Peneliti Mengembangkan Algoritma Pengenalan Gerakan Tangan Baru

Tim peneliti yang dipimpin oleh Zhiyi Yu dari Universitas Sun Yat-sen telah mengembangkan algoritma pengenalan gerakan tangan baru yang kompleks, akurat, dan dapat diterapkan.

Gerakan tangan semakin banyak digunakan untuk interaksi manusia-komputer, dan kemajuan baru-baru ini dalam sistem kamera, analisis gambar, dan pembelajaran mesin telah sangat meningkatkan pengenalan gerakan berbasis optik. Dengan demikian, metode saat ini menghadapi banyak tantangan karena keterbatasan dalam kompleksitas komputasi yang tinggi, kecepatan yang rendah, akurasi yang rendah, dan jumlah gerakan yang dapat dikenali yang rendah.

Algoritma baru yang dikembangkan oleh tim ini berusaha untuk mengatasi keterbatasan ini, dan itu dijelaskan dalam sebuah makalah yang diterbitkan di Journal of Electronic Imaging. Salah satu tujuan utama tim ini adalah untuk menciptakan algoritma yang tidak hanya mengatasi tantangan ini, tetapi juga dapat dengan mudah diterapkan pada perangkat konsumen.

Adaptasi terhadap Berbagai Jenis Tangan

Salah satu aspek paling mengesankan dari algoritma ini adalah kemampuannya untuk beradaptasi dengan berbagai jenis tangan. Pertama, algoritma ini mencoba mengklasifikasikan jenis tangan pengguna sebagai ramping, normal, atau lebar. Ini dilakukan berdasarkan tiga pengukuran yang mempertimbangkan hubungan antara lebar telapak tangan, panjang telapak tangan, dan panjang jari.

Setelah klasifikasi yang sukses, proses pengenalan gerakan tangan membandingkan gerakan masukan dengan sampel yang disimpan dari jenis tangan yang sama.

“Algoritma sederhana tradisional cenderung menderita karena tingkat pengenalan yang rendah karena mereka tidak dapat menangani berbagai jenis tangan. Dengan mengklasifikasikan gerakan masukan berdasarkan jenis tangan dan kemudian menggunakan perpustakaan sampel yang sesuai dengan jenis tersebut, kita dapat meningkatkan tingkat pengenalan secara keseluruhan dengan konsumsi sumber daya yang hampir tidak ada,” kata Yu.

Langkah Prapengenalan

Metode tim ini juga bergantung pada penggunaan “fitur pintasan” untuk melakukan langkah prapengenalan. Algoritma pengenalan dapat mengidentifikasi gerakan masukan dari sembilan gerakan yang mungkin, tetapi sangat memakan waktu untuk membandingkan semua fitur gerakan masukan dengan fitur sampel yang disimpan untuk semua gerakan yang mungkin.

Untuk mengatasi ini, langkah prapengenalan algoritma menghitung rasio area tangan untuk memilih tiga gerakan yang paling mungkin dari sembilan gerakan yang mungkin. Ini mengurangi jumlah gerakan kandidat menjadi tiga, dan gerakan akhir diputuskan oleh ekstraksi fitur yang lebih kompleks dan presisi tinggi berdasarkan “moments invariant Hu.”

“Langkah prapengenalan gerakan tidak hanya mengurangi jumlah perhitungan dan sumber daya perangkat keras yang diperlukan, tetapi juga meningkatkan kecepatan pengenalan tanpa mengorbankan akurasi,” kata Yu.

Algoritma ini diuji pada prosesor PC komersial dan platform FPGA menggunakan kamera USB. Tim ini meminta 40 relawan untuk membuat sembilan gerakan tangan beberapa kali, dan 40 lainnya digunakan untuk menentukan akurasi sistem.

Sistem ini menunjukkan bahwa dapat mengenali gerakan tangan secara waktu nyata dengan tingkat akurasi lebih dari 93%. Ini berlaku bahkan ketika gambar gerakan masukan diputar, diterjemahkan, atau diskalakan.

Peneliti mengatakan bahwa mereka sekarang akan fokus pada meningkatkan kinerja algoritma di bawah kondisi pencahayaan yang berbeda, serta meningkatkan jumlah gerakan yang mungkin.