边缘设备上的手势识别:传感器技术,算法和处理硬件
Elfi Fertl1,2, Encarnación Castillo2, Georg Stettinger1
1Infineon Technologies AG, 85579 Neubiberg, Germany.
Sensors (Basel, Switzerland)
|April 28, 2025
概括
这篇论文调查了无设备手势识别 (HGR) 系统,评估了WIFI和视觉等技术. 它详细介绍了硬件,算法和集成,以便在没有可穿戴设备的情况下实现高效,准确的手势识别.
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 (HGR) 提供了自然的人与计算机的交互,现有的研究集中在可穿戴设备上.
- 无设备的HGR,不需要用户佩戴或持有任何设备,提供了一个替代方法.
研究的目的:
- 提供无设备HGR系统的全面概述.
- 分析涉及无设备HGR的技术,硬件和算法.
- 确定挑战,并建议未来的研究方向,以改善HGR.
主要方法:
- 评估传感器模式,包括WIFI,视觉,雷达,移动网络和超声波.
- 探索预处理技术,如立体视觉,MIMO和各种绘图技术.
- 研究分类方法,包括机器学习 (ML) 和没有机器学习 (ML) 的分类方法,包括树结构和变压器.
主要成果:
- 展示了定时,功率,硬件和算法在确定HGR细粒度,准确性和手势数量的相互作用.
- 评估系统集成水平,包括边缘兼容性,实时能力,持续学习,稳定性,ML应用和准确性.
- 彻底了解当前无设备HGR的最新技术,特别是边缘设备.
结论:
- 无设备的HGR系统为自然的人机交互提供了一个有希望的途径.
- 需要进一步的研究来应对当前的挑战,并提高这些系统的效率和准确性.
- 该研究为开发先进,集成和强大的无设备HGR解决方案提供了基础.


