人機之間的互動性是虛擬現實技術的關鍵特征，在智能硬體持續更新和移動網路不斷提速的今天，人機互動方式得到了快速的發展，其中手勢是當今最熱門的人機互動方式，目前在智能汽車、可穿戴設備、汽車電子、智能手機等領域，都已經使用了手勢互動作為新一代的人機互動方式，
實作手勢互動，首先要完成手勢資料的采集，實作資料采集一般有兩種方式：基于攝像頭影像的視覺手勢捕捉、基于傳感器追蹤的慣性手勢捕捉，但這兩種方式的手勢捕捉有捕捉精度不夠、較多資料噪聲，需要進行資料預處理作業的缺點，哈爾濱工業大學理學院王一峰博士對智能手環的手勢互動做了研究，
王一峰博士使用NOKOV（度量）光學三維動作捕捉系統獲取手勢資料，通過在手環表面貼上反游標志點（marker），基于紅外光學的動作捕捉系統可實時輸出marker的三維坐標，戴著手環做手勢時，不同手勢的資訊就能以marker位置的變化體現，精度達到亞毫米級，而手部運動的速度、加速度等資訊也可由動作捕捉系統提供，這些資料可通過NOKOV度量動作捕捉提供的豐富SDK介面，直接匯入到不同的系統中，省去了研究者大量資料預處理的時間，讓他們能更好地進行分類識別演算法的研究上，
通過匯入的資料資訊訓練好分類識別模型后，以26個字母的各種手勢做測驗樣本進行演算法驗證，統計通過連續實時測驗手勢樣本的正確識別頻數、錯誤分類的類別及其頻數，完成識別分類的準確率分析，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/285734.html
標籤：其他