突出驱动的手势识别,包括面向梯度 (HOG) 的直方图和深度学习
1Department of Computing Science, University of Alberta, Edmonton, AB T6G 2E8, Canada.
Sensors (Basel, Switzerland)
|September 28, 2023
概括
这项研究引入了一种新的计算机视觉模型,用于精确的手势识别,即使在复杂的背景中. 该模型达到99%以上的准确性,增强了人机通信.
科学领域:
- 计算机视觉 计算机视觉
- 人与计算机的交互
背景情况:
- 手势识别对于人机沟通至关重要.
- 复杂的背景挑战了现有的手形状识别方法,特别是那些仅依赖皮肤颜色的方法.
- 精确的手部区域检测对于可靠的手势解释至关重要.
研究的目的:
- 开发一种新且高效的手势识别模型.
- 在复杂的图像场景和各种条件下提高精度.
- 为了评估模型的稳定性与背景复杂性和图像噪声.
主要方法:
- 利用计算机视觉技术,包括突出地图,面向梯度 (HOG) 的直方图,坎尼边缘检测和皮肤颜色.
- 开发了一种高效的手姿势检测模型,整合了这些功能.
- 在可靠性测试的数据集中,约有60%的数据集引入了噪声.
主要成果:
- 在NUS手部姿势数据集II上实现了99%以上的准确性.
- 在具有复杂背景的具有挑战性的手势数据集上达到97%以上的准确性.
- 在添加噪音后,在NUS和手势数据集上表现出强大的性能,准确度超过98%和近97%,分别是.
结论:
- 拟议的模型显著提高了手势识别在复杂环境中的准确性.
- 将突出地图与HOG集成,在各种图像条件下提供稳定的性能.
- 这种方法为先进的人机交互系统提供了可靠的解决方案.
