RVC 정규화 기반 EMG 손동작 인식 및 전이학습 연구

EMG-based Hand Gesture Recognition with RVC Normalization and Transfer Learning

연구 내용

RVC 정규화와 전이학습을 활용해 표면 근전도(EMG) 신호의 주관 의존성을 완화하고 2차원 이미지 변환 기반 손동작을 인식하는 연구

표면 근전도(EMG)는 피험자별 신호 분포가 달라 모델 학습과 적용에 어려움이 있습니다. 이연정 연구실은 시간영역 EMG 신호에 RVC normalization을 적용하여 전처리 단계에서 개인차를 완화합니다. 이후 EMG를 2차원 이미지로 변환하고, VGG19·ResNet·DenseNet 등 이미지 분류에 사용된 딥러닝 네트워크의 구조와 파라미터를 전이학습에 재사용하는 전략을 수행합니다. 이를 통해 신호-입력 변환의 일관성을 확보하고, 손동작 인식 파이프라인의 재현성과 적용성을 높이는 데 차별성을 둡니다.

관련 프로젝트

0건

연구 흐름

2021년에는 주관별 EMG 신호 처리 난이도를 낮추기 위해 RVC normalization 기반 전처리 전략을 제안합니다. 이어서 시간영역 EMG를 2차원 이미지로 변환하고, VGG19·ResNet152·DenseNet121 계열 모델의 구조와 파라미터를 전이학습에 활용하는 구성을 확립합니다. 이러한 흐름을 통해 신호 변환과 네트워크 입력의 정합성을 유지하면서 개인 간 분포 차이를 다루는 방향으로 연구를 진행합니다. 결과적으로 웨어러블 기반 인간-로봇 인터페이스에 적용 가능한 동작 인식 설계를 지원하는 기반을 마련합니다.

활용 가능성

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

근전도 기반 인간-로봇 인터페이스
웨어러블 제스처 제어
재활 로봇 동작 인식
헬스케어 행동 모니터링
안전 기반 HMI
스마트 팩토리 작업자 제어
개인별 신호 적응형 모델
저전력 임베디드 추론
제스처 기반 접근 제어
전이학습 기반 신속 보정