手势识别模型训练

人机之间的交互性是虚拟现实技术的关键特征,在智能硬件持续更新和移动网络不断提速的今天,人机交互方式得到了快速的发展,其中手势是当今最热门的人机交互方式。目前在智能汽车、可穿戴设备、汽车电子、智能手机等领域,都已经使用了手势交互作为新一代的人机交互方式。

官网图一.jpg

实现手势交互,首先要完成手势数据的采集。实现数据采集一般有两种方式:基于摄像头图像的视觉手势捕捉、基于传感器追踪的惯性手势捕捉。但这两种方式的手势捕捉有捕捉精度不够、较多数据噪声,需要进行数据预处理工作的缺点。哈尔滨工业大学理学院王一峰博士对智能手环的手势交互做了研究。

官网图二.jpg

王一峰博士使用NOKOV(度量)光学三维动作捕捉系统获取手势数据。通过在手环表面贴上反光标志点(marker),基于红外光学的动作捕捉系统可实时输出marker的三维坐标,戴着手环做手势时,不同手势的信息就能以marker位置的变化体现,精度达到亚毫米级。而手部运动的速度、加速度等信息也可由动作捕捉系统提供。这些数据可通过NOKOV度量动作捕捉提供的丰富SDK接口,直接导入到不同的系统中。省去了研究者大量数据预处理的时间,让他们能更好地进行分类识别算法的研究上。

官网动图.gif

通过导入的数据信息训练好分类识别模型后,以26个字母的各种手势做测试样本进行算法验证,统计通过连续实时测试手势样本的正确识别频数、错误分类的类别及其频数,完成识别分类的准确率分析。

posted @ 2021-05-26 17:15  您家豆子  阅读(42)  评论(0编辑  收藏  举报