RnDcircle

번호	청구항
1	센서값을 입력 받아 제스처의 유무를 검출하는 제스처 유무 검출기;상기 제스처가 검출될 경우 상기 제스처가 정적제스처인지 동적제스처인지 구분하는 제스처 정적/동적 구분기;상기 제스처 정적/동적 구분기에서 상기 제스처가 상기 정적제스처로 구분될 경우 상기 정적제스처의 종류를 분류하는 정적제스처 분류기; 및 상기 제스처 정적/동적 구분기에서 상기 제스처가 상기 동적제스처로 구분될 경우 상기 동적제스처의 종류를 분류하는 동적제스처 분류기;를 포함하고,상기 제스처 유무 검출기는, 순차적인 데이터를 처리하는 장단기메모리(Long short-term memory; LSTM)를 토대로 상기 센서값의 변화를 분석하고,상기 제스처 유무 검출기는, 상기 센서값이 일정 기준값 이상일 경우에 대해 상기 제스처가 검출된 것으로 판단하고,상기 제스처 유무 검출기는,실제 제스처 유무와 예측한 제스처 유무에 대해 이진교차엔트로피손실(Binary Cross Entropy Loss)을 토대로 상기 장단기메모리(Long short-term memory; LSTM)를 학습하는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 장치.
2	제 1항에 있어서,상기 센서값은,손가락의 관절 변화를 검출하는 센서가 내장된 웨어러블 장갑의 출력인 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 장치.
3	삭제
4	삭제
5	삭제
6	제 1항에 있어서,상기 제스처 유무 검출기는,상기 제스처가 검출된 구간의 센서값의 개수를 일정 개수가 되도록 증가 또는 감소시키는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 장치.
7	제 6항에 있어서,상기 제스처 유무 검출기는,상기 센서값이 일정 개수 보다 적을 경우, 상기 센서값 사이사이에 양 값의 평균을 넣어 상기 센서값을 증가시키는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 장치.
8	제 6항에 있어서,상기 제스처 유무 검출기는,상기 센서값이 일정 개수 보다 클 경우, 상기 센서값에 대해 [센서값의 개수 / (센서값의 개수-일정 개수)]로 산출되는 보폭 마다 데이터를 하나씩 삭제하여 감소시키는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 장치.
9	제 1항에 있어서,상기 제스처 유무 검출기 이후에 데이터전처리부를 더 구비하고,상기 데이터 전처리부는,상기 제스처가 검출된 구간의 센서값의 개수를 일정 개수가 되도록 증가 또는 감소시키는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 장치.
10	제 9항에 있어서,상기 데이터전처리부는,상기 센서값이 일정 개수 보다 적을 경우, 상기 센서값 사이사이에 양 값의 평균을 넣어 상기 센서값을 증가시키는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 장치.
11	제 9항에 있어서,상기 데이터전처리부는,상기 센서값이 일정 개수 보다 클 경우, 상기 센서값에 대해 [센서값의 개수 / (센서값의 개수-일정 개수)]로 산출되는 보폭 마다 데이터를 하나씩 삭제하여 감소시키는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 장치.
12	제 1항에 있어서,상기 제스처 정적/동적 구분기는,시계열 데이터를 처리하는 1차원 합성곱 신경망(1D Convolutional Neural Networks; 1D CNN)을 토대로 상기 제스처의 변화를 분석하는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 장치.
13	제 12항에 있어서,상기 제스처 정적/동적 구분기는,상기 제스처가 검출된 구간에 대해 상기 센서값의 변화량이 일정변화값 이상일 경우 동적제스처로 구분하고, 상기 일정변화값 미만일 경우 정적제스처로 구분하는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 장치.
14	제 13항에 있어서,상기 제스처 정적/동적 구분기는,실제 제스처와 예측한 제스처의 동적/정적을 구분한 결과에 대해 이진교차엔트로피손실(Binary Cross Entropy Loss)을 토대로 상기 1차원 합성곱 신경망(1D Convolutional Neural Networks; 1D CNN)을 학습하는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 장치.
15	제 1항에 있어서,상기 정적제스처 분류기는,시간적 특성을 고려하지 않는 얕은 인공신경망으로 구성되어 상기 정적제스처를 예측 및 학습하는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 장치.
16	제 1항에 있어서,상기 동적제스처 분류기는,시계열 데이터를 처리하는 1차원 합성곱 신경망(1D Convolutional Neural Networks; 1D CNN)을 토대로 상기 동적제스처를 예측 및 학습하는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 장치.
