Geçtiğimiz birkaç on yıl boyunca bilgisayar bilimcileri, insan davranışının ve iletişiminin konuşma, duygular ve jestler gibi farklı yönlerini analiz etmek için çok çeşitli modeller ve yaklaşımlar geliştirdiler. El hareketi tanımaya yönelik mevcut tekniklerin çoğu, giyilebilir teknolojilerin tek bir cihazla kullanılmasına dayanmaktadır. algılayıcı ve yalnızca sınırlı sayıda temel hareketi tanıyabilir.
Slovakya'daki Comenius Üniversitesi Bratislava'daki araştırmacılar yakın zamanda tek bir sensör yerine birden fazla eylemsiz sensör kullanan yeni bir el hareketi tanıma sistemi olan WaveGlove'u geliştirdiler. Bu yeni sistem aslında her bir parmağına eylemsizlik sensörü yerleştirilmiş bir eldivenden oluşuyor.
Araştırmayı yürüten araştırmacılardan biri, "Son makalemiz, el hareketi tanıma (HGR) için çoklu eylemsiz sensörlerin kullanımını gösteriyor" dedi. "Özel bir donanım prototipi oluşturarak ve yeni bir Transformer tabanlı model (doğal dil işleme görevlerinde çok başarılı olan bir ağ mimarisi) önererek, birden fazla sensör kullanmanın sınıflandırma doğruluğu üzerinde önemli bir etkiye sahip olabileceğini ve izin verdiğini gösteriyoruz. Daha zengin bir jest sözlüğü için.”
Araştırmacılar, oluşturdukları el hareketi tanıma sistemi WaveGlove'u kullanarak 11000'den fazla el hareketi örneği içeren iki veri seti elde etmeyi başardılar. Daha sonra, biri 8 tam el hareketi içeren (WaveGlove-tekli), diğeri ise tek tek parmakların farklı hareket ettiği (WaveGlove-multi) 10 daha karmaşık, dikkatlice tasarlanmış el hareketi içeren iki farklı jest sözlüğü tasarladılar.
Çoklu sensörlerin varlığı, tek el sensörlerine kıyasla daha zengin bir jest sözlüğü tasarlamamıza ve sınıflandırmamıza olanak tanır. Birden fazla sensör kullanarak sınıflandırdığımız hareketler, halihazırda günlük hayatımızda kullandığımız hareketlere benzer. Bu, WaveGlove gibi bir cihazın kullanımını daha kolay ve daha doğal hale getirir.
El hareketlerine ilişkin veri kümelerini derlemenin ve WaveGlove sisteminin etkinliğini doğrulamanın yanı sıra araştırmacılar, el hareketi tanıma için 10'dan fazla sınıflandırma yöntemini karşılaştırdılar ve bunlardan bazılarını önceki araştırmalarının bir parçası olarak geliştirdiler. El hareketi tanıma alanındaki sonuçların standartlaştırılmasına yardımcı olacağını umdukları için bu yöntemleri çok sayıda farklı veri kümesi üzerinde değerlendirdiler.
Bu araştırmacı ekibi tarafından toplanan bulguların çok sayıda değerli çıkarımı olabilir. İlk olarak, onların çalışmaları el hareketi tanımaya odaklanan araştırmalara bilgi verebilir ve mevcut sistemlerin geliştirilmesine yardımcı olabilir. İkinci olarak, yarattıkları WaveGlove prototipi sonuçta insanlar ve insanlar arasındaki iletişimi geliştirmek için kullanılabilir. makinelerikincisinin insan el hareketlerini daha iyi yorumlamasına olanak tanıyor.