特殊教育的手势识别和响应系统使用计算机视觉和人机交互技术
1Sichuan Provincial Key Laboratory of Philosophy and Social Science for Language Intelligence in Special Education, Leshan Normal University, Leshan City, Sichuan Province, China.
Disability and rehabilitation. Assistive technology
|July 8, 2025
概括
这项研究引入了用于特殊教育的先进手势识别系统,达到95.4%的准确性. 使用遗传算法 (GA) 的模型压缩可以在移动设备上增强实时应用.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 人与计算机的交互
背景情况:
- 姿势识别对于改善人机交互 (HCI),特别是在特殊教育中至关重要.
- 现有系统在资源有限的设备上部署时面临挑战.
研究的目的:
- 为特殊教育应用开发和评估一个全面的手势识别和响应系统.
- 为了优化系统在移动和嵌入式平台上的实时性能.
主要方法:
- 使用深度学习架构 (AlexNet,VGG19,ResNet,MobileNet) 和机器学习算法 (SVM,随机森林).
- 使用遗传算法 (GA) 来进行模型压缩,以减少尺寸和推断时间.
- 在各种条件下对各种手势数据集进行系统性能评估.
主要成果:
- 在复杂的手势识别中实现了95.4%的最先进的精度.
- 通过基于GA的优化,模型大小减少了42%,推断时间减少了45%.
- 在不同的照明,用户人口统计学和物理变化中证明了强度.
结论:
- 开发的手势识别系统显示出作为特殊教育中的辅助工具的巨大潜力.
- 模型优化是部署先进AI在现实世界,资源有限的环境中的关键.
- 未来的工作包括扩大手势图书馆和整合多式联络输入,以提高适应性.
关键词:
亚历克斯的网络亚历克斯的网络在手势识别,手势识别.移动网络 (MobileNet) 是一个移动网络.这就是ResNet ResNet.在VGG-19中,VGG-19在VGG-19中使用.辅助技术是指辅助技术的使用.深度学习是一种深度学习.遗传算法 遗传算法机器学习是机器学习.一个模型的压缩压缩.实时系统实时系统.特殊教育 特殊教育

