تشخیص حرکات دست برای تعامل انسان و رایانه با استفاده از کدگذاری خط سیر حرکت و شبکه عصبی مصنوعی

حرکات دست انسان حالتی از تعامل غیرکلامی است که در ارتباط بین انسان و رایانه مورد استفاده قرار می‌گیرد. شهودی و طبیعی بودن حرکات دست مهمترین عامل ایجاد انگیزه در محققان است که دست‌ها را برای بهبود تعامل بین انسان و رایانه مورد استفاده قرار دهند. در این مقاله جهت تشخیص حرکت دست، با استفاده از اختلاف فریم ‌ها، دست به عنوان تنها شی متحرک در تصاویر جدا شده است. پس از آن، بردار ویژگی حرکت دست استخراج شده است. این بردار ویژگی به عنوان ورودی شبکه عصبی مصنوعی جهت طبقه‌ بندی حرکات انتقالی دست استفاده شده است. برای استخراج بردار ویژگی دو روش ارائه شده است. بردار ویژگی اول حاصل از کدگذاری خط سیر انتهایی‌ ترین پیکسل دست در طی فریم‌ ها است. بردار ویژگی دوم، از دو هیستوگرام زاویه‌ ای  برای کدگذاری دست استفاده می‌کند. شناسایی شش حرکت مختلف دست در داده‌ های آزمایشی با نرخ بازشناسی 95/54 درصد با استفاده از بردار ویژگی اول و تشخیص این حرکات با نرخ بازشناسی 95/53 توسط بردار ویژگی دوم، کارایی بردارهای ویژگی پیشنهادی در تشخیص حرکات دست را نشان می‌ دهد. همچنین مقایسه‌ ی بردارهای ویژگی پیشنهادی با بردار ویژگی یک روش متداول، برتری روش‌ های پیشنهادی را از نظر دقت، تعداد ویژگی‌ها و زمان آموزش طبقه‌ بند نشان می‌ دهد.