Investigadores Desarrollan un Nuevo Algoritmo de Reconocimiento de Gestos Manuales

Un equipo de investigadores liderado por Zhiyi Yu de la Universidad Sun Yat-sen ha desarrollado un nuevo algoritmo de reconocimiento de gestos manuales que es complejo, preciso y aplicable.

Los gestos manuales están siendo adoptados cada vez más para las interacciones entre humanos y computadoras, y los avances recientes en sistemas de cámaras, análisis de imágenes y aprendizaje automático han mejorado significativamente el reconocimiento de gestos basado en la óptica. Sin embargo, los métodos actuales enfrentan muchos desafíos debido a las limitaciones en la alta complejidad computacional, la baja velocidad, la poca precisión y el bajo número de gestos reconocibles.

El nuevo algoritmo desarrollado por el equipo intenta superar estas limitaciones, y se detalló en un artículo publicado en la Revista de Imágenes Electrónicas. Uno de los principales objetivos del equipo era crear un algoritmo que no solo superara estos desafíos, sino que también pudiera ser aplicado fácilmente en dispositivos de nivel de consumidor.

Adaptabilidad a Diferentes Tipos de Manos

Uno de los aspectos más impresionantes del algoritmo es su adaptabilidad a diferentes tipos de manos. Primero intenta clasificar el tipo de mano del usuario como delgado, normal o ancho. Lo hace en función de tres mediciones que tienen en cuenta las relaciones entre el ancho de la palma, la longitud de la palma y la longitud de los dedos.

Después de una clasificación exitosa, el proceso de reconocimiento de gestos manuales compara el gesto de entrada con muestras almacenadas del mismo tipo de mano.

“Los algoritmos tradicionales simples tienden a sufrir de bajas tasas de reconocimiento porque no pueden hacer frente a los diferentes tipos de manos. Al clasificar primero el gesto de entrada por tipo de mano y luego utilizar bibliotecas de muestras que coinciden con este tipo, podemos mejorar la tasa de reconocimiento general con un consumo de recursos casi negligible”, dice Yu.

El Paso de Pre-reconocimiento

El método del equipo también se basa en el uso de una “característica de atajo” para realizar un paso de pre-reconocimiento. El algoritmo de reconocimiento puede identificar un gesto de entrada de nueve gestos posibles, pero es extremadamente costoso en tiempo comparar todas las características del gesto de entrada con las de las muestras almacenadas para todos los gestos posibles.

Para superar esto, el paso de pre-reconocimiento del algoritmo calcula una relación entre el área de la mano para seleccionar los tres gestos más probables de los nueve posibles. Esto reduce el número de gestos candidatos a tres, y el gesto final se decide mediante una extracción de características más compleja y de alta precisión basada en “momentos invariantes de Hu”.

“El paso de pre-reconocimiento de gestos no solo reduce el número de cálculos y los recursos de hardware necesarios, sino que también mejora la velocidad de reconocimiento sin comprometer la precisión”, dice Yu.

El algoritmo se probó en un procesador de PC comercial y una plataforma FPGA utilizando una cámara USB. El equipo pidió a 40 voluntarios que hicieran los nueve gestos manuales varias veces, y 40 más se utilizaron para determinar la precisión del sistema.

El sistema demostró que podía reconocer gestos manuales en tiempo real con una tasa de precisión del 93%. Esto fue así incluso cuando las imágenes de los gestos de entrada se rotaron, tradujeron o escalaron.

Los investigadores dicen que ahora se centrarán en mejorar el rendimiento del algoritmo en diferentes condiciones de iluminación, así como en aumentar el número de gestos posibles.