Человеко - компьютерное взаимодействие является ключевой особенностью технологии виртуальной реальности. Сегодня, с постоянным обновлением интеллектуального оборудования и ускорением мобильных сетей, взаимодействие между человеком и машиной быстро развивается, причем распознавание жестов является наиболее популярным режимом взаимодействия между человеком и машиной. В настоящее время взаимодействие жестов используется в качестве взаимодействия человека и машины нового поколения в таких областях, как смартфоны, носимые устройства, автомобильная электроника, смартфоны и т. Д.
Первым шагом на пути к взаимодействию жестов является сбор данных о жестах. Сбор данных осуществляется двумя способами: визуальным захватом жестов на основе изображений камеры и инерциальным захватом жестов на основе отслеживания датчиками. Тем не менее, оба метода по - прежнему имеют очевидные недостатки, такие как недостаточная точность захвата, большой шум данных и предварительная обработка данных. Доктор Ван Ифэн из Школы наук Харбинского технологического университета изучает взаимодействие жестов с умными браслетами.
Д - р Ван Ифэн использует систему захвата движения NOKOV для получения данных о жестах. Благодаря маркировке поверхности интеллектуального браслета система захвата движения на основе инфракрасной оптики может выводить трехмерные координаты метки в реальном времени. Когда вы носите умные браслеты и делаете жесты, информация о разных жестах может быть отражена изменением положения разметки с точностью до субмиллиметров. Скорость, ускорение и другая информация о движении рук также предоставляются системой захвата движения. Все данные импортируются непосредственно в различные системы через богатый интерфейс SDK, предоставляемый системой захвата движений NOKOV. Исследователи могут сосредоточиться на алгоритмах классификации и идентификации, а не тратить время на предварительную обработку больших объемов данных.
После импорта модели распознавания классификаций для обучения информации о данных алгоритм был проверен с использованием различных жестов из 26 букв в качестве тестовых образцов, а точность идентификационной классификации была проанализирована путем непрерывного тестирования правильной частоты распознавания статистических образцов жестов и категорий и частот классификации ошибок в режиме реального времени.
Применение систем захвата движения в изучении технологии интегрированной внутренней позиционирования
Гибкий робот для реабилитации верхних конечностей с использованием технологии виртуальной реальности
Пожалуйста, свяжитесь с нами
-
Мы прилагаем все усилия для того, чтобы помочь вам в ваших запросах и предоставить полную информацию.
Поделитесь с нами своими проблемами, и мы быстро направим вас к наиболее эффективному решению.
-
-
- Объем захвата * m m m
-
Объекты для отслеживания *
- Количество целей (необязательно)
-
Тип камеры (по желанию)
-
Количество камер (необязательно)
- Отправить