/图像-1/波形手套原型。一个惯性传感器连接到五个手指中的每一个，测量加速度和角速度，用于手势分类。所有使用的组件都是低成本且广泛可用的，这进一步展示了未来大规模生产类似设备的潜力。信用:Kralik & Suppa。在过去的几十年里，计算机科学家已经开发了一系列模型和方法来分析人类行为和交流的不同方面，如语音、情绪和手势。大多数现有的手势识别技术都依赖于单个传感器的可穿戴技术，只能识别有限数量的基本手势。斯洛伐克布拉迪斯拉发的夸美纽斯大学的研究人员最近开发了一种新的手势识别系统WaveGlove，该系统利用多个惯性传感器，而不是单个传感器。在arXiv上预先发表的一篇论文中介绍了这种新系统，它本质上是一只手套，每个手指上都放置了一个惯性传感器。
“我们最近的论文展示了使用多个惯性传感器进行手势识别(HGR)，”开展这项研究的研究人员之一Matej Kralik告诉TechXplore。“通过构建一个定制的硬件原型，并提出一个新颖的基于Transformer的模型(一种网络架构，在自然语言处理任务中取得了很大成功)，我们证明了使用多个传感器可以对分类精度产生显著影响，并允许更丰富的手势词汇。”
使用他们创建的手势识别系统WaveGlove，研究人员能够获取包含超过11000个手势样本的两个数据集。然后，Kralik和他的同事设计了两个不同的ge sture词汇表，一个包含8个整手动作(WaveGlove-single)，另一个包含10个更复杂、精心设计的手势，每个手指的移动方式不同(WaveGlove-multi)。
wave glove单个数据集的手势类似于通常仅使用一个传感器分类的手势。传感器沿箭头方向移动。信用:Kralik & Suppa。“与传统的手持传感器相比，多传感器的存在使我们能够设计和分类更丰富的手势词汇，”克拉里克说。“我们使用多个传感器分类的手势与我们日常生活中已经使用的手势相似。这使得像WaveGlove这样的设备的使用更加容易和自然。”
除了汇编手势数据集和确认WaveGlove系统的有效性之外，研究人员还对10多种手势识别分类方法进行了基准测试，其中一些方法是他们之前研究的一部分。他们在许多不同的数据集上评估了这些方法，因为他们希望这将有助于手势识别领域结果的标准化。
wave glove多数据集的一些手势。多个传感器的存在允许不同的手指运动，以及使用我们已经从日常生活中知道的手势。信用:Kralik & Suppa。这组研究人员收集的发现可能有许多有价值的含义。首先，他们的工作可以为关注手势识别的研究提供信息，并有助于增强现有系统。其次，他们创造的WaveGlove原型最终可以用来改善人类和机器之间的通信，使后者能够更好地解释人类的手势。
“据我们所知，我们在使用惯性传感器的手势识别领域提供了第一个公开可用的大尺寸多传感器数据集，”Kralik说。“我们还证明了传感器的最佳数量和位置取决于正在分类的手势。我们现在的目标是探索对我们检查的基于Transformer的模型的进一步微调，增加数据集的大小和可变性，并扩展手势的多传感器词汇表。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
