ABBgydF4y2Ba 应用仿生学和生物力学gydF4y2Ba 1754 - 2103gydF4y2Ba 1176 - 2322gydF4y2Ba HindawigydF4y2Ba 10.1155 / 2020/9160528gydF4y2Ba 9160528gydF4y2Ba 研究文章gydF4y2Ba 智能手势分类模型对国内轮椅导航和姿态方差补偿gydF4y2Ba https://orcid.org/0000 - 0002 - 4689 - 3743gydF4y2Ba BandaragydF4y2Ba h . m . Ravindu T。gydF4y2Ba 1gydF4y2Ba https://orcid.org/0000 - 0003 - 3346 - 7849gydF4y2Ba PriyanayanagydF4y2Ba k . S。gydF4y2Ba 1gydF4y2Ba JayasekaragydF4y2Ba a·g·Buddhika P。gydF4y2Ba 1gydF4y2Ba https://orcid.org/0000 - 0002 - 9440 - 1731gydF4y2Ba ChandimagydF4y2Ba d . P。gydF4y2Ba 1gydF4y2Ba https://orcid.org/0000 - 0002 - 9977 - 4545gydF4y2Ba GopuragydF4y2Ba r·a·r·C。gydF4y2Ba 2gydF4y2Ba CereattigydF4y2Ba 安德里亚gydF4y2Ba 1gydF4y2Ba 智能服务机器人组gydF4y2Ba 电气工程系gydF4y2Ba Moratuwa大学gydF4y2Ba Moratuwa 10400gydF4y2Ba 斯里兰卡gydF4y2Ba mrt.ac.lkgydF4y2Ba 2gydF4y2Ba 仿生学实验室gydF4y2Ba 机械工程系gydF4y2Ba Moratuwa大学gydF4y2Ba Moratuwa 10400gydF4y2Ba 斯里兰卡gydF4y2Ba mrt.ac.lkgydF4y2Ba 2020年gydF4y2Ba 30.gydF4y2Ba 1gydF4y2Ba 2020年gydF4y2Ba 2020年gydF4y2Ba 28gydF4y2Ba 08年gydF4y2Ba 2019年gydF4y2Ba 02gydF4y2Ba 12gydF4y2Ba 2019年gydF4y2Ba 04gydF4y2Ba 01gydF4y2Ba 2020年gydF4y2Ba 30.gydF4y2Ba 1gydF4y2Ba 2020年gydF4y2Ba 2020年gydF4y2Ba 版权©2020 h . m . Ravindu Bandara et al。gydF4y2Ba 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。gydF4y2Ba

老年人和残疾人人口迅速增加。重要的是要提升他们的生活水平提高对日常活动的信心。导航是一个重要的任务,大多数老年人和残疾人需要帮助。取代人类的援助的智能系统,它能够协助人类通过轮椅导航系统是一种有效的解决方案。手势导航系统中经常使用。然而,这些系统不具备准确地识别手势差异的能力。因此,本文提出了一个方法来创建一个智能手势分类系统与一个手势模型,建立了基于人类研究每一个基本运动在国内导航与手势方差补偿能力。实验进行了评估用户记住和回忆能力和适应性对手势模型。动态手势识别模块(DGIM)、静态手势识别模块(SGIM)和姿态澄清器(GC)介绍了以识别手势命令。拟议的系统系统分析准确度和精密度与人类用户使用的实验结果。 Accuracy of the intelligent system was determined with the use of confusion matrix. Further, those results were analyzed using Cohen’s kappa analysis in which overall accuracy, misclassification rate, precision, and Cohen’s kappa values were calculated.

 Moratuwa大学gydF4y2Ba 国家研究委员会gydF4y2Ba 17 - 069gydF4y2Ba 1。介绍gydF4y2Ba

老年人和残疾人辅助技术是一个迅速发展的领域gydF4y2Ba 1gydF4y2Ba,gydF4y2Ba 2gydF4y2Ba]。许多研究都集中在启迪人类生活的生活水平。常见问题与大多数老年人和残疾人是导航。自对他们来说很难移动,他们需要一些帮助另一个人或一台机器。然而,帮助是不够的,当有沟通问题gydF4y2Ba 3gydF4y2Ba]。很难在国内环境中导航与准确沟通的困难。残疾人和老年人越来越多的观察与言语障碍,如言语失用症,口吃,构音障碍。因此,声乐交互就很难在这个社区。此外,无能在国内环境中导航没有帮助创建常见问题如焦虑、愤怒和抑郁导致恶劣的卫生条件(gydF4y2Ba 4gydF4y2Ba]。因此,很明显,辅助技术应该升级以更智能的方式使人类生活更加舒适和健康gydF4y2Ba 5gydF4y2Ba]。gydF4y2Ba

