표면근전도 기반 헤드 무브먼트 예측과 신경망 분류

Surface EMG-based Head Movement Prediction and Neural Network Classification

연구 내용

표면근전도 신호를 전처리하고 신경망 모델로 헤드 움직임 의도 상태를 분류하여 HCI 및 보조기 입력으로 연결하는 연구

헤드와 목 부위의 근육 활성 정보를 이용해 헤드 움직임 상태를 예측하기 위한 신호 처리 및 분류 연구를 수행합니다. sEMG를 대역통과 및 대역차단 필터로 정제하고, 운동 상태에 대응되는 특징 세트를 구성하여 신경망 기반 분류 모델에 입력합니다. 또한 여러 기계학습 분류기를 비교하면서 신호 특징과 모델 조합의 성능 차이를 확인하고, 실제 적용을 고려한 예측 가능성을 평가합니다. 이러한 접근을 통해 사용자의 헤드 움직임을 기반 입력으로 전환하는 기반을 마련합니다.

관련 프로젝트

0건

연구 흐름

초기 연구에서는 sEMG와 신경망을 결합하여 헤드 움직임 의도 예측의 가능성을 실험적으로 검증하고, Vicon 기반 모션 관측과 sEMG 측정을 함께 활용하는 실험 구성을 제시했습니다. 이후 필터링과 특징 세트 구성 절차를 정리하고, 신경망 기반 헤드 움직임 예측 모델을 통해 상태 분류 성능을 확인하는 방향으로 연구를 확장했습니다. 최근에는 신호-모델 매칭을 중심으로 헤드 움직임 인식의 재현성과 활용성을 높이는 연구 흐름을 이어가고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

근전도 기반 헤드 제스처 인식
헤드 상태 분류 입력장치
가상현실 입력 인터페이스
보조기용 명령 전달 모듈
비접촉 HCI 제어
실시간 EMG 특징 추출기
다중 자세 상태 분류 시스템
의료 재활용 머리 움직임 훈련 보조
증강현실 상호작용 제어
근전도-신경망 기반 사용자 의도 추정
웨어러블 기반 입력 데이터셋 구축