Earticle

초록

한국어

본 논문에서는 키넥트 센서로부터 얻은 3D 골격 정보를 활용한 동작 인식 방법을 제안한다. 우선 학습데이터로부터 유력한 동작을 얻기 해서 간소화된 DTW(dynamic time wrapping)와 유클리드 기하학 거리를 이용한다. 그다 음, 각 동작에 하여 연결된 의 상호계를 이용하여 수정된 동작 특징 기술자를 정의한다. 분류 에 좌표상의 불균일성을 피하기 하여 정규화 과정을 거치고, 복 방지 차원 축소를 하여 PCA(Principal Component Analysis)를 수행한다. 마지막으로 다양한 동작 분류를 하여 NBNN(Naïve-Bayes-Nearest-Neighbor) 분류 기를 용한다. 표 데이터셋을 이용한 실험 결과는 최신의 동작 인식 방법에 근사한 정확도를 보여다.

영어

In this paper, we present an approach for activity recognition by using 3D skeleton data obtained by Kinect sensor. Primarily, we use the simplified Dynamic Time Wrapping(DTW) and calculate Euclidean geometry distance to obtain the probable activities from the trained data. Afterwards, for each activity, we define a modified activity feature descriptor using the interrelation of correlated joints in each frame. Before classification, we employ normalization to avoid nonuniformity in coordinates, and Principal Component Analysis(PCA) to deduce redundancy and decrease the dimensionality. Finally we apply Naïve-Bayes-Nearest-Neighbor(NBNN) classifier to classify multiple actions. The experimental result on benchmark dataset shows that the accuracy approximates the state-of-the-art methods.

목차

요약
 Abstract
 1. Introduction
 2. Activity Preprocessing and Filtration
  2.1 Benefit of Preprocessing
  2.2 Simplified DTW
  2.3 Video-to-Video distance
 3. Feature extraction and Eigen-joints formation
 4. Naïve-Bayes-Nearest-Neighbor classifier
 5. Dataset presentation and experiments
 6. Conclusion
 Reference

저자

• 서호 [ Xu Hao | 전남대학교 전자컴퓨터공학과 ]
• 이칠우 [ Chilwoo Lee | 전남대학교 전자컴퓨터공학과 ] 교신저자

참고문헌