基于智能家居自动化的手势识别,使用特征融合和循环神经网络
Bayan Ibrahimm Alabdullah1, Hira Ansar2, Naif Al Mudawi3
1Department of Information Systems, College of Computer and Information Sciences, Princess Nourah bint Abdulrahman University, P.O. Box 84428, Riyadh 11671, Saudi Arabia.
Sensors (Basel, Switzerland)
|September 9, 2023
概括
这项研究引入了一种新的无标记手势识别系统. 新方法实现了高精度,为人机交互提供了具有成本效益和效率的解决方案.
科学领域:
- 计算机科学 计算机科学
- 人与计算机的交互
- 人工智能的人工智能
背景情况:
- 手势识别对于直观的人机交互 (HCI) 至关重要.
- 传统方法通常依赖于昂贵的硬件,如手套或标记,限制了可访问性.
- 需要有效的,无标记的手势识别系统.
研究的目的:
- 开发一种用于动态手势识别的新,无标记技术.
- 提高HCI中手势分类的准确性和效率.
- 为现有的手势识别方法提供一个具有成本效益的替代方案.
主要方法:
- 动态手势被转换成图像框架进行处理.
- 图像预处理涉及降低噪音和调整强度以提取特征.
- 检测到手的手势,和骨信息是计算的特征提取使用技术,如联合颜色云和神经气体.
- 功能通过使用循环神经网络 (RNN) 进行优化和分类.
主要成果:
- 拟议的无标记器系统在多个数据集中实现了高精度:HaGRI的92.57%,Egogesture的91.86%和Jester的91.57%.
- 该模型在WLASL数据集上表现出强的表现,达到90.43%的准确性.
- 与其他最先进的方法相比,对比分析显示出更高的准确性.
结论:
- 开发的无标记手势识别系统提供了一个高度准确和高效的解决方案.
- 这种方法大大降低了与手势分类相关的成本和时间.
- 这些发现为更容易获得和更先进的人机交互铺平了道路.
关键词:
适应式中间波器 适应式中间波器深度学习是一种深度学习.功能融合 功能融合 功能融合过器的过器是一个过器.这是手势识别,是手势识别.手探测器手探测器手探测器家庭自动化 家庭自动化降低噪音 减少噪音
