Abstract

This paper proposes a robust hand segmentation method using view-invariant characteristic of a wrist-mounted camera, and deals with a hand shape recognition system based on segmented hand information. We actively utilize the advantage of the proposed camera device that provides view-invariant images physically, and segment hand region using a Bayesian rule based on adaptive histograms. We construct HSV histograms from RGB histograms, and update HSV histograms using hand region information from a current image. We also propose a user adaptation method by which hand models gradually approach user-dependent models from user-independent models as the user uses the system. The proposed method was evaluated using 16 Korean manual alphabet, and we obtained increases of 27.91% in recognition success rate.

본 논문에서는 손목 부착형 카메라의 시점불변 특성을 이용하여 조명 변화에 강인한 손 영역 추출 방법을 제안하고, 추출된 손 영역 정보를 이용하여 손 모양을 인식하는 시스템을 다룬다. 손목 부착형 카메라 장치는 물리적으로 시점불변의 영상을 제공하는 장점이 있으며, 본 논문은 이러한 특성을 적극 활용하여 적응형 히스토그램을 기반으로 베이지안 규칙을 사용하여 손 영역을 추출한다. 사전에 구축된 RGB 히스토그램으로부터 HSV 히스토그램을 생성하고, 현재의 영상으로부터 추출된 손 영역 정보를 이용하여 HSV 히스토그램을 갱신한다. 또한, 사용자 독립모델(User independent model)과 사용자 종속모델(User dependent model)의 장점을 고려하여 사용자가 사용함에 따라 사용자 독립모델에서 사용자 종속모델로 수렴하는 사용자 적응 방법을 제안한다. 제안하는 방법의 인식 성능을 평가하기 위해 16개의 지문자에 대한 인식률을 측정하여 27.91%의 인식률 증가 결과를 얻을 수 있었다.

Keywords

• Wrist-Mounted Camera;
• Hand Shape;
• Gesture Recognition;
• User Adaptation

• 손목 부착형 카메라;
• 손 모양;
• 제스처 인식;
• 사용자 적응;