I ricercatori sviluppano un nuovo algoritmo di riconoscimento dei gesti delle mani

Un team di ricercatori guidato da Zhiyi Yu dell’Università Sun Yat-sen ha sviluppato un nuovo algoritmo di riconoscimento dei gesti delle mani che è complesso, preciso e applicabile.

I gesti delle mani stanno diventando sempre più popolari per le interazioni uomo-computer, e i recenti progressi nei sistemi di fotocamera, analisi delle immagini e apprendimento automatico hanno notevolmente migliorato il riconoscimento dei gesti basato su ottica. Tuttavia, i metodi attuali affrontano molte sfide a causa delle limitazioni nella complessità computazionale elevata, bassa velocità, bassa precisione e basso numero di gesti riconoscibili.

Il nuovo algoritmo sviluppato dal team tenta di superare queste limitazioni, e è stato descritto in un articolo pubblicato sulla Journal of Electronic Imaging. Uno degli obiettivi principali del team era creare un algoritmo che non solo superi queste sfide, ma che possa anche essere facilmente applicato in dispositivi di consumo.

Adattabilità a diversi tipi di mani

Uno degli aspetti più impressionanti dell’algoritmo è la sua adattabilità a diversi tipi di mani. Inizia tentando di classificare il tipo di mano dell’utente come sottile, normale o largo. Ciò avviene sulla base di tre misurazioni che tengono conto delle relazioni tra la larghezza del palmo, la lunghezza del palmo e la lunghezza delle dita.

Dopo una classificazione riuscita, il processo di riconoscimento dei gesti delle mani confronta il gesto di input con campioni archiviati dello stesso tipo di mano.

“Gli algoritmi tradizionali semplici tendono a soffrire di bassi tassi di riconoscimento perché non possono gestire diversi tipi di mani. Classificando prima il gesto di input per tipo di mano e utilizzando librerie di campioni che corrispondono a questo tipo, possiamo migliorare il tasso di riconoscimento complessivo con un consumo di risorse quasi trascurabile”, afferma Yu.

Il passaggio di prerecognition

Il metodo del team si basa anche sull’utilizzo di una “funzionalità di scorciatoia” per eseguire un passaggio di prerecognition. L’algoritmo di riconoscimento è in grado di identificare un gesto di input tra nove gesti possibili, ma è estremamente dispendioso in termini di tempo confrontare tutte le caratteristiche del gesto di input con quelle dei campioni archiviati per tutti i gesti possibili.

Per superare questo limite, il passaggio di prerecognition dell’algoritmo calcola un rapporto tra l’area della mano per selezionare i tre gesti più probabili dei nove possibili. Ciò riduce il numero di gesti candidati a tre, e il gesto finale viene deciso da un’estrazione di caratteristiche più complessa e ad alta precisione basata sui “momenti invarianti di Hu”.

“Il passaggio di prerecognition del gesto non solo riduce il numero di calcoli e le risorse hardware richieste, ma migliora anche la velocità di riconoscimento senza compromettere la precisione”, afferma Yu.

L’algoritmo è stato testato su un processore PC commerciale e su una piattaforma FPGA utilizzando una fotocamera USB. Il team ha coinvolto 40 volontari per eseguire i nove gesti delle mani più volte, e altri 40 sono stati utilizzati per determinare l’accuratezza del sistema.

Il sistema ha dimostrato di poter riconoscere i gesti delle mani in tempo reale con un tasso di accuratezza superiore al 93%. Ciò è stato possibile anche quando le immagini dei gesti di input sono state ruotate, traslate o ridimensionate.

I ricercatori affermano che ora si concentreranno sull’miglioramento delle prestazioni dell’algoritmo in condizioni di illuminazione diverse, nonché sull’aumento del numero di gesti possibili.