 회전 운동은 중심이 불규칙하고 회전 운동의 선가속도도 불규칙하다. 따라서 회전의 중심이 크게 변화하지 않고 회전 운동의 선가속도도 크게 변화하지 않는 바이셉스 컬(biceps curl)이나 프론트 레이즈와 같은 회전 운동에 본 발명이 잘 적용될 수 있다.
본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-programmable gate array) 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터,데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
상술한 모든 기능은 상기 기능을 수행하도록 코딩된 소프트웨어나 프로그램 코드 등에 따른 마이크로프로세서, 제어기, 마이크로제어기, ASIC(Application Specific Integrated Circuit) 등과 같은 프로세서에 의해 수행될 수 있다. 상기 코드의 설계, 개발 및 구현은 본 발명의 설명에 기초하여 당업자에게 자명하다고 할 것이다.
이상 본 발명에 대하여 실시 예를 참조하여 설명하였지만, 해당 기술 분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시켜 실시할 수 있음을 이해할 수 있을 것이다. 따라서 상술한 실시 예에 한정되지 않고, 본 발명은 이하의 특허청구범위의 범위 내의 모든 실시 예들을 포함한다고 할 것이다.

Claims (5)

  1. 자이로 센서로부터 모션의 각가속도를 획득하는 단계;
    가속도 미터로부터 상기 모션의 회전축에 수직인 평면상에 존재하는 가속도의 크기를 획득하는 단계;
    상기 획득된 각가속도와 상기 가속도의 크기로부터 상기 모션의 회전 반지름을 산출하는 단계; 및
    상기 산출된 회전 반지름을 이용하여 상기 모션의 종류를 판단하고,
    상기 가속도 미터가 측정한 가속도로부터 중력방향의 영향을 제거하고, 센서 퓨전 알고리즘에 상기 중력방향의 영향이 제거된 가속도를 입력하여 상기 가속도의 크기를 구하는 것을 특징으로 하는 단계를 포함하는 모션 인식 방법.
  2. 제1 항에 있어서,
    상기 회전 반지름 외에 상기 모션의 가속도 또는 각속도로부터 적어도 하나 이상의 통계값을 산출하는 단계를 더 포함하고,
    상기 모션의 종류를 판단하는 단계는,
    상기 산출된 통계값과 회전 반지름을 이용하여 상기 모션의 종류를 판단하는 것을 특징으로 하는 모션 인식 방법.
  3. 제2 항에 있어서,
    상기 산출된 통계값과 회전 반지름을 이용하여 머신 러닝을 하는 단계; 및
    상기 머신 러닝 결과를 저장하는 단계를 더 포함하고,
    상기 모션의 종류를 판단하는 단계는,
    상기 저장된 머신 러닝 결과와 새로 입력된 모션에 대한 머신 러닝 결과를 비교하여 상기 새로 입력된 모션의 종류를 판단하는 것을 특징으로 하는 모션 인식 방법.
  4. 자이로 센서로부터 모션의 각가속도를 획득하고, 가속도 미터로부터 상기 모션의 회전축에 수직인 평면상에 존재하는 가속도의 크기를 획득하고, 상기 획득한 각가속도와 상기 가속도의 크기로부터 산출된 상기 모션의 회전 반지름을 포함하는 모션 특징을 산출하는 특징 추출부;
    상기 특징 추출부로부터 상기 모션 특징을 받아 머신 러닝을 하는 모션 학습부;
    상기 모션 학습부의 결과를 저장하는 저장부; 및
    상기 특징 추출부가 새로운 모션에 대한 모션 특징을 추출하면, 상기 모션 학습부의 결과와 비교하여 상기 새로운 모션의 종류를 판단하는 모션 판단부를 포함하고,
    상기 가속도 미터가 측정한 가속도로부터 중력방향의 영향을 제거하고, 센서 퓨전 알고리즘에 상기 중력방향의 영향이 제거된 가속도를 입력하여 상기 가속도의 크기를 구하는 것을 특징으로 하는 모션 인식 장치.
  5. 제1 항 내지 제3 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020180056467A 2018-05-17 2018-05-17 센서 퓨전 알고리즘을 포함한 모션 인식 방법 및 장치 KR20190131723A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180056467A KR20190131723A (ko) 2018-05-17 2018-05-17 센서 퓨전 알고리즘을 포함한 모션 인식 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180056467A KR20190131723A (ko) 2018-05-17 2018-05-17 센서 퓨전 알고리즘을 포함한 모션 인식 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20190131723A true KR20190131723A (ko) 2019-11-27

Family

ID=68729789

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180056467A KR20190131723A (ko) 2018-05-17 2018-05-17 센서 퓨전 알고리즘을 포함한 모션 인식 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20190131723A (ko)

Similar Documents

Publication Publication Date Title
CN107636420B (zh) 用于行人航位推算的技术
KR101185144B1 (ko) 제스쳐의 2차원 궤적을 추정하는 방법 및 장치
KR101872907B1 (ko) 듀얼 스마트 밴드를 이용한 모션 분석 장치 및 방법
CN104850773A (zh) 用于智能移动终端的用户身份认证方法
EP3289435B1 (en) User interface control using impact gestures
CN110345936A (zh) 运动装置的轨迹数据处理方法及其处理系统
KR20190081334A (ko) 복합 측위 기반의 이동 궤적 추적 방법 및 그 장치
KR101870542B1 (ko) 모션 인식 방법 및 장치
CN109540133B (zh) 基于微惯性技术的自适应步态划分方法、系统
JP2017191426A (ja) 入力装置、入力制御方法、コンピュータプログラム、及び記憶媒体
Iyer et al. Generalized hand gesture recognition for wearable devices in IoT: Application and implementation challenges
US20200257372A1 (en) Out-of-vocabulary gesture recognition filter
US10551195B2 (en) Portable device with improved sensor position change detection
KR20190131723A (ko) 센서 퓨전 알고리즘을 포함한 모션 인식 방법 및 장치
KR20190143513A (ko) 직교좌표계를 이용한 모션 인식 방법 및 장치
KR20190138240A (ko) 회전 반지름을 이용한 모션 인식 방법 및 장치
CN115727871A (zh) 一种轨迹质量检测方法、装置、电子设备和存储介质
WO2018099089A1 (zh) 一种静止状态的判断方法及装置
KR20200111075A (ko) 회전 반지름을 이용한 모션 인식 방법 및 장치
US20170192521A1 (en) Context aware movement recognition system
JP6147446B1 (ja) ソフト制約及びペナルティ機能を使用した慣性センサの初期化
US20220218230A1 (en) System and method of detecting walking activity using waist-worn inertial sensors
CN113566828A (zh) 一种基于多传感器决策融合的抗冲击扫描匹配方法及系统
CN108072371A (zh) 定位方法、定位装置和电子设备
Wang et al. Posture recognition and adaptive step detection based on hand-held terminal