Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску
Ребенок ощущается с помощью простого алгоритма распознавания жестов, определяющего местоположение и движение руки
Распознавание жестов обычно обрабатывается в промежуточном программном обеспечении , результаты передаются в пользовательские приложения.

Распознавание жестов - это тема в компьютерных науках и языковых технологиях, цель которой - интерпретировать человеческие жесты с помощью математических алгоритмов . [1] Жесты могут исходить из любого движения или состояния тела, но обычно исходят от лица или руки . Текущее [ когда? ] специализируется на распознавании эмоций по лицу и жестам рук. Пользователи могут использовать простые жесты для управления устройствами или взаимодействия с ними, не касаясь их физически. Многие подходы были сделаны с использованием камер и алгоритмов компьютерного зрения для интерпретацииязык жестов . Однако идентификация и распознавание позы, походки, проксемики и человеческого поведения также является предметом методов распознавания жестов. [2] Распознавание жестов можно рассматривать как способ для компьютеров начать понимать язык человеческого тела , тем самым создавая более прочный мост между машинами и людьми, чем примитивные текстовые пользовательские интерфейсы или даже графические интерфейсы пользователя (графические пользовательские интерфейсы), которые по-прежнему ограничивают большинство вводить данные с клавиатуры и мыши и взаимодействовать естественно без каких-либо механических устройств. Используя концепцию распознавания жестов, можно указать пальцем, в этот момент он будет двигаться соответственно. Это может сделать обычный ввод на устройствах таким и даже избыточным.

Обзор [ править ]

Особенности распознавания жестов:

  • Более точным
  • Высокая стабильность
  • Экономия времени на разблокировку устройства

Основные области применения распознавания жестов в настоящее время [ когда? ] сценарии:

  • Автомобильный сектор
  • Сектор бытовой электроники
  • Транзитный сектор
  • Игровой сектор
  • Разблокировать смартфоны
  • Защита [3]
  • Домашняя автоматизация
  • Автоматический перевод на язык жестов [4]

Распознавание жестов может осуществляться с помощью методов компьютерного зрения и обработки изображений . [5]

Литература включает текущую работу в области компьютерного зрения по улавливанию жестов или более общей позы человека и движений с помощью камер, подключенных к компьютеру. [6] [7] [8] [9]

Распознавание жестов и перьевые вычисления: перьевые вычисления снижают влияние оборудования на систему, а также расширяют диапазон объектов физического мира, которые можно использовать для управления, помимо традиционных цифровых объектов, таких как клавиатуры и мыши. Такие реализации могут позволить создать новый диапазон оборудования, для которого не требуются мониторы. Эта идея может привести к созданию голографического дисплея. Термин «распознавание жестов» используется для более узкого обозначения символов рукописного ввода без ввода текста, таких как рукописный ввод на графическом планшете , мультитач- жесты и распознавание жестов мыши . Это взаимодействие с компьютером посредством рисования символов курсором указывающего устройства. [10] [11] [12] (см.Ручные вычисления )

Типы жестов [ править ]

В компьютерных интерфейсах различают два типа жестов: [13] Мы рассматриваем онлайн-жесты, которые также можно рассматривать как прямые манипуляции, такие как масштабирование и вращение. Напротив, офлайн-жесты обычно обрабатываются после завершения взаимодействия; например, нарисован круг, чтобы активировать контекстное меню .

  • Офлайн-жесты: те жесты, которые обрабатываются после взаимодействия пользователя с объектом. Примером может служить жест для активации меню.
  • Онлайн-жесты: жесты прямого управления. Они используются для масштабирования или поворота материального объекта.

Бесконтактный интерфейс [ править ]

Бесконтактный пользовательский интерфейс - это новая технология, связанная с управлением жестами. Бесконтактный пользовательский интерфейс (TUI) - это процесс управления компьютером с помощью движений тела и жестов без касания клавиатуры, мыши или экрана. [14] Бесконтактный интерфейс в дополнение к управлению жестами становится широко популярным, поскольку он предоставляет возможность взаимодействовать с устройствами, не касаясь их физически.

Типы бесконтактных технологий [ править ]

Существует ряд устройств, использующих этот тип интерфейса, например смартфоны, ноутбуки, игры, телевидение и музыкальное оборудование.