17	제스처 유무 검출기에서 센서값을 입력 받아 제스처의 유무를 검출하는 제스처 유무 검출단계;상기 제스처 유무 검출단계에서 상기 제스처가 검출될 경우 제스처 정적/동적 구분기에서 상기 제스처가 정적제스처인지 동적제스처인지 구분하는 제스처 정적/동적 구분단계;상기 제스처 정적/동적 구분단계에서 상기 제스처가 상기 정적제스처로 구분될 경우 정적제스처 분류기에서 상기 정적제스처의 종류를 분류하는 정적제스처 분류단계; 및 상기 제스처 정적/동적 구분단계에서 상기 제스처가 상기 동적제스처로 구분될 경우 동적제스처 분류기에서 상기 동적제스처의 종류를 분류하는 동적제스처 분류단계;를 포함하고,상기 제스처 유무 검출단계에서는, 순차적인 데이터를 처리하는 장단기메모리(Long short-term memory; LSTM)를 토대로 상기 센서값의 변화를 분석하고,상기 제스처 유무 검출단계에서는, 상기 센서값이 일정 기준값 이상일 경우에 대해 제스처가 검출된 것으로 판단하고,상기 제스처 유무 검출단계에서는, 실제 제스처 유무와 예측한 제스처 유무에 대해 이진교차엔트로피손실(Binary Cross Entropy Loss)을 토대로 상기 장단기메모리(Long short-term memory; LSTM)를 학습하는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 방법.
18	제 17항에 있어서,상기 센서값은, 손가락의 관절 변화를 검출하는 센서가 내장된 웨어러블 장갑의 출력인 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 방법.
19	삭제
20	삭제
21	삭제
22	제 17항에 있어서,상기 제스처 유무 검출단계에서는, 상기 제스처가 검출된 구간의 센서값의 개수를 일정 개수가 되도록 증가 또는 감소시키는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 방법.
23	제 22항에 있어서,상기 제스처 유무 검출단계에서는,상기 센서값이 일정 개수 보다 적을 경우, 상기 센서값 사이사이에 양 값의 평균을 넣어 상기 센서값을 증가시키는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 방법.
24	제 22항에 있어서,상기 제스처 유무 검출단계에서는,상기 센서값이 일정 개수 보다 클 경우, 상기 센서값에 대해 [센서값의 개수 / (센서값의 개수-일정 개수)]로 산출되는 보폭 마다 데이터를 하나씩 삭제하여 감소시키는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 방법.
25	제 17항에 있어서,상기 제스처 유무 검출단계 이후에 데이터 전처리단계를 더 포함하고,상기 데이터 전처리단계에서는,상기 제스처가 검출된 구간의 센서값의 개수를 일정 개수가 되도록 증가 또는 감소시키는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 방법.
26	제 25항에 있어서,상기 데이터 전처리단계에서는,상기 센서값이 일정 개수 보다 적을 경우, 상기 센서값 사이사이에 양 값의 평균을 넣어 상기 센서값을 증가시키는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 방법.
27	제 25항에 있어서,상기 데이터 전처리단계에서는,상기 센서값이 일정 개수 보다 클 경우, 상기 센서값에 대해 [센서값의 개수 / (센서값의 개수-일정 개수)]로 산출되는 보폭 마다 데이터를 하나씩 삭제하여 감소시키는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 방법.
28	제 17항에 있어서,상기 제스처 정적/동적 구분단계에서는, 시계열 데이터를 처리하는 1차원 합성곱 신경망(1D Convolutional Neural Networks; 1D CNN)을 토대로 상기 제스처의 변화를 분석하는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 방법.
29	제 28항에 있어서,상기 제스처 정적/동적 구분단계에서는, 상기 제스처가 검출된 구간에 대해 상기 센서값의 변화량이 일정변화값 이상일 경우 동적제스처로 구분하고, 상기 일정변화값 미만일 경우 정적제스처로 구분하는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 방법.
30	제 29항에 있어서,상기 제스처 정적/동적 구분단계에서는,실제 제스처와 예측한 제스처의 동적/정적을 구분한 결과에 대해 이진교차엔트로피손실(Binary Cross Entropy Loss)을 토대로 상기 1차원 합성곱 신경망(1D Convolutional Neural Networks; 1D CNN)을 학습하는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 방법.
31	제 17항에 있어서,상기 정적제스처 분류단계에서는, 시간적 특성을 고려하지 않는 얕은 인공신경망으로 구성되어 상기 정적제스처를 예측 및 학습하는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 방법.
32	제 17항에 있어서,상기 동적제스처 분류단계에서는, 시계열 데이터를 처리하는 1차원 합성곱 신경망(1D Convolutional Neural Networks; 1D CNN)을 토대로 상기 동적제스처를 예측 및 학습하는 것을 특징으로 하는 센서가 부착된 장갑을 이용한 정적 및 동적 제스처 인식 방법.