通过深度数据优化和3D重建的手势识别
Zaid Mustafa1, Heba Nsour2, Sheikh Badar Ud Din Tahir3,4,5
1Department of Computer Information Systems, Prince Abdullah Bin Ghazi Faculty of Information and Communication Technology, Al-Balqa Applied University, Al-Salt, Al-Balqa, Jordan.
PeerJ. Computer science
|December 11, 2023
概括
这项研究引入了一种强大的手势识别 (HGR) 方法,使用融合特征和人工神经网络. 这种新的方法在基准数据集上实现了高精度,改善了人机交互的实时性能.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 人与计算机的交互
背景情况:
- 手势识别 (HGR) 对于VR,AR和机器人等各个领域的真实互动至关重要.
- 当前的HGR方法通常依赖于RGB数据和光流,需要大量的计算资源并影响实时性能.
研究的目的:
- 开发一种强大且计算效率高的手势识别方法.
- 为了提高HGR系统的准确性和实时能力.
主要方法:
- 预处理包括消噪,前景提取和手探测.
- 进行了手部细分,以确定关键地标.
- 三个融合特征 (几何,3D点建模,角点) 用灰狼优化用于人工神经网络.
主要成果:
- 拟议的HGR方法在IPN手数据集上实现了89.92%的准确性.
- 该系统在Jester数据集上显示了89.76%的识别准确度.
结论:
- 这种新的HGR方法有效地利用了多聚合特征和优化技术.
- 该方法为准确和高效的手势识别提供了有前途的解决方案,克服了现有技术的计算局限性.