Один из типов бесконтактного интерфейса использует подключение смартфона по Bluetooth для активации системы управления посетителями компании. Это избавляет от необходимости прикасаться к интерфейсу во время пандемии COVID-19 . [15]

Устройства ввода [ править ]

Возможность отслеживать движения человека и определять, какие жесты они могут выполнять, может быть достигнута с помощью различных инструментов. Кинетические пользовательские интерфейсы (KUI) [16] представляют собой новый тип пользовательских интерфейсов, которые позволяют пользователям взаимодействовать с вычислительными устройствами посредством движения объектов и тел. Примеры KUI включают в себя осязаемые пользовательские интерфейсы и игры с движением, такие как Wii и Microsoft Kinect , а также другие интерактивные проекты. [17]

Несмотря на то, что в области распознавания жестов на основе изображений / видео было проведено большое количество исследований, существуют некоторые различия в инструментах и ​​средах, используемых между реализациями.

  • Проволочные перчатки . Они могут обеспечивать ввод в компьютер информации о положении и вращении рук с использованием магнитных или инерциальных устройств слежения. Кроме того, некоторые перчатки могут обнаруживать сгибание пальцев с высокой степенью точности (5-10 градусов) или даже обеспечивать тактильную обратную связь с пользователем, которая является имитацией осязания. Первым коммерчески доступным устройством типа перчатки для отслеживания рук было DataGlove [18], устройство типа перчатки, которое могло определять положение руки, движение и сгибание пальцев. Для этого используются оптоволоконные кабели, идущие по тыльной стороне ладони. Создаются световые импульсы, и когда пальцы сгибаются, свет просачивается через небольшие трещины, и регистрируется потеря, что дает приблизительное представление о позе руки.
  • Камеры с функцией определения глубины. Используя специализированные камеры, такие как структурированный свет или времяпролетные камеры , можно создать карту глубины того, что видно через камеру на близком расстоянии, и использовать эти данные для приближения к трехмерному представлению того, что видно. Они могут быть эффективны для обнаружения жестов рук из-за их короткого действия. [19]
  • Стереокамеры . Используя две камеры, отношение которых друг к другу известно, можно аппроксимировать трехмерное изображение по выходным данным камер. Чтобы получить взаимосвязь камер, можно использовать ссылку позиционирования, такую ​​как лексическая полоса или инфракрасные излучатели. [20] В сочетании с прямым измерением движения ( 6D-Vision ) жесты можно определять напрямую.
  • Контроллеры на основе жестов. Эти контроллеры действуют как продолжение тела, поэтому при выполнении жестов часть их движения может быть удобно зафиксирована программным обеспечением. Примером зарождающегося захвата движения на основе жестов является отслеживание движения руки скелета , которое разрабатывается для приложений виртуальной и дополненной реальности. Пример этой технологии демонстрируют компании отслеживания uSens и Gestigon , которые позволяют пользователям взаимодействовать со своим окружением без контроллеров. [21] [22]

Другим примером этого является отслеживание жестов мыши , когда движение мыши коррелирует с символом, нарисованным рукой человека, который может изучать изменения ускорения с течением времени для представления жестов. [23] [24] [25] Программное обеспечение также компенсирует тремор человека и непреднамеренное движение. [26] [27] [28] Датчики этих интеллектуальных светоизлучающих кубов могут использоваться для обнаружения рук и пальцев, а также других объектов поблизости и могут использоваться для обработки данных. Большинство приложений находятся в музыке и синтезе звука [29], но могут применяться и в других областях.

  • Одиночная камера . Стандартная 2D-камера может использоваться для распознавания жестов, если ресурсы / среда не подходят для других форм распознавания на основе изображений. Ранее считалось, что одиночная камера может быть не так эффективна, как стереокамера или камеры с функцией определения глубины, но некоторые компании оспаривают эту теорию. Технология распознавания жестов на основе программного обеспечения с использованием стандартной 2D-камеры, которая может обнаруживать надежные жесты рук.

