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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
정한석 (한국과학기술원) 팡칭리 (한국과학기술원) 윤상호 (한국과학기술원)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제31권 제3호
발행연도
2025.3
수록면
135 - 140 (6page)
DOI
10.5626/KTCP.2025.31.3.135

이용수

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

초록· 키워드

오류제보하기
본 연구는 손목의 2채널 근전도 EMG 신호와 관성 측정 장비인 IMU센서 데이터를 활용하여 손 자세를 분류하는 방법을 제안한다. 기존 대부분의 손 자세 분류 연구들은 근육이 큰 팔뚝의 EMG 신호를 이용하여 손의 자세를 분류하였다. 하지만 팔뚝의 EMG 신호를 수집하기 위해서는 팔에 여러 채널의 센서 부착으로 인해 움직임의 자유도가 떨어질 수 있다. 이를 보완하기 위해, 본 제안 방법은 EMG 및 IMU 센서가 내장된 Delsys 사의 센싱 모듈을 이용하여 총 9명의 피험자로부터 손목의 2채널 EMG 및 IMU 데이터와 팔뚝의 8채널 EMG 데이터를 수집하였다. 데이터 수집 방법에 따른 인공 신경망 모델의 성능 비교 결과, 제안 방법이 기존의 팔뚝의 8채널 EMG 데이터보다 우수한 성능을 보이는 것을 확인하였다. 이 방법은 손목으로부터 간편하게 데이터를 수집하여 팔 움직임의 자유도를 높이고 강건한 손 자세 분류를 통해 자연스러운 상호작용에 활용될 것이다.

목차

요약
Abstract
1. 서론
2. 배경
3. 방법
4. 결과
5. 결론
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092473730