人类倾向于使用语音和手势等多种形式在国内环境中相互作用[gydF4y2Ba 6gydF4y2Ba- - - - - -gydF4y2Ba 8gydF4y2Ba]。手势包括手势、面部表情,甚至暗示这是很难理解的人类。此外,声音和手势表情可以集成创建导航命令(gydF4y2Ba 9gydF4y2Ba]。作为一个例子,一个人坐在轮椅上可能会说“去”,这句话的人可以将手势向哪个方向,他想移动(gydF4y2Ba 10gydF4y2Ba]。声音命令可能包含不确定距离和方向等术语表达诸如“附近”,“远”,“中产”,“,”和“正确”或地方表达诸如“这里”和“有”[gydF4y2Ba 11gydF4y2Ba]。解释不确定条件对机器人是一项艰巨的任务。此外,这样的解释取决于多种因素,如用户体验,视力,环境,从环境和认知反馈gydF4y2Ba 12gydF4y2Ba- - - - - -gydF4y2Ba 14gydF4y2Ba]。考虑这些因素使声音命令解释非常困难。然而,使用一个智能系统能够理解这些短语可以不太可能被人类使用,因为小错误或误解的系统可以做关键的残疾人或老年人伤害人类。gydF4y2Ba

大多数老年人讲话困难,很难澄清语音指令由他们使用语音识别系统。此外,语音指令包括各种类型的不确定性,如时间有关,频率、距离和方向,使其难以理解。作为一个例子,“去”和“过来”的位置不确定性和命令像“在这儿等着”,“给我一分钟”与时间相关的不确定性。手势也广泛应用于导航和方差(gydF4y2Ba 15gydF4y2Ba]。然而,比较声音指令,手势表现出更详细的指令导致更准确的决策的智能系统。如果一个智能系统能够解释手势导航命令和一个人可以给导航命令使用手势进行所有必要的导航任务,这将是一个更简单和有效的方法,智能轮椅系统(gydF4y2Ba 16gydF4y2Ba]。这样的系统应具备的功能解释手势而理解差异,就像手势字母导航。此外,这些手势应该容易记住了,并且能够利用动画去表达每一个重要的任务,可能需要禁用或轮椅的老人。此外,误解意想不到的手的动作可以创建关键的情况。因此,应该也考虑安全措施(gydF4y2Ba 17gydF4y2Ba]。gydF4y2Ba

提出了一个方法(gydF4y2Ba 18gydF4y2Ba动态手势识别的人手使用RGB深度相机。系统能够自动识别手势在复杂的背景下。然而,系统能够识别有限导航命令,和系统设计使用手势来控制移动机器人。因此,机器人只能执行基本的机器人运动。免提身临其境的图像的实时导航系统能够应对各种手势和语音命令提出了在gydF4y2Ba 19gydF4y2Ba]。系统有能力识别广泛的手和手指手势和语音命令使用Kinect和跳跃运动传感器。然而,系统是专门为图像导航,它不拥有任何运动导航的理解能力。gydF4y2Ba

智能轮椅与手势识别功能开发(gydF4y2Ba 20.gydF4y2Ba]。轮椅可以通过基本的手势,如控制前进,后退,左/右。然而,这个轮椅不能够认识到更复杂的静态和动态手势,并不是实时的识别任务。gydF4y2Ba

另一种方法提出了在gydF4y2Ba 21gydF4y2Ba)动态手势识别使用跳跃运动传感器。这个系统可以识别简单的动态手势如刷卡,水龙头,画圆登录进行身份验证。然而,这个系统无法识别复杂动态手势用于国内导航任务。提出了动态和静态手势识别方法(gydF4y2Ba 22gydF4y2Ba为辅助机器人。这个系统可以识别简单的动态手势如挥手,点头而简单的手势识别定位的地方。然而,这个系统不能识别的动态运动命令手和静态命令用于导航。该系统的另一个弱点是缺乏灵活性使用独立的手指和缺乏实时手势识别。大多数动态和静态手势使用单独的手指。gydF4y2Ba