Алгоритмы [ править ]

Существуют различные способы отслеживания и анализа жестов, и на диаграмме выше приведена базовая схема. Например, объемные модели передают информацию, необходимую для тщательного анализа, однако они оказываются очень интенсивными с точки зрения вычислительной мощности и требуют дальнейших технологических разработок для реализации для анализа в реальном времени. С другой стороны, модели, основанные на внешнем виде, легче обрабатывать, но обычно им не хватает универсальности, необходимой для взаимодействия человека с компьютером.

В зависимости от типа входных данных подход к интерпретации жеста может быть различным. Однако большинство методов полагаются на ключевые указатели, представленные в трехмерной системе координат. На основе их относительного движения жест может быть обнаружен с высокой точностью, в зависимости от качества ввода и подхода алгоритма.
Чтобы интерпретировать движения тела, нужно классифицировать их по общим свойствам и сообщениям, которые движения могут выражать. Например, на языке жестов каждый жест представляет собой слово или фразу.

В некоторой литературе различают 2 разных подхода к распознаванию жестов: на основе 3D-модели и на основе внешнего вида. [30] Самый передовой метод использует трехмерную информацию о ключевых элементах частей тела, чтобы получить несколько важных параметров, таких как положение ладони или углы суставов. С другой стороны, системы на основе внешнего вида используют изображения или видео для прямой интерпретации.

Настоящая рука (слева) интерпретируется как набор вершин и линий в версии 3D-сетки (справа), и программное обеспечение использует их относительное положение и взаимодействие, чтобы сделать вывод о жесте.

Алгоритмы на основе 3D-моделей [ править ]

Подход 3D-модели может использовать объемные или скелетные модели, или даже их комбинацию. Объемные подходы широко используются в индустрии компьютерной анимации и для целей компьютерного зрения. Модели обычно создаются из сложных трехмерных поверхностей, таких как NURBS или полигональные сетки.

Недостатком этого метода является то, что он требует больших вычислительных ресурсов, и системы для анализа в реальном времени еще не разработаны. На данный момент более интересным подходом было бы сопоставление простых примитивных объектов с наиболее важными частями тела человека (например, цилиндры для рук и шеи, сфера для головы) и анализ того, как они взаимодействуют друг с другом. Более того, некоторые абстрактные структуры, такие как суперквадрики и обобщенные цилиндры, могут быть даже более подходящими для аппроксимации частей тела.

Скелетная версия (справа) эффективно моделирует руку (слева). У него меньше параметров, чем у объемной версии, и его легче вычислить, что делает его пригодным для систем анализа жестов в реальном времени.

Скелетные алгоритмы [ править ]

Вместо интенсивной обработки 3D-моделей и работы с множеством параметров можно просто использовать упрощенную версию параметров угла сочленения вместе с длинами сегментов. Это известно как скелетное представление тела, где вычисляется виртуальный скелет человека и части тела сопоставляются с определенными сегментами. Анализ здесь выполняется с использованием положения и ориентации этих сегментов и отношения между каждым из них (например, угла между суставами и относительного положения или ориентации).

Преимущества использования скелетных моделей:

  • Алгоритмы работают быстрее, потому что анализируются только ключевые параметры.
  • Возможно сопоставление шаблонов с базой данных шаблонов
  • Использование ключевых точек позволяет программе обнаружения сосредоточиться на значительных частях тела.
Эти двоичные изображения силуэта (слева) или контура (справа) представляют собой типичные входные данные для алгоритмов на основе внешнего вида. Они сравниваются с разными шаблонами рук, и если они совпадают, делается вывод о соответствующем жесте.

Модели на основе внешнего вида [ править ]

Эти модели больше не используют пространственное представление тела, потому что они получают параметры непосредственно из изображений или видео с использованием базы данных шаблонов. Некоторые из них основаны на деформируемых 2D-шаблонах частей тела человека, особенно рук. Деформируемые шаблоны - это наборы точек на контуре объекта, используемые в качестве узлов интерполяции для аппроксимации контура объекта. Одна из простейших функций интерполяции - линейная, которая выполняет усреднение формы из наборов точек, параметров изменчивости точек и внешних деформаторов. Эти модели на основе шаблонов в основном используются для отслеживания рук, но также могут быть полезны для простой классификации жестов.

