깊이 영상에서 클러스터링 기반 파티클 필터를 이용한 3차원 손 포즈 추정
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 유수곤 | - |
dc.contributor.author | 신봉기 | - |
dc.contributor.author | 이성환 | - |
dc.date.accessioned | 2021-09-07T00:56:15Z | - |
dc.date.available | 2021-09-07T00:56:15Z | - |
dc.date.created | 2021-06-17 | - |
dc.date.issued | 2012 | - |
dc.identifier.issn | 2383-6318 | - |
dc.identifier.uri | https://scholar.korea.ac.kr/handle/2021.sw.korea/109662 | - |
dc.description.abstract | 본 논문에서는 SOM 클러스터와 파티클 필터를 결합한 3차원 손 포즈 추정 방법을 제안한다. 기존 파티클 필터는 이전 영상에서 추정된 포즈 결과만을 사용하여 국소 최소치에 빠지는 한계가 있다. 이를 극복하고자 본 논문에서는, SOM 클러스터에서 추정한 손 포즈와 이전 영상에서 추정된 손 포즈를 결합하여 파티클 필터의 샘플링 단계를 개선하였다. 또한, Kinect 센서에서 제공하는 깊이 영상을 샘플의 우도를 계산하기 위한 관측값으로 사용하였다. 입력 깊이 영상과 모델 깊이 영상 간의 다른 포즈는 큰 차이를 보이기 때문에 잘못된 포즈로 제외 할 수 있다는 장점이 있다. 실험 결과, 제안된 방법은 상대적으로 적은 수의 파티클을 이용하여 다양한 실험 환경에서 강인한 손 추정 결과를 보임을 확인할 수 있었다. | - |
dc.language | Korean | - |
dc.language.iso | ko | - |
dc.publisher | 한국정보과학회 | - |
dc.title | 깊이 영상에서 클러스터링 기반 파티클 필터를 이용한 3차원 손 포즈 추정 | - |
dc.title.alternative | 3D Hand Pose Estimation using a Clustering-based Particle Filter from Depth Image | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 이성환 | - |
dc.identifier.bibliographicCitation | 정보과학회 컴퓨팅의 실제 논문지, v.18, no.9, pp.679 - 683 | - |
dc.relation.isPartOf | 정보과학회 컴퓨팅의 실제 논문지 | - |
dc.citation.title | 정보과학회 컴퓨팅의 실제 논문지 | - |
dc.citation.volume | 18 | - |
dc.citation.number | 9 | - |
dc.citation.startPage | 679 | - |
dc.citation.endPage | 683 | - |
dc.type.rims | ART | - |
dc.identifier.kciid | ART001695126 | - |
dc.description.journalClass | 2 | - |
dc.description.journalRegisteredClass | kci | - |
dc.subject.keywordAuthor | Hand Pose Estimation | - |
dc.subject.keywordAuthor | Self-Organizing Map | - |
dc.subject.keywordAuthor | Particle Filter | - |
dc.subject.keywordAuthor | 손 포즈 추정 | - |
dc.subject.keywordAuthor | 자기조직화지도 | - |
dc.subject.keywordAuthor | 파티클 필터 | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
(02841) 서울특별시 성북구 안암로 14502-3290-1114
COPYRIGHT © 2021 Korea University. All Rights Reserved.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.