원형 근전도 측정 시스템에서 센서의 위치에 무관한 손 제스처 인식

Abstract

인공 팔이나 수화 등 기존에 근전도를 기반으로 한 HCI(Human Computer Interface) 관련된 연구가 많이 진행되었다. 기존의 근전도 패턴 인식 연구는 주로 정확성 증가와 인식 가능한 패턴의 수에 중점을 두고 연구가 진행되어왔다. 본 연구에서는 원형 근전도 시스템 장비를 사용하여 근전도 패턴인식을 할 때, 장비의 센서 위치와 무관하게 패턴 인식이 가능한 알고리즘을 제안한다. 본 연구에서는 팔 동작에 문제가 없는 정상인 10명에게 8채널 근전도 신호를 1초간 15번씩 팔의 6가지 동작을 측정하였다. 또한 센서의 위치가 바뀌더라도 패턴 인식을 가능하도록 하기 위해 장비의 위치를 기존 전극을 기준으로 22.5도씩 돌려가며 360도에 대해 16방향에 대해 총 11,440개의 데이터를 수집하였다. 측정한 데이터를 이용하여 19개의 특징점을 추출하고 Relief-F 알고리즘을 사용하여 가중치가 적은 7개의 특징점을 제외하고 12개의 특징점만 사 용하였다. 또한 8개의 채널에서 추출된 96개의 특징점을 나열하여 주성분분석을 하고 영향력이 높은 데이터만을 추려내어 8개의 입력 신호로 줄였다. 제안한 방법에 대해 k-NN 분류기를 통하여 패턴 인식을 진행하였고 과적합(over-fitting)을 막기 위해 5-fold 교차검증을 시행하였다. 본 연구에서 근전도 센서의 위치를 기존에 정의한 위치가 아닌 다른 여러 방향에서의 데이터를 학습 시키고 테스트해도 정확도가 98.2%, 평균 민감도 98.19%, 평균 특이도 99.64% 로 각 동작을 분류하는데 있어 무리가 없다는 것을 보았다. 또한 본 연구의 결과와 비교하기 위하여 기존의 패턴 인식 연구들을 참고하여 같은 분류기와 검증 방법을 통해 그 결과를 비교하였다. 기존의 연구들은 센서의 위치가 기존에 정의된 근육의 위치에 정확히 있어야 근전도를 올바르 게 측정하고 패턴인식을 하여 그 정확도가 99.3%, 평균 민감도 99.45%, 평균 특이도 99.89%로 본 연구에서 도출한 결과인 98.2%보다 더 높게 나온다. 그러나 장비의 위치가 22.5도로 조금만 바뀌어도 67.78%의 정확성이 현저하게 떨어지며 더 틀어질 경우에는 20%대의 정확성을 가지고 패턴 인식이 전혀 되지 않음을 볼 수 있다. 본 연구의 결과 로 인하여 원형 장비를 착용 할 때 사용자가 장비의 방향을 항상 고려하여 사용하여야 하는 불편함을 효과적으로 제거할 수 있을 것으로 보인다.