Второй подход к обнаружению жестов с использованием моделей на основе внешнего вида использует последовательности изображений в качестве шаблонов жестов. Параметрами для этого метода являются либо сами изображения, либо определенные на их основе функции. В большинстве случаев используются только один (моноскопический) или два (стереоскопический) вид.

Модели на основе электромиографии [ править ]

Электромиография (ЭМГ) касается изучения электрических сигналов, производимых мышцами тела. Посредством классификации данных, полученных от мышц руки, можно классифицировать действие и, таким образом, ввести жест во внешнее программное обеспечение. [1] Потребительские ЭМГ-устройства позволяют использовать неинвазивные методы, такие как повязка на руку или ногу, и подключаться через Bluetooth. Благодаря этому у ЭМГ есть преимущество перед визуальными методами, поскольку пользователю не нужно смотреть в камеру для ввода данных, что обеспечивает большую свободу движений.

Проблемы [ править ]

Есть много проблем, связанных с точностью и полезностью программного обеспечения для распознавания жестов. Для распознавания жестов на основе изображений существуют ограничения на используемое оборудование и шум изображения . Изображения или видео могут быть не при постоянном освещении или в одном месте. Предметы на заднем плане или отличительные особенности пользователей могут затруднить распознавание.

Разнообразие реализаций распознавания жестов на основе изображений также может вызвать проблемы с жизнеспособностью технологии для общего использования. Например, алгоритм, откалиброванный для одной камеры, может не работать для другой камеры. Уровень фонового шума также вызывает трудности с отслеживанием и распознаванием, особенно при возникновении окклюзии (частичной и полной). Кроме того, расстояние до камеры, ее разрешение и качество также влияют на точность распознавания.

Чтобы фиксировать жесты человека с помощью визуальных датчиков, также требуются надежные методы компьютерного зрения, например, для отслеживания рук и распознавания положения рук [31] [32] [33] [34] [35] [36] [37] [38 ] ] [39] или для фиксации движений головы, выражения лица или направления взгляда.

Социальная приемлемость [ править ]

Одна из серьезных проблем, связанных с внедрением жестовых интерфейсов на потребительские мобильные устройства, такие как смартфоны и умные часы, связана с тем, что жесты вводятся с социальной приемлемостью. Хотя жесты могут способствовать быстрому и точному вводу на многих компьютерах с новым форм-фактором, их внедрение и полезность часто ограничиваются социальными факторами, а не техническими. С этой целью разработчики методов ввода с помощью жестов могут стремиться уравновесить как технические соображения, так и готовность пользователя выполнять жесты в различных социальных контекстах. [40] Кроме того, различное оборудование устройства и механизмы распознавания поддерживают различные типы распознаваемых жестов.

Мобильное устройство [ править ]

Интерфейсы жестов на мобильных устройствах и устройствах малого форм-фактора часто поддерживаются наличием датчиков движения, таких как инерциальные измерительные блоки.(Я должен). На этих устройствах распознавание жестов полагается на то, что пользователи выполняют жесты на основе движений, которые могут быть распознаны этими датчиками движения. Это потенциально может затруднить захват сигнала от незаметных жестов или жестов с низким движением, поскольку их может быть трудно отличить от естественных движений или шума. В ходе опроса и изучения юзабилити жестов исследователи обнаружили, что жесты, которые включают в себя легкие движения, которые кажутся похожими на существующие технологии, выглядят или ощущаются похожими на все действия и которые доставляют удовольствие, с большей вероятностью будут приняты пользователями, в то время как жесты, которые выглядят странно, неудобно выполнять, мешает общению или предполагает необычное движение, из-за которого пользователи с большей вероятностью откажутся от их использования. [40] Социальная приемлемость жестов на мобильных устройствах во многом зависит от естественности жеста и социального контекста.

