Kunsmatige Intelligensie
Navorsers ontwikkel nuwe handgebareherkenningsalgoritme
'n Span navorsers onder leiding van Zhiyi Yu van Sun Yat-sen Universiteit het 'n nuwe handgebare-herkenningsalgoritme ontwikkel wat kompleks, akkuraat en toepaslik is.
Handgebare word toenemend aangeneem vir mens-rekenaar-interaksies, en onlangse vooruitgang in kamerastelsels, beeldanalise en masjienleer het optiese-gebaseerde gebareherkenning aansienlik verbeter. Met dit gesê, huidige metodes staar baie uitdagings in die gesig as gevolg van beperkings in hoë berekeningskompleksiteit, lae spoed, swak akkuraatheid en lae aantal herkenbare gebare.
Die nuwe algoritme wat deur die span ontwikkel is poog om hierdie beperkings te oorkom, en dit is uiteengesit in 'n artikel wat in die Journal of Electronic Imaging. Een van die hoofdoelwitte van die span was om 'n algoritme te skep wat nie net hierdie uitdagings oorkom nie, maar ook maklik in toestelle op verbruikersvlak toegepas kan word.
Aanpasbaarheid by verskillende handtipes
Een van die mees indrukwekkende aspekte van die algoritme is sy aanpasbaarheid by verskillende handtipes. Dit probeer eers om die handtipe van die gebruiker as óf skraal, normaal óf breed te klassifiseer. Dit doen dit op grond van drie metings wat verband hou tussen palmwydte, palmlengte en vingerlengte.
Na 'n suksesvolle klassifikasie vergelyk die handgebaarherkenningsproses die invoergebaar met gestoorde monsters van dieselfde handtipe.
“Tradisionele eenvoudige algoritmes is geneig om te ly aan lae herkenningsyfers omdat hulle nie verskillende handtipes kan hanteer nie. Deur eers die invoergebaar per handtipe te klassifiseer en dan voorbeeldbiblioteke te gebruik wat by hierdie tipe pas, kan ons die algehele herkenningskoers verbeter met byna onbeduidende hulpbronverbruik,” sê Yu.
Die voorafherkenningstap
Die span se metode maak ook staat op die gebruik van 'n "kortpadfunksie" om 'n voorafherkenningstap uit te voer. Die herkenningsalgoritme is in staat om 'n invoergebaar van nege moontlike gebare te identifiseer, maar dit is uiters tydrowend om al die kenmerke van die invoergebaar te vergelyk met dié van die gestoorde monsters vir alle moontlike gebare.
Om dit te oorkom, bereken die algoritme se voorafherkenningstap 'n verhouding van die area van die hand om die drie mees waarskynlike gebare van die moontlike nege te kies. Dit bring die aantal kandidaatgebare op drie te staan, en die finale gebaar word bepaal deur meer komplekse en hoë-presisie-kenmerkonttrekking gebaseer op "Hu-onveranderlike oomblikke."
"Die gebare voorafherkenningstap verminder nie net die aantal berekeninge en hardewarehulpbronne wat benodig word nie, maar verbeter ook die herkenningspoed sonder om akkuraatheid in te boet," sê Yu.
Die algoritme is getoets in 'n kommersiële rekenaarverwerker en 'n FPGA-platform met behulp van 'n USB-kamera. Die span het 'n beroep op 40 vrywilligers gedoen om die nege handgebare verskeie kere te maak, en nog 40 is gebruik om die akkuraatheid van die stelsel te bepaal.
Die stelsel het getoon dat dit handgebare intyds kan herken met 'n akkuraatheidskoers van meer as 93%. Dit was die geval selfs wanneer die invoergebaarbeelde geroteer, vertaal of geskaal is.
Die navorsers sê dat hulle nou sal kyk om te fokus op die verbetering van die werkverrigting van die algoritme onder verskillende beligtingstoestande, asook om die aantal moontlike gebare te vermeerder.
