정보과학회 논문지 B : 소프트웨어 및 응용
Current Result Document : 6 / 6
| 한글제목(Korean Title) |
동적 베이스망 기반의 걸음걸이 분석 |
| 영문제목(English Title) |
Dynamic Bayesian Network-Based Gait Analysis |
| 저자(Author) |
김찬영
신봉기
Chan-young Kim
Bong-Kee Sin
|
| 원문수록처(Citation) |
VOL 37 NO. 05 PP. 0354 ~ 0362 (2010. 05) |
한글내용
(Korean Abstract) |
본 연구는 동적 베이스 망을 이용하여, 사람의 보행 동작을 보행 방향과 보행 자세로 분리하여 계층적으로 분석하는 방법을 제안한다. DBN의 일종인 FHMM을 기본 바탕으로 하여, 걸음걸이 동작 특성을 고려하여 순환 고리형 상태 공간 구조로 ‘보행 동작 디코더’(Gait Motion Decoder, GMD)를 설계한다. 기존 연구에는 보행자의 식별에만 치중을 하고 보행 방향의 변화, 관찰 각도에 제한적이거나 보행 동작에 대한 분석이 없었다. 반면에 본 연구에서는 동작과 자세를 적극적으로 표현하여 임의 방향의 보행, 방향의 변화, 보행 자세까지 인식할 수 있도록 하였다. 실험 결과 동작과 자세의 관점에서 걸음걸이 방향을 분석한 결과 96.5%의 방향 인식률을 기록하였다. 본 연구는 보행 동작을 방향과 보행 자세로 계층적으로 분석하는 최초의 방법 및 시도이며 향후 상황별 휴먼 동작 분석에 크게 활용할 수 있을 것이다. |
영문내용
(English Abstract) |
This paper proposes a new method for a hierarchical analysis of human gait by dividing the motion into gait direction and gait posture using the tool of dynamic Bayesian network. Based on Factorial HMM (FHMM), which is a type of DBN, we design the Gait Motion Decoder (GMD) in a circular architecture of state space, which fits nicely to human walking behavior. Most previous studies focused on human identification and were limited in certain viewing angles and forwent modeling of the walking action. But this work makes an explicit and separate modeling of pedestrian pose and posture to recognize gait direction and detect orientation change. Experimental results showed 96.5% in pose identification. The work is among the first efforts to analyze gait motions into gait pose and gait posture, and it could be applied to a broad class of human activities in a number of situations. |
| 키워드(Keyword) |
걸음걸이 분석
동적 베이스망
Factorial 은닉 마르코프 모델
Gait Analysis
Dynamic Bayesian Network
Factorial Hidden Markov Model
|
| 파일첨부 |
PDF 다운로드
|