Накладные и переносные компьютеры [ править ]

Носимые компьютеры обычно отличаются от традиционных мобильных устройств тем, что их место использования и взаимодействия происходит на теле пользователя. В этих контекстах жестовые интерфейсы могут стать предпочтительнее традиционных методов ввода, поскольку их небольшой размер делает сенсорные экраны или клавиатуры менее привлекательными. Тем не менее, когда дело доходит до жестового взаимодействия, они сталкиваются с теми же проблемами социальной приемлемости, что и мобильные устройства. Однако возможность скрытия носимых компьютеров от глаз или их интеграции с другими повседневными предметами, такими как одежда, позволяет вводить жесты для имитации обычных взаимодействий с одеждой, таких как регулировка воротника рубашки или потирание переднего кармана брюк. [41] [42]Основным фактором при взаимодействии с носимым компьютером является место размещения устройства и взаимодействия с ним. Исследование отношения сторонних лиц к взаимодействию с носимыми устройствами, проведенное в США и Южной Корее, выявило различия в восприятии использования носимых компьютеров мужчинами и женщинами, отчасти из-за того, что разные участки тела считаются социально уязвимыми. [42] Другое исследование, посвященное социальной приемлемости проецируемых интерфейсов на теле, показало аналогичные результаты: в обоих исследованиях отмечены области вокруг талии, паха и верхней части тела (для женщин) как наименее приемлемые, а области вокруг предплечья и запястья - как наиболее приемлемо. [43]

Публичные установки [ править ]

Общедоступные установки , такие как интерактивные публичные дисплеи, позволяют получить доступ к информации и отображать интерактивные средства массовой информации в общественных местах, таких как музеи, галереи и театры. [44] В то время как сенсорные экраны являются частой формой ввода для публичных дисплеев, интерфейсы жестов обеспечивают дополнительные преимущества, такие как улучшенная гигиена, взаимодействие на расстоянии, улучшенная видимость и могут способствовать перформативному взаимодействию. [41] Важным аспектом взаимодействия жестов с публичными дисплеями является высокая вероятность или ожидания зрительской аудитории. [44]

«Рука гориллы» [ править ]

«Рука гориллы» была побочным эффектом использования вертикально ориентированного сенсорного экрана или светового пера. В периоды длительного использования руки пользователей начинали чувствовать усталость и / или дискомфорт. Этот эффект привел к упадку сенсорного ввода, несмотря на первоначальную популярность в 1980-х годах. [45] [46]

Чтобы измерить утомляемость руки и побочный эффект руки гориллы, исследователи разработали метод, названный Consumed Endurance. [47] [48]

См. Также [ править ]

  • Распознавание активности
  • Оценка позы шарнирного тела
  • Автомобильное головное устройство
  • Компьютерная обработка языка тела
  • Оценка позы в 3D
  • Указывающий жест устройства

Ссылки [ править ]

