東京工業(yè)大學（Tokyo Tech）的研究人員與卡內基梅隆大學，圣安德魯斯大學和新南威爾士大學的同事合作，開發(fā)了一種腕戴式3D姿勢估計裝置。該系統(tǒng)由一個攝像頭組成，該攝像頭捕獲手背的圖像，并由稱為DorsalNet的神經網絡支持，該AI神經網絡可以準確識別動態(tài)手勢。

能夠跟蹤手勢對于推進增強現(xiàn)實（AR）和虛擬現(xiàn)實（VR）設備至關重要，而增強現(xiàn)實和虛擬現(xiàn)實設備已經在醫(yī)療，體育和娛樂領域開始大量需求。迄今為止，這些設備都涉及使用笨重的數(shù)據(jù)手套，該手套往往會阻礙自然運動，或者使用的傳感器范圍有限。

現(xiàn)在，由東京工業(yè)大學的小池秀樹（Hideki Koike）領導的研究小組設計了一種基于相機的腕戴式3D手勢識別系統(tǒng)，該系統(tǒng)將來可能與智能手表相提并論。他們的系統(tǒng)可以重要地允許在移動設置中捕獲手部動作。

研究人員說：“這項工作是第一個使用來自手背區(qū)域視覺特征的基于視覺的實時3D手勢估計器?！痹撓到y(tǒng)由一個名為DorsalNet的神經網絡支持的攝像機組成，該神經網絡可以通過檢測手背的變化來準確估算3D手的姿勢。

研究人員證實，他們的系統(tǒng)在識別動態(tài)手勢方面比以前的工作平均精度高出20%，并且在檢測11種不同的抓握類型方面達到了75%的精度。

這項工作可以促進支持裸手交互的控制器的開發(fā)。在初步測試中，研究人員證明可以將其系統(tǒng)用于智能設備控制，例如，只需更改手指角度即可更改智能手表上的時間。他們還表明可以將該系統(tǒng)用作虛擬鼠標或鍵盤，例如通過旋轉手腕來控制指針的位置并使用簡單的8鍵鍵盤輸入輸入。

他們指出，對于現(xiàn)實世界的使用，將需要對該系統(tǒng)進行進一步的改進，例如使用具有更高幀頻的相機來捕捉快速的手腕運動，并能夠應對更多不同的光照條件。

責任編輯：lq