Forskare Utvecklar Ny Algoritm för Handgest Erkännande

Ett team av forskare ledda av Zhiyi Yu från Sun Yat-sen University har utvecklat en ny algoritm för handgest erkännande som är komplex, exakt och tillämpbar.

Handgesterna används alltmer för interaktioner mellan människa och dator, och de senaste framstegen inom kamera system, bildanalys och maskinlärning har förbättrat den optiska gest erkännandet avsevärt. Det sagt, befintliga metoder möter många utmaningar på grund av begränsningar i hög beräkningskomplexitet, låg hastighet, låg noggrannhet och lågt antal erkända gester.

Den nya algoritmen som utvecklats av teamet försöker övervinna dessa begränsningar, och den beskrivs i en artikel publicerad i Journal of Electronic Imaging. Ett av teamets huvudmål var att skapa en algoritm som inte bara övervinner dessa utmaningar, utan också kan appliceras lätt i konsumentnivå enheter.

Anpassning till Olika Handtyper

En av de mest imponerande aspekterna av algoritmen är dess anpassning till olika handtyper. Den försöker först klassificera handtypen hos användaren som antingen smal, normal eller bred. Den gör detta baserat på tre mått som tar hänsyn till relationerna mellan handflata bredd, handflata längd och fingrar längd.

Efter en lyckad klassificering, jämför handgest erkännandeprocessen den inmatade gesten med lagrade exempel av samma handtyp.

“Traditionella enkla algoritmer lider ofta av låga erkännandegradier eftersom de inte kan hantera olika handtyper. Genom att först klassificera den inmatade gesten efter handtyp och sedan använda exempelbibliotek som matchar denna typ, kan vi förbättra den övergripande erkännandegraden med nästan försumbar resurskonsumtion”, säger Yu.

Förkännandet Steget

Teamets metod bygger också på användningen av en “genvägsfunktion” för att utföra ett förkännandesteg. Erkännandetalgoritmen kan identifiera en inmatad gest av nio möjliga gester, men det är extremt tidskrävande att jämföra alla funktioner i den inmatade gesten med de som finns i de lagrade exemplen för alla möjliga gester.

För att övervinna detta, beräknar algoritmens förkännandesteg ett förhållande mellan handens area för att välja de tre mest sannolika gester av de nio möjliga. Detta minskar antalet kandidatgest till tre, och den slutliga gesten bestäms av en mer komplex och högprecisions funktionsextraktion baserad på “Hu invarianta ögonblick”.

“Förkännandesteg för gesten minskar inte bara antalet beräkningar och hårdvaruresurser som krävs, utan förbättrar också erkännandehastigheten utan att kompromissa med noggrannheten”, säger Yu.

Algoritmen testades i en kommersiell PC-processor och en FPGA-plattform med en USB-kamera. Teamet bad 40 frivilliga att göra de nio handgesterna flera gånger, och 40 till användes för att bestämma systemets noggrannhet.

Systemet visade sig kunna känna igen handgesterna i realtid med en noggrannhetsgrad på över 93%. Detta var fallet även när de inmatade gestbilderna roterades, translaterades eller skalades.

Forskarna säger att de nu kommer att fokusera på att förbättra algoritmens prestanda under olika belysningsförhållanden, samt öka antalet möjliga gester.