创新的医疗保健解决方案:使用1D CNN强大的手势识别日常生活程序
Naif Al Mudawi1, Hira Ansar2, Abdulwahab Alazeb1
1Department of Computer Science, College of Computer Science and Information System, Najran University, Najran, Saudi Arabia.
Frontiers in bioengineering and biotechnology
|August 15, 2024
概括
本研究引入了一个动态的手势识别系统,以加强电子学习和医疗领域的沟通. 该方法实现了高精度,改善了教师,学生和专业人员的信息交换.
科学领域:
- 计算机科学 计算机科学
- 人与计算机的交互
- 生物医学工程 生物医学工程
背景情况:
- 手势是教育和医学的重要沟通工具.
- 电子学习的采用正在增加,但在这一领域的手势研究是有限的.
- 手势帮助医疗专业人员进行诊断和治疗.
研究的目的:
- 开发一个动态的手势监控和识别系统.
- 提高教师,学生和医疗专业人员的信息接收.
- 提高各个部门的通信效率.
主要方法:
- 这是一个六个模块的方法,包括视频处理,手骨架映射 (SSMD),手探测 (CNN),特征提取和优化 (PBL).
- 使用1D CNN分类器进行手动识别.
- 集成的背景建模和边界框技术用于手部检测.
主要成果:
- 在印度手语数据集上实现了83.71%的手跟踪准确度.
- 在WLASL数据集上实现了85.71%的手跟踪精度.
- 证明了该方法在识别手动的有效性.
结论:
- 拟议的系统为教师,学生和医疗人员提供有效的信息传输和理解.
- 高准确率表明了改善沟通和信息交换的潜力.
- 该方法为各种应用领域提供了有价值的工具.
