Gerakan tangan merupakan mode penting lain dari komunikasi manusia yang dapat diadopsi untuk interaksi manusia-komputer.Kemajuan terbaru dalam sistem kamera, analisis gambar, dan pembelajaran mesin telah membuat Anderton Laporan Minoritas.. Namun, metode saat ini terhambat oleh berbagai keterbatasan, termasuk kompleksitas komputasi yang tinggi, kecepatan rendah, akurasi rendah, dan sejumlah kecil gerakan yang dapat dikenali. Untuk mengatasi masalah ini, tim yang dipimpin oleh Zhiyi Yu dari Universitas Sun Yat-sen di China baru-baru ini mengembangkan algoritma pengenalan gerakan tangan baru yang menyeimbangkan kompleksitas, akurasi, dan penerapan.Seperti yang dirinci dalam makalah mereka yang diterbitkan di Jurnal Pencitraan ElektronikTim telah mengadopsi strategi inovatif untuk mengatasi tantangan utama dan menghadirkan algoritme yang mudah diterapkan pada perangkat tingkat konsumen.

Salah satu fungsi utama dari algoritme adalah kemampuannya untuk beradaptasi dengan jenis tangan yang berbeda. Algoritme pertama-tama mengklasifikasikan jenis tangan pengguna menjadi ramping, normal, atau lebar, berdasarkan tiga pengukuran yang memperhitungkan hubungan antara lebar telapak tangan, panjang telapak tangan, dan panjang jari. Saya akan mencoba. Jika klasifikasi ini berhasil, langkah selanjutnya dalam proses pengenalan gerakan tangan hanya akan membandingkan gerakan input dengan sampel yang disimpan dari jenis tangan yang sama. “Algoritme sederhana tradisional cenderung memiliki tingkat pengenalan yang lebih rendah karena tidak dapat menangani jenis tangan yang berbeda. Pertama, kami mengklasifikasikan isyarat input berdasarkan jenis tangan, dan kemudian kami memiliki perpustakaan sampel yang cocok dengan jenis ini. Dengan menggunakannya, Anda dapat meningkatkan tingkat pengenalan keseluruhan dengan sumber daya yang hampir dapat diabaikan. Konsumsi, ”jelas Yu.

Aspek penting lainnya dari metode tim adalah menggunakan “fitur pintasan” untuk melakukan langkah-langkah pra-pengenalan. Algoritme pengenalan dapat mengidentifikasi isyarat masukan dari sembilan isyarat yang mungkin, tetapi membutuhkan banyak waktu untuk membandingkan semua fitur isyarat masukan dengan fitur dari semua sampel isyarat yang disimpan. Untuk mengatasi masalah ini, langkah pra-pengenalan menghitung rasio area tangan dan memilih tiga gerakan yang paling mungkin dari sembilan gerakan yang mungkin. Fitur sederhana ini cukup untuk mempersempit jumlah kandidat gestur menjadi tiga, di mana gestur akhir ditentukan menggunakan ekstraksi fitur yang jauh lebih kompleks dan akurat berdasarkan “momen invarian Hu”. Akan dilakukan. “Langkah pra-pengenalan gerakan tidak hanya mengurangi jumlah komputasi dan sumber daya perangkat keras yang diperlukan, tetapi juga meningkatkan kecepatan pengenalan tanpa mengurangi akurasi,” kata Yu.

Tim menguji algoritme pada prosesor PC komersial dan platform FPGA dengan kamera USB. Bagi mereka, 40 sukarelawan membuat beberapa gerakan 9 tangan untuk membangun perpustakaan sampel, dan 40 sukarelawan lainnya menilai keakuratan sistem. Secara keseluruhan, hasil menunjukkan bahwa pendekatan yang diusulkan dapat mengenali gerakan tangan secara real time dengan akurasi lebih dari 93%, bahkan jika gambar gerakan input diputar, diubah, atau diskalakan. Pekerjaan di masa depan akan fokus pada peningkatan kinerja algoritme di bawah kondisi kilat yang merugikan dan meningkatkan jumlah gerakan yang mungkin, menurut para peneliti.

Pengenalan gerakan memiliki banyak aplikasi yang menjanjikan yang dapat membuka jalan bagi cara-cara baru untuk mengontrol perangkat elektronik. Sebuah revolusi dalam interaksi manusia-komputer mungkin sudah dekat!

Sumber cerita:

Materi disediakan oleh SPIE–Masyarakat Internasional Teknik Optik.. Catatan: Konten dapat diedit dalam gaya dan panjangnya.