Tytuł artykułu
Treść / Zawartość
Pełne teksty:
Identyfikatory
Warianty tytułu
Rozpoznawanie gestów interakcji człowiek-komputer zarejestrowanych przy użyciu inercyjnych czujników ruchu poprzez niejawne modele Markova
Języki publikacji
Abstrakty
The paper presents the algorithm of recognition of selected Human-Computer Interaction (HCI) gestures acquired by inertial motion sensors. The possibilities of using Hidden Markov Models as classifiers have been verified. The experiments investigated the possibility of using a methodology dedicated to the recognition of virtual reality (VR) game gestures to classify HCI gestures. The paper compares the accuracy of classification depending on the method of discretization of the forearm orientation signals. The evaluation of the accuracy of the classification was carried out with the use of 3-fold cross validation. The paper uses author’s data corpus containing in total 720 time series acquired from 20 human subjects.
Artykuł przedstawia algorytm rozpoznawania wybranych gestów interakcji człowiek-komputer zarejestrowanych przy pomocy inercyjnych czujników ruchu. W niniejszej pracy zweryfikowano możliwości wykorzystania niejawnych Modeli Markova jako klasyfikatora. Zbadano możliwości zastosowania metodyki dedykowanej rozpoznawaniu gestów gry VR do klasyfikacji gestów HCI. W pracy dokonano porównania skuteczności klasyfikacji w zależności od sposobu dyskretyzacji zarejestrowanych sygnałów orientacji przedramienia. Ocena skuteczności klasyfikacji odbyła się z wykorzystaniem trójkrotnej walidacji krzyżowej. W pracy wykorzystano autorski korpus danych zawierający 20 uczestników oraz łącznie 720 szeregów czasowych.
Słowa kluczowe
Czasopismo
Rocznik
Tom
Strony
1--13
Opis fizyczny
Bibliogr. 10 poz., tab., rys., wykr.
Twórcy
autor
- Faculty of Computer Science, Bialystok University of Technology, Białystok, Poland
autor
- Faculty of Mechanics,Vilnius Gediminas Technical University, Lithuania
autor
- Faculty of Mechanics,Vilnius Gediminas Technical University, Lithuania
Bibliografia
- [1] Wu, Y., Chen, K., Fu,C.: Natural Gesture Modeling and Recognition Approach Based on Joint Movements and Arm Orientations, IEEE Sensors Journal, Vol ume: 16, Issue: 21, 2016.
- [2] Arsenault, D., Whitehead, A.D.: Gesture recognition using Markov Systems and wearable wireless inertial sensors, IEEE Transactions on Consumer Elec tronics, Volume: 61, Issue: 4, 2015.
- [3] Elmezain, M., Al-Hamadi, A., Michaelis, B.: A hidden markov model-based isolated and meaningful hand gesture recognition, International Journal of Elec trical, Computer, and Systems Engineering 3.3: 156-163, 2009.
- [4] Elmezain, M., Al-Hamadi A., Michaelis, B.: Hand Gesture Spotting Based on 3D Dynamic Features Using Hidden Markov Models, Communications in Computer and Information Science, vol 61. Springer, Berlin, Heidelberg, 2009.
- [5] Di Benedetto A., Palmieri F.A.N., Cavallo A., Falco P.: A Hidden Markov Model-Based Approach to Grasping Hand Gestures Classification, Advances in Neural Networks. WIRN 2015. Smart Innovation, Systems and Technologies, vol 54. Springer, Cham, 2016.
- [6] Georgi, M.; Amma, C.; Schultz, T.: Recognizing Hand and Finger Gestures with IMU based Motion and EMG based Muscle Activity Sensing, BIOSTEC 2015 Proceedings of the International Joint Conference on Biomedical Engineering Systems and Technologies - Volume 4, 2015.
- [7] Amma, C., Georgi, M.,Schultz, T.: Airwriting: a wearable handwriting recog nition system Personal and Ubiquitous Computing, Volume 18, Issue 1, 2014
- [8] Chen, C., Jafari, R., Kehtarnavaz, N.: A Real-Time Human Action Recognition System Using Depth and Inertial Sensor Fusion 6th International Workshop on Advances inSensors and Interfaces (IWASI), 2015.
- [9] Comotti, D., Caldara, M., Galizzi, M., Locatelli, P., Re, V.: Inertial based hand position tracking for future applications in rehabilitation environments IEEE SENSORS JOURNAL, VOL. 16, NO. 3, FEBRUARY 1, 2016.
- [10] Li, Q., Wang, Y., M., Sharf, A., Cao, Y., Tu, C., Chen, B., Yu, S.: Classication of gait anomalies from kinect The Visual Computer,vol. 34, no. 2, 2018.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-0355e5e7-c076-495c-9e35-ad00de33f8f3