메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김건우 (조선대학교) 박형준 (조선대학교)
저널정보
(사)한국CDE학회 한국CDE학회 논문집 한국CDE학회 논문집 제29권 제4호
발행연도
2024.12
수록면
435 - 447 (13page)
DOI
10.7315/CDE.2024.435

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In this paper, we propose a method to recognize sign language motions using machine learning and RGB image processing techniques. We considered 24 different sign language words and obtained 15 video samples per word, either from public datasets or by direct recording. OpenCV and MediaPipe were used to acquire the key points of the human body skeleton from each video frame, which were then used to build the training data for sign language motion rec- ognition. Two types of training data were used: raw data and feature data. The raw data con- sists of 225 position coordinates, and the feature data consists of 54 rotation- and scale-invariant values. Convolutional neural networks (CNNs) and multilayer LSTM networks were then trained on both types of data to recognize sign language motions, and their effectiveness was evaluated through experiments. The results demonstrated that using the feature data yielded higher accuracy and effectiveness than using the raw data. Additionally, multilayer LSTM net- works outperformed CNNs regardless of the type of data used.
#Convolutional Neural Networks #Machine Learning #Motion Recognition #Recurrent Neural Networks #Sign Language #Skeleton Key Points

목차

ABSTRACT
1. 서론
2. 관련 연구
3. 수어 동작 인식을 위한 기계학습 모델
4. 적용 및 검증
5. 결론 및 토의
References

참고문헌 (24)

참고문헌 신청
National Institute of Korean Language, https://www.korean.go.kr/ google schola Kim, K.W., Kim, J.S. and Park, H., 2023, Creation of 3D Augmented Reality Contents for Learning Korean Sign Language Words, Korean Journal of Computational Design and Engineering, 28(2), pp.146-155. https://doi.org/10.7315/CDE.2023.146 google schola Aditama, P.W., Putra, P.S.U., Yusa, I.M.M. and Putra, I.N.T.A., 2021, Designing Augmented Reality Sibi Sign Language as a Learning Media, Journal of Physics: Conference Series, 1810, pp.1-9. https://doi.org/10.1088/1742-6596/1810/1/012038 google schola Moon, H.J., Kim, S.J. and Jung, J.H., 2017, A Study on Sign Language Recognition System Using Leapmotion, Proceedings of the Korean Information Processing Society Conference, pp.1041-1044. https://scienceon.kisti.re.kr/srch/selectPORSrchArticle.do?cn=NPAP12686095 google schola Cheon, W.H. and Yang, H.D., 2015, Sign Language Recognition Using Kinect, Proceedings of the Korean Institute of Information Scientists and Engineers, pp.984-985. https://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE06394285 dbpia

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

Deontic and Epistemic Modality in Korean Sign Language
Ahmed ,  Mai ,  Kwon 외 1명 수어학과 언어융합연구 2024 .12
청각장애 학생의 기초 문식성 교육에 관한 소론 - 2022 개정 특수교육 국어(청각장애) 교육과정을 중심으로 -
하명진 ,  이유정 국어교육연구 2024 .06
실시간 수어 AI 번역 프로그램 구현
이동욱 ,  김민서 ,  김남호 외 1명 디지털콘텐츠학회논문지 2023 .10
미디어 인공지능 : 컴퓨터 비전 관련 딥러닝 모델의 미디어 동영상 분야 적용 가능성에 관한 연구
박대민 커뮤니케이션 이론 2022 .03

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-091218995