على مدى العقود القليلة الماضية ، طور علماء الكمبيوتر مجموعة واسعة من النماذج والأساليب لتحليل الجوانب المختلفة للسلوك البشري والتواصل ، مثل الكلام والعواطف والإيماءات. تعتمد معظم التقنيات الحالية للتعرف على إيماءات اليد على استخدام التقنيات القابلة للارتداء مع جهاز واحد مدخل بطاقة الذاكرة : نعم ويمكنه فقط التعرف على عدد محدود من الإيماءات الأساسية.
طور باحثون في جامعة كومينيوس براتيسلافا في سلوفاكيا مؤخرًا نظام WaveGlove ، وهو نظام جديد للتعرف على إيماءات اليد يستخدم أجهزة استشعار متعددة بالقصور الذاتي ، بدلاً من مستشعر واحد. هذا النظام الجديد هو في الأساس قفاز به مستشعر بالقصور الذاتي يوضع على كل من أصابعه.
قال أحد الباحثين الذين أجروا الدراسة: "تعرض ورقتنا الأخيرة استخدام أجهزة استشعار متعددة بالقصور الذاتي للتعرف على إيماءات اليد (HGR)". "من خلال إنشاء نموذج أولي مخصص للأجهزة واقتراح نموذج جديد قائم على المحولات (بنية الشبكة ، والتي حققت نجاحًا كبيرًا في مهام معالجة اللغة الطبيعية) ، نوضح أن استخدام أجهزة استشعار متعددة يمكن أن يكون له تأثير كبير على دقة التصنيف ويسمح للحصول على مفردات أكثر ثراءً للإيماءات ".
باستخدام WaveGlove ، نظام التعرف على إيماءات اليد الذي ابتكروه ، تمكن الباحثون من الحصول على مجموعتي بيانات تحتويان على أكثر من 11000 عينة من إيماءات اليد. ثم قاموا بتصميم اثنين من مفردات الإيماءات المختلفة ، واحدة تحتوي على 8 حركات باليد الكاملة (WaveGlove-single) والأخرى تحتوي على 10 إيماءات يدوية أكثر تعقيدًا ومصممة بعناية ، والتي تتحرك فيها الأصابع بشكل مختلف (WaveGlove-multi)
يسمح لنا وجود أجهزة استشعار متعددة بتصميم وتصنيف مفردات أكثر ثراءً للإيماءات مقارنةً بأجهزة الاستشعار المحمولة باليد. تتشابه الإيماءات التي نصنفها باستخدام أجهزة استشعار متعددة مع تلك التي نستخدمها بالفعل في حياتنا اليومية. هذا يجعل استخدام جهاز مثل WaveGlove أسهل وأكثر طبيعية.
بالإضافة إلى تجميع مجموعات البيانات الخاصة بإيماءات اليد وتأكيد فعالية نظام WaveGlove ، قام الباحثون بقياس أكثر من 10 طرق تصنيف للتعرف على إيماءات اليد ، والتي طوروا بعضها كجزء من أبحاثهم السابقة. قاموا بتقييم هذه الأساليب على العديد من مجموعات البيانات المختلفة ، حيث كانوا يأملون أن يساعد ذلك في توحيد النتائج في مجال التعرف على إيماءات اليد.
يمكن أن يكون للنتائج التي جمعها هذا الفريق من الباحثين آثار عديدة قيّمة أولاً ، يمكن لعملهم إثراء البحث الذي يركز على التعرف على إيماءات اليد والمساعدة في تعزيز الأنظمة الحالية. ثانيًا ، يمكن استخدام النموذج الأولي لـ WaveGlove الذي قاموا بإنشائه لتحسين الاتصالات بين البشر و آلات، مما يسمح للأخير بتفسير إيماءات اليد البشرية بشكل أفضل.