표면 진동 (Surface vibrations)을 감지하는 것은 주거 공간의 디자인을 해치지 않으면서 기존의 일상적인 표면에서 제스처 인식 (Gesture recognition)을 가능하게 함으로써 스마트 홈 시스템을 위한 비침습적 (Unobtrusive) 상호작용을 약속합니다. 기존의 접근 방식들은 표면에 장착된 센서부터 예측 모델의 평가에 이르기까지의 엔드-투-엔드 (End-to-end) 시스템을 제공하기보다는, 센싱 하드웨어 또는 오프라인 제스처 인식과 같이 처리 체인의 일부만을 다루는 것이 일반적입니다. 본 논문은 표준 사무용 책상에서의 제스처 인식을 위한 맞춤형 센서 시스템과 구성 가능한 데이터-모델 파이프라인 (Data-to-model pipeline)을 제시합니다. 우리의 하드웨어는 압전 센서 (Piezoelectric sensors)를 사용하여 진동을 저소음으로 감지할 수 있게 합니다. 모듈형 신호 처리 프레임워크 (Signal-processing framework)를 기반으로, 우리는 연속적인 녹음부터 가변적인 전처리 (Pre-processing)를 거쳐 모델 준비 데이터셋 (Model-ready dataset)에 이르기까지의 전체 체인을 모델링하며, 결과 데이터를 컴팩트한 심층 분리형 1D-CNN (Depthwise separable 1D-CNNs)으로 처리합니다. 우리는 전처리 및 모델 하이퍼파라미터 (Hyperparameters)에 대한 공동 탐색을 수행하였으며, 대역 통과 필터링 (Band-pass filtering), 고정 길이 윈도우 (Fixed-length windows), 그리고 최소-최대 정규화 (Min-max normalization)를 사용하는 8,722개의 파라미터를 가진 구성을 식별했습니다. 6가지 제스처를 수행하는 15명의 참가자로 구성된 자체 녹음 데이터셋에서, 이 구성은 Leave-one-subject-out 교차 검증 (Cross-validation)에서의 강력한 사용자 독립적 (User-independent) 성능을 포함하여 다양한 데이터 분할 방식에서 높은 정확도를 달성했습니다.