기존 와이파이 장치를 활용한 제스처 인식

초록

본 논문은 상용 와이파이 라우터와 스마트폰 등 기존 와이파이 하드웨어만을 이용해 손동작을 인식하는 시스템을 제안한다. 위상 정보를 활용할 수 없는 상용 칩의 한계를 극복하고, RSSI·CSI와 같은 진폭 정보를 기반으로 피크 패턴을 추출해 ‘밀기·당기기·펀치·레버’ 네 가지 제스처를 91% 정확도로 구분한다. 라인‑오브‑사이트와 백팩 내부 등 비가시 영역에서도 동작 가능함을 실험으로 입증한다.

상세 분석

이 연구는 기존 무선 기반 제스처 인식이 요구하던 초고가 UWB 레이더, USRP와 같은 특수 하드웨어를 완전히 배제하고, 오직 상용 와이파이 칩이 제공하는 진폭 정보(RSSI, CSI)만을 활용한다는 점에서 혁신적이다. 와이파이 패킷 전송은 CSMA/CA에 의해 불규칙하게 발생하므로, 시간 간격이 일정하지 않은 것이 큰 도전 과제였다. 저자들은 1‑D 선형 보간을 통해 1 kHz 수준의 균등 샘플을 생성하고, 저역통과 필터로 고주파 노이즈를 제거한 뒤, 이동 평균을 이용해 장기적인 편향을 차감함으로써 ‘조건부 채널 신호’를 얻는다.

핵심 알고리즘은 인간 팔이 움직일 때 발생하는 다중 경로 간의 constructive·destructive interference에 의해 진폭이 급격히 변하는 피크와 트로프를 탐지하는 것이다. 피크 검출 단계에서는 평균값의 1.5배를 초과하는 진폭을 후보로 삼고, 최소 하나의 피크가 평균 잡음보다 1σ 이상 높아야 유효 제스처로 인정한다. 이렇게 추출된 피크 집합은 시간 순서와 높이 변화를 분석해 제스처를 구분한다. 예를 들어 ‘밀기’ 제스처는 수신기에 가까워짐에 따라 피크 높이가 점진적으로 증가하는 반면, ‘당기기’는 반대로 감소한다. ‘펀치’는 상승‑하강‑상승 패턴, ‘레버’는 상승‑하강‑다시 상승 패턴을 보인다.

실험은 6명의 참가자를 대상으로 4가지 제스처를 각각 20회씩 수행하게 하여 라인‑오브‑사이트와 백팩 내부 두 환경에서 정확도를 측정했다. 라인‑오브‑사이트에서는 평균 91%, 백팩 내부에서는 89%의 정확도를 기록했으며, 이는 위상 기반 방식이 불가능한 상용 와이파이에서도 충분히 실용적인 수준이다. 또한 전송기 위치를 네 군데 바꾸어도 정확도 차이가 2~3%에 불과해, 절대 진폭값이 아니라 상대 변화만을 이용하는 접근법의 강인함을 확인했다.

거짓 양성 억제를 위해 ‘시작 제스처’를 도입했으며, 사무실 환경(13명 동시 사용)에서 60분 동안 테스트한 결과, 시작 제스처 없이 시스템을 운영하면 2.3건/분의 거짓 양성이 발생하지만, 시작 제스처를 적용하면 0.02건/분으로 크게 감소한다. 이는 실제 서비스 적용 시 사용자 경험을 크게 향상시킬 수 있음을 시사한다.

전반적으로 이 논문은 와이파이 진폭 변동을 이용한 제스처 인식이라는 새로운 패러다임을 제시하고, 하드웨어 비용을 최소화하면서도 비가시 영역에서 동작 가능한 인터페이스를 구현한다는 점에서 차세대 무선 인간‑컴퓨터 인터랙션(HCI) 연구에 중요한 기여를 한다. 향후 다중 AP를 활용한 협업 CSI 수집, 머신러닝 기반 피크 패턴 학습, 그리고 더 복잡한 제스처 세트 확대 등이 연구 방향으로 제시된다.