골격 데이터를 이용한 핸드 게임 인식을 위한 딥러닝

이 논문에서는 딥 러닝 모델을 기반으로 한 새로운 3D 손 제스처 인식 방법을 제안한다. 우리는 손 뼈대 관절의 위치 시계열을 병렬 컨볼루션을 통해 처리하는 새로운 합성곱 신경망(Convolutional Neural Network, CNN)을 제안하고, 이 모델의 손 제스처 시계열 분류 작업에 대한 성능을 검토한다. 제안하는 모델은 깊이 이미지(depth image)를 사용하지 않고, 오직 손 뼈대 데이터만을 활용한다. 실험 결과, 다른 기존의 발표된 방법들과 비교했을 때, SHREC 2017 3D 모양 검색 대회에서 제시된 도전적인 데이터셋(DHG 데이터셋)에서 본 방법은 최신 기술 수준의 성능을 달성함을 확인하였다. 특히 14개의 제스처 클래스에 대한 분류 정확도는 91.28%, 28개의 제스처 클래스에 대한 분류 정확도는 84.35%를 기록하였다.