  1. ^ а б Кобыларз, Джонатан; Bird, Jordan J .; Faria, Diego R .; Рибейро, Эдуардо Паренте; Экарт, Анико (07.03.2020). «Недурно: невербальное взаимодействие человека и робота посредством классификации ЭМГ в реальном времени с помощью индуктивного и контролируемого трансдуктивного обучения» . Журнал окружающего интеллекта и гуманизированных вычислений . ООО "Спрингер Сайенс энд Бизнес Медиа". DOI : 10.1007 / s12652-020-01852-Z . ISSN  1868-5137 .
  2. ^ Маттиас Рем, Николаус Би, Элизабет Андре, Волна, как египтянин - распознавание жестов на основе акселерометра для взаимодействия с культурой , Британское компьютерное общество, 2007
  3. ^ "Патентный ландшафт Распознавание жеста руки PatSeer Pro" . PatSeer . Проверено 2 ноября 2017 .
  4. ^ Чай, Сюцзюань и др. « Распознавание языка жестов и перевод с помощью kinect ». IEEE Conf. на AFGR. Vol. 655. 2013.
  5. ^ Sultana A, Rajapuspha T (2012), «Распознавание жестов на основе зрения для алфавитных жестов рук с использованием классификатора SVM» , Международный журнал компьютерных наук и инженерных технологий (IJCSET)., 2012
  6. ^ Павлович В., Шарма Р. и Хуанг Т. (1997), «Визуальная интерпретация жестов рук для взаимодействия человека с компьютером: обзор» , IEEE Transactions on Pattern Analysis and Machine Intelligence, июль 1997 г. Vol. 19 (7), стр. 677-695.
  7. ^ Р. Чиполла и А. Пентланд, Компьютерное зрение для взаимодействия человека и машины , Cambridge University Press, 1998, ISBN 978-0-521-62253-0 
  8. ↑ Инь Ву и Томас С. Хуанг, «Распознавание жестов на основе зрения: обзор». Архивировано 25 августа2011 г. в Wayback Machine. Наука, страницы 103-115, 1999, ISBN 978-3-540-66935-7 , DOI : 10.1007 / 3-540-46616-9 
  9. ^ Alejandro Jaimes и Нику Sebe, мультимодальные взаимодействия человека с компьютером: обзор архивации 2011-06-06 в Wayback Machine , Computer Vision и изображения Понимание Том 108, вопросы 1-2, октябрь-ноябрь 2007, страницы 116-134 Специальный выпуск на видение для человеко-машинного взаимодействия, DOI : 10.1016 / j.cviu.2006.10.019
  10. ^ Dopertchouk, Олег; «Распознавание жестов рукописного ввода» , gamedev.net , 9 января 2004 г.
  11. ^ Чен, Шицзе; «Методы распознавания жестов в приложении для распознавания рукописного ввода» , Frontiers in Handwriting Recognition, стр. 142-147, ноябрь 2010 г.
  12. ^ Баладжи, R; Deepu, V; Мадхванатх, Шриганеш; Прабхакаран, Джаясри «Распознавание рукописных жестов для жестовой клавиатуры». Архивировано 6 сентября 2008 г.в Wayback Machine , Hewlett-Packard Laboratories.
  13. ^ Дитрих Каммер, Мэнди Кек, Георг Фрайтаг, Маркус Вакер, Таксономия и обзор фреймворков Multi-Touch: архитектура, объем и функции. Архивировано 25 января 2011 г. в Wayback Machine.
  14. ^ "Определение бесконтактного пользовательского интерфейса из энциклопедии журнала PC" . pcmag.com . Проверено 28 июля 2017 .
  15. ^ «Как COVID 19 может изменить способ работы людей с приложениями для входа в систему» . 22 мая 2020.
  16. ^ В. Паллотта; П. Брейггер; Б. Хирсбруннер (февраль 2008 г.). «Кинетические пользовательские интерфейсы: физическое воплощение взаимодействия с мобильными всеобъемлющими вычислительными системами» . Достижения в области повсеместных вычислений: будущие парадигмы и направления . Издательство IGI.
  17. ^ С. Бенфорд; Х. Шнадельбах; Б. Колева; Б. Гавер; А. Шмидт; А. Буше; А. Стид; Р. Анастаси; К. Гринхалг; Т. Родден; Х. Геллерсен (2003). «Разумно, разумно и желательно: основа для проектирования физических интерфейсов» (PDF) . CiteSeerX 10.1.1.190.2504 . Архивировано из оригинального (PDF) 26 января 2006 года.   Цитировать журнал требует |journal=( помощь )
  18. ^ Томас Г. Циммерман, Джарон Ланье, Чак Бланшар, Стив Брайсон и Янг Харвилл. http://portal.acm.org . " УСТРОЙСТВО ИНТЕРФЕЙСА ЖЕСТОВ РУКИ ". http://portal.acm.org .
