Rozpoznávání gest

Rozpoznávání gest je výpočetní proces sloužící k identifikaci pohybů lidského těla a interpretaci těchto signálů, čehož dosahuje pomocí matematických algoritmů.[1] Pojem označuje schopnost počítače porozumět gestům a vykonat odpovídající úkony dle daného zaznamenaného gesta.[2] Jedná se o rozvíjející se oblast informatiky a počítačové vědy. Proces má uplatnění v různých sférách a oborech, jako jsou interakce člověka a počítače, virtuální realita, automatizace domácností, zdravotnictví, herní průmysl a další.[3][4]

Metody rozpoznávání gest

Existují dva základní způsoby pro identifikaci gest:

Metoda založená na obraze (vision-based) využívá principy pro zpracování obrazu a videa a aplikuje analýzu tvaru, pohybu a textury. Systémy fungující na základě senzorů (sensor-based) zpravidla používají kombinaci hardwarových senzorů a algoritmů, které zpracovávají signály. Obsahují inerciální měřící jednotku (IMU), snímače ohybu a tlakové senzory.[4]

Technologie pro detekci gest

Pro zachycování gest je využívána řada různých vstupních zařízení.

Založené na obraze

  • Standardní kamera – Výhodou dané kamery je jednoduchost zprovoznění zařízení, nevýhodou je nízká spolehlivost.[5]
  • Stereo kamera – Skládá se ze 2 čoček s izolovaným snímačem, který napodobuje lidské zrakové vnímání a vzniká tak 3D efekt.[6] Stereo kamery disponují lepší robustností ve venkovním prostředí.[7]
  • Hloubkové senzory – Tyto senzory mají několik výhod ve srovnání s tradičními stereo kamerami. Do této kategorie například spadá ToF kamera (time-of-flight camera), jejíž předností je vyšší snímkovací frekvence. Omezením je ovšem to, že rozlišení kamery silně závisí na síle světla a odrazu. Dalším příkladem daného typu je Microsoft Kinect, hloubkový senzor infračerveného světla, který je hojně využíván v zábavním průmyslu, sektoru vzdělávání a výzkumu. [5]
Microsoft Kinect

Nositelná elektronika

  • Rukavice – Často využívané zařízení pro rozpoznávání gest. Zpravidla vyžadují drátové připojení, akcelerometry a gyroskopy. Mezi jejich výhody patří rychlá odezva a přesnost, nevýhodu je naopak zátěž a diskomfort pro uživatele.[7]
  • Pásy – Pásové senzory jsou využívány na náramcích nebo jiných zařízeních nositelné elektroniky. Tyto senzory umožňují propojení s bezdrátovou technologií a elektromyografickým (EMG) typem zařízení, čímž se eliminuje potřeba kabelů.[5]

Algoritmy

Některými přístupy, které jsou běžně používané pro rozeznávání gest jsou algoritmus k-nejbližších sousedů, support vector machines (SVM) a metoda dynamického borcení času (DTW). Jedním z nejvyužívanějších je pak Skrytý Markovův model (HMM).[5] Jedná se o techniku, která zahrnuje efektivní algoritmy pro učení a rozpoznávání, jimiž je Baumův–Welchův algoritmus a Viterbiho algoritmus pro vyhledávání.[8]

Reference

  1. SHARMA, Varun; KOLIVAND, Hoshang; ASADIANFAM, Shiva. Gesture Recognition Techniques. In: [s.l.]: IEEE, 2023-01-09. Dostupné online. ISBN 979-8-3503-3514-9. DOI 10.1109/DeSE58274.2023.10099640. S. 244–249. (anglicky)
  2. HARAŠTA, Vojtěch. Univerzální systém gest pro virtuální realitu. dspace.cvut.cz. Praha: České vysoké učení technické v Praze, Fakulta informačních technologií: 2021-01-29. Dostupné online [cit. 2024-04-04]. 
  3. WU, Meng. Gesture Recognition Based on Deep Learning: A Review. EAI Endorsed Transactions on e-Learning. 2024-03-07, roč. 10. Dostupné online [cit. 2024-04-04]. ISSN 2032-9253. DOI 10.4108/eetel.5191. (anglicky) 
  4. a b DESHPANDE, Kshitij; MASHALKAR, Varad; MHAISEKAR, Kaustubh. Study and Survey on Gesture Recognition Systems. arxiv.org. 2023. Dostupné online [cit. 2024-04-04]. DOI 10.48550/ARXIV.2312.00392. (anglicky) 
  5. a b c d GURBANOVA, Kamala; ABDULLAYEVA, Fargana. A Comparative Analysis of Gesture Recording Technologies and Recognition Methods. Problems of Information Society. 2023-01-23, roč. 14, čís. 1, s. 43–52. Dostupné online [cit. 2024-04-04]. ISSN 2077-964X. DOI 10.25045/jpis.v14.i1.05. (anglicky) 
  6. ADNANIBRAHEEM, Noor; ZAMAN KHAN, Rafiqul. Survey on Various Gesture Recognition Technologies and Techniques. International Journal of Computer Applications. 2012-07-28, roč. 50, čís. 7, s. 38–44. Dostupné online [cit. 2024-04-04]. DOI 10.5120/7786-0883. (anglicky) 
  7. a b LIU, Hongyi; WANG, Lihui. Gesture recognition for human-robot collaboration: A review. International Journal of Industrial Ergonomics. 2018-11, roč. 68, s. 355–367. Dostupné online [cit. 2024-04-04]. DOI 10.1016/j.ergon.2017.02.004. (anglicky) 
  8. KAJZAR, Aleš. Rozpoznávání pohybu těla pomocí nositelných zařízení. Online, Diplomová práce, vedoucí Jan Samek. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémů, 2016. Dostupné z: http://hdl.handle.net/11012/61887. [cit. 2024-04-04].

Strategi Solo vs Squad di Free Fire: Cara Menang Mudah!