研究者が新しいハンドジェスチャー認識アルゴリズムを開発

孫中山大学のZhiyi Yuが率いる研究チームは、複雑で正確で適用可能な新しいハンドジェスチャー認識アルゴリズムを開発しました。

ハンドジェスチャーは、人間とコンピューターの間の相互作用にますます多く採用されており、最近のカメラシステム、画像分析、機械学習の進歩により、光学ベースのジェスチャー認識が大幅に改善されています。しかし、現在の方法は、高い計算複雑さ、低速、低精度、認識可能なジェスチャーの少なさなどの制限により、多くの課題に直面しています。

研究チームが開発した新しいアルゴリズムは、これらの制限を克服しようとします。これは、Journal of Electronic Imagingに掲載された論文で詳細に説明されています。チームの主な目標の1つは、課題を克服し、消費者レベルのデバイスで簡単に適用できるアルゴリズムを作成することでした。

異なるハンドタイプへの適応性

アルゴリズムの最も印象的な側面の1つは、異なるハンドタイプへの適応性です。ユーザーのハンドタイプをスリム、ノーマル、ブロードの3つに分類します。これは、手の幅、手の長さ、指の長さの関係を表す3つの測定値に基づいて行われます。

分類に成功した後、ハンドジェスチャー認識プロセスは、入力ジェスチャーを同じハンドタイプの保存されたサンプルと比較します。

「伝統的なシンプルなアルゴリズムは、異なるハンドタイプに対応できないため、認識率が低くなりがちです。ハンドタイプによって入力ジェスチャーを分類し、同じタイプのサンプルライブラリを使用することで、リソース消費をほとんど増やさずに全体的な認識率を向上させることができます」とYuは述べています。

事前認識ステップ

チームの方法は、事前認識ステップを実行するための「ショートカット機能」を使用することも依存しています。認識アルゴリズムは、9つの可能なジェスチャーの中から入力ジェスチャーを識別できますが、入力ジェスチャーのすべての特徴を保存されたサンプルと比較することは非常に時間がかかります。

これを克服するために、アルゴリズムの事前認識ステップは、手の面積の比率を計算して、9つの可能なジェスチャーの中から3つの最も可能性の高いジェスチャーを選択します。これにより、候補ジェスチャーの数が3つに絞られ、最終的なジェスチャーは「Hu不変モーメント」に基づくより複雑で高精度な特徴抽出によって決定されます。

「ジェスチャーの事前認識ステップは、計算とハードウェアリソースの数を減らすだけでなく、精度を損なうことなく認識速度を向上させることもできます」とYuは述べています。

アルゴリズムは、商用PCプロセッサとFPGAプラットフォームを使用してテストされ、USBカメラが使用されました。チームは、9つのハンドジェスチャーを複数回行うために40人のボランティアを募り、さらに40人を使用してシステムの精度を決定しました。

システムは、入力ジェスチャー画像が回転、移動、またはスケールされた場合でも、リアルタイムでハンドジェスチャーを認識できることが示され、認識率は93%を超えました。

研究者は、今後、アルゴリズムのパフォーマンスをさまざまな照明条件下で向上させ、認識可能なジェスチャーの数を増やすことに焦点を当てると述べています。