  19. ^ Ян Лю, Юнде Цзя, Надежный метод отслеживания рук и распознавания жестов для носимых визуальных интерфейсов и его приложений , Труды Третьей Международной конференции по изображению и графике (ICIG'04), 2004 г.
  20. ^ Куэ-Бум Ли, Юнг-Hyun Kim, Kwang-Seok Хонг, реализация мультимодальной игры интерфейс , основанный на КПК , Пятая Международная конференция по инженерии программного обеспечения исследований, управления и приложения, 2007
  21. ^ "Отслеживание жестов Гестигона - нарушение TechCrunch" . TechCrunch . Проверено 11 октября +2016 .
  22. ^ Матни, Лукас. «uSens демонстрирует новые датчики слежения, которые призваны обеспечить более богатые возможности мобильной виртуальной реальности» . TechCrunch . Проверено 29 августа +2016 .
  23. ^ Пер Мальместиг, Софи Сандберг, SignWiiver - реализация технологии языка жестов. Архивировано 25 декабря 2008 г. в Wayback Machine.
  24. ^ Томас Schlomer, Бенджамин Poppinga, Niels Henze, Susanne Болл, Gesture Recognition с контроллером Wii , Труды 2й международной конференции по Материальные и Embedded взаимодействия, 2008
  25. ^ AiLive Inc., LiveMove White Paper архивации 2007-07-13 в Wayback Machine , 2006
  26. ^ Электронный дизайн 8 сентября 2011 г. Уильям Вонг. Естественный пользовательский интерфейс использует интеграцию датчиков.
  27. ↑ Cable & Satellite International, сентябрь / октябрь 2011 г. Стивен Казинс. Взгляд к острым ощущениям.
  28. ^ TechJournal Юг 7 января 2008. Hillcrest Labs кольца до $ 25MD раунд.
  29. ^ Percussa AudioCubes блог 4 октября 2012 года Управление жестикуляционных в Sound Synthesis. Архивировано 10 сентября 2015 года на Wayback Machine.
  30. ^ Владимир И. Павлович, Раджив Шарма, Томас С. Хуанг, Визуальная интерпретация жестов рук для взаимодействия человека с компьютером ; Обзор, IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997
  31. ^ Иван Лаптев и Тони Линдеберг «Отслеживание моделей рук с несколькими состояниями с использованием фильтрации частиц и иерархии многомасштабных функций изображения» , Proceedings Scale-Space and Morphology in Computer Vision, Volume 2106 of Springer Lecture Notes in Computer Science, стр. 63 -74, Ванкувер, Британская Колумбия, 1999. ISBN 978-3-540-42317-1 , DOI : 10.1007 / 3-540-47778-0 
  32. ^ фон Харденберг, Кристиан; Берар, Франсуа (2001). «Взаимодействие человека с компьютером голыми руками». Труды семинара 2001 г. по перцептивным пользовательским интерфейсам . Сборник материалов международной конференции ACM. 15 архив. Орландо, Флорида. С. 1–8. CiteSeerX 10.1.1.23.4541 . 
  33. ^ Ларс Бретцнер, Иван Лаптев, Тони Линдеберг «Распознавание жестов рук с использованием многомасштабных цветовых функций, иерархических моделей и фильтрации частиц» , Труды пятой Международной конференции IEEE по автоматическому распознаванию лиц и жестов, Вашингтон, округ Колумбия, США, 21–21 Май 2002 г., страницы 423-428. ISBN 0-7695-1602-5 , DOI : 10,1109 / AFGR.2002.1004190 
  34. ↑ Домитилла Дель Веккио, Ричард М. Мюррей Пьетро Перона, «Разложение человеческого движения на динамические примитивы с применением к задачам рисования». Архивировано 02февраля 2010 г.в Wayback Machine , Automatica Volume 39, Issue 12, December 2003, Pages 2085-2098, DOI : 10.1016 / S0005-1098 (03) 00250-4 .
  35. ^ Томас Б. Moeslund и Lau Nørgaard, «Краткий обзор Жесты используются в носимом человеке компьютерных интерфейсах» Архивированные 2011-07-19 в Wayback Machine , Технический отчет: CVMT 03-02, ISSN 1601-3646 , Лаборатория компьютерного Видение и медиа-технологии, Университет Ольборга, Дания. 
  36. ^ М. Колш и М. Терк "Быстрое двухмерное отслеживание рук с помощью множества функций и интеграции нескольких сигналов ". Архивировано 21 августа 2008 г.на Wayback Machine , CVPRW '04. Материалы компьютерного зрения и распознаванияWorkshop, 27 мая-2 июня 2004, DOI : 10,1109 / CVPR.2004.71
