현재 3D 광장 손동작 상호작용에서 인식률 저하, 인식 속도 저하, 딥러닝 네트워크에 많은 데이터 샘플이 필요한 문제를 해결하기 위해 본 논문에서는 소량 샘플 손 주요점 기반 다층 퍼셉트론(Multi-Layer Perceptron, MLP) 네트워크를 통해 3D 광장 상호작용 정확도를 향상시키는 방법을 제안하며, 인식 속도는 밀리초 단위에 이른다. 손 주요점 수집 과정에서 서로 다른 위치에서 수집된 동일 손동작 주요점 3차원 데이터에는 현저한 차이가 존재한다. 차이를 없애기 위해 본 논문은 동일한 오른손 데카르트 좌표계 하에서 변위 및 로드리게스 회전 공식을 통해 축소된 손동작 모델의 자세 변환을 수행하여 동일 손동작을 정규화하는 방법을 제안한다. 하나의 MLP 신경망이 정규화된 손 주요점 점프 관계에서 손 특징을 추출하는 데 사용된다. 실험 결과, 본 논문에서 제안한 방법은 3D 광장 상호작용에서 단순 손동작 인식률이 95% 이상, 복잡한 손동작 인식률이 90% 이상임을 보여준다. 동시에 본 방법은 소량 샘플 데이터셋 훈련 시 우수한 성능을 발휘하여 정밀하고 빠른 손동작 인식 요구를 충족한다. 마지막으로 본 논문은 제안한 방법을 3D 광장 상호작용 장면에 성공적으로 적용한 사례를 제시한다.

상호작용;손동작 분류 인식;다층 퍼셉트론;소량 샘플 데이터셋