  37. ^ Ся Лю Фуджимура, К., «Распознавание жестов руки с использованием данных глубины», Труды Шестой Международной конференции IEEE по автоматическому распознаванию лиц и жестов, 17–19 мая 2004 г., страницы 529-534, ISBN 0-7695-2122-3 , DOI : 10.1109 / AFGR.2004.1301587 . 
  38. ^ Stenger B, Thayananthan A, Torr PH, Cipolla R: «Отслеживание рук на основе модели с использованием иерархического байесовского фильтра» , IEEE Transactions on IEEE Transactions on Pattern Analysis and Machine Intelligence, 28 (9): 1372-84, сентябрь 2006 г.
  39. ↑ A Erol, G Bebis, M Nicolescu, RD Boyle, X Twombly, «Оценка позы руки на основе зрения: обзор» , Computer Vision and Image Understanding Volume 108, Issues 1-2, October – November 2007, Pages 52-73 Специальный выпуск видения для человеко-машинного взаимодействия, DOI : 10.1016 / j.cviu.2006.10.012 .
  40. ^ a b Рико, Джули; Брюстер, Стивен (2010). «Используемые жесты для мобильных интерфейсов: оценка социальной приемлемости». Труды конференции SIGCHI по человеческому фактору в вычислительных системах . ЧИ '10. Нью-Йорк, Нью-Йорк, США: ACM: 887–896. DOI : 10.1145 / 1753326.1753458 . ISBN 9781605589299. S2CID  16118067 .
  41. ^ a b Уолтер, Роберт; Байи, Жиль; Мюллер, Йорг (2013). «StrikeAPose: Выявление жестов в воздухе на публичных дисплеях» . StrikeAPose . Труды конференции SIGCHI по человеческому фактору в вычислительных системах - CHI '13 . Нью-Йорк, Нью-Йорк, США: ACM Press. С. 841–850. DOI : 10.1145 / 2470654.2470774 . ISBN 9781450318990. S2CID  2041073 .
  42. ^ а б Профита, Галлей П .; Клоусон, Джеймс; Гиллиланд, Скотт; Зиглер, Клинт; Старнер, Тад; Бадд, Джим; До, Эллен Йи-Луен (2013). «Не обращай внимания на мое запястье: пример взаимодействия с телесными технологиями в общественных местах». Труды Международного симпозиума 2013 года носимых компьютеров . ISWC '13. Нью-Йорк, Нью-Йорк, США: ACM: 89–96. DOI : 10.1145 / 2493988.2494331 . ISBN 9781450321273. S2CID  3236927 .
  43. ^ Харрисон, Крис; Фасте, Хокон (2014). «Последствия местоположения и касания для проецируемых на теле интерфейсов». Материалы конференции 2014 г. по проектированию интерактивных систем . DIS '14. Нью-Йорк, Нью-Йорк, США: ACM: 543–552. DOI : 10.1145 / 2598510.2598587 . ISBN 9781450329026. S2CID  1121501 .
  44. ^ a b Ривз, Стюарт; Бенфорд, Стив; О'Мэлли, Клэр; Фрейзер, Майк (2005). «Создание зрительского опыта» (PDF) . Труды конференции SIGCHI по человеческому фактору в вычислительных системах - CHI '05 . Нью-Йорк, Нью-Йорк, США: ACM Press: 741. doi : 10.1145 / 1054972.1055074 . ISBN  978-1581139983. S2CID  5739231 .
  45. ^ Руперт Гудвинс. «Windows 7? В ней нет руки» . ZDNet .
  46. ^ "рука гориллы" . catb.org .
  47. ^ Хинкапье-Ramos, JD, Го, X., Moghadasian, П. и ирано. P. 2014. «Потребляемая выносливость: показатель для количественной оценки утомляемости рук при взаимодействии в воздухе» . В материалах 32-й ежегодной конференции ACM по человеческому фактору в вычислительных системах (CHI '14). ACM, Нью-Йорк, Нью-Йорк, США, 1063–1072. DOI = 10.1145 / 2556288.2557130
  48. ^ Хинкапье-Ramos, JD, Го, X., и ирано, П. 2014. "потребленный Endurance Workbench: Инструмент для оценки Arm усталости во время Mid-Air взаимодействий" . В материалах сопутствующей публикации 2014 г. «Проектирование интерактивных систем» (DIS Companion '14). ACM, Нью-Йорк, штат Нью-Йорк, США, 109-112. DOI = 10.1145 / 2598784.2602795

Внешние ссылки [ править ]

  • Аннотированная библиография ссылок на жесты и перьевые вычисления
  • Заметки по истории перьевых вычислений (YouTube)
  • Будущее - это жесты - жестовые интерфейсы и видеоигры
  • Жестовая интерактивная реклама Ford - Жесты, используемые для взаимодействия с цифровыми вывесками
  • Трехмерное отслеживание рук - обзор литературы