手识别系统提出了(gydF4y2Ba 23gydF4y2Ba)是使用Kinect传感器获得深度图和彩色地图。深度图的彩色地图的使用增加了手势识别的鲁棒性,和Finger-Earth推动者的距离的方法已被用于删除任何输入变化或颜色失真。这个方法只考虑距离的手指,手指运动互相不会被检测到。这些类型的手指震动导致姿态差异将不会被承认在此设置。本文的目的是开发一个简单而独特的姿态系统来帮助导航在国内环境中补偿上述姿态变化。的方法gydF4y2Ba 24gydF4y2Ba)利用深度图像识别实时动态手势通过一个隐藏的马尔可夫模型(HMM)。动态手势的差异考虑手方向、速度、和风格被认为是在这个系统。然而,微乎其微的变化如手指方向,指骨方向,和手指的速度并没有被认为是在这个系统。还有另一种方法,利用HMM时空的手在三维空间运动模式(gydF4y2Ba 25gydF4y2Ba]。在这种方法中,他们认为手运动,手掌方向在3 d空间来弥补手势方差或震动。然而,它不能识别反手掌手指运动取向通常出现在老人。有很多手势识别系统已经发展为了大多数静态和动态手势识别。然而,很少试图补偿无意识的手势方差。系统介绍了(gydF4y2Ba 26gydF4y2Ba,gydF4y2Ba 27gydF4y2Ba]试图定义更多的特性,以最小化所有静态和动态方差或震动。为了避免过度拟合和冗余,他们使用2级分类器融合过滤掉不必要的特性。甚至有44特性、个体分类器和2级融合,系统在gydF4y2Ba 26gydF4y2Ba未能弥补手指颤抖。因为他们(gydF4y2Ba 26gydF4y2Ba,gydF4y2Ba 27gydF4y2Ba)没有考虑手指角度对棕榈取向或骨角,这些功能的融合到他们的方法变得沉闷地困难。系统开发的(gydF4y2Ba 28gydF4y2Ba]介绍了一种姿态词汇操作手机与本文提出的系统。然而,这种系统已经考虑大规模的手势和小规模的手势中微乎其微的姿态偏差问题。贝叶斯线性分类器被用于小规模的手势虽然摘要用于大规模的手势。然而,手指动作、骨角或手指的方向是不被认为是在静态和动态特性和差异手势使用单个分类器将不会得到补偿。gydF4y2Ba

因此,本文提出一种新颖的方法来识别动态和静态motion-related手势即使震动,基于手势为轮椅使用者与言语障碍分类模型。完整的手势模型基本导航命令定义。它可以用来导航智能轮椅通过国内环境。阐述了提取特性集为了弥补用户差异发生在手势。gydF4y2Ba

本文的目的是开发一个手势模型来帮助轮椅用户在国内环境中导航。因此,手势设计必须覆盖所有可能的导航场景。这些手势将有所不同,因为静态的,动态的,手掌和手指动作。系统应该能够识别不仅静态和动态手势,但它应该能够补偿的手,手指震颤发生在老年人。系统应该能够识别不同的姿态从一个用户到另一个。总之,以上现有系统没有专门设计的手势模型导航。几乎没有哪个做手语手势模型。然而,这些动作词汇不会为这篇文章的目的是有效的。手势识别方法和工具用于上述系统都集中在一个手势的准确性。一些系统已经考虑姿态差异由棕榈震动引起的。 However, none of them has considered finger tremors and finger bone angles as possibilities. In this article, we are not only focusing on developing a specifically designed gesture vocabulary but also considering all possible variations of the same gesture.

因此,颤抖的老人不会引起混淆的导航系统。提出了系统的整体功能是解释部分gydF4y2Ba 2gydF4y2Ba。提出的概念来创建一个手势模型和特征提取过程中解释部分gydF4y2Ba 3gydF4y2Ba。给出了实验结果和讨论部分gydF4y2Ba 4gydF4y2Ba。最后,结论部分给出了gydF4y2Ba 5gydF4y2Ba。gydF4y2Ba

 2。系统概述gydF4y2Ba

提出了系统的总体功能图所示gydF4y2Ba 1gydF4y2Ba。该系统能够识别静态和动态手势和解释这些手势导航命令。动作记忆(GM)构建基于手势识别从人类研究能够创造每一个在国内环境中必不可少的导航任务。此外,用户记住和回忆的能力手势也是评估。gydF4y2Ba

系统概述。gydF4y2Ba

手势识别模块提取信息的框架使用一个跳跃运动传感器,并提取数据发送到手势澄清器(GC)澄清基于手势的手势为静态和动态手势特征。静态手势识别模块(SGIM)和动态手势识别模块(DGIM)理解和识别导航命令与观察到的姿态。状态识别模块(SIM)一起GC工作,SGIM DGIM和状态控制模块(SCM)为了区分手势和意想不到的手的动作。SCM理解用户要求使用一个手势识别系统通过控制最优先手势命令,如“开启”和“关闭”。gydF4y2Ba

 3所示。手势模型gydF4y2Ba 3.1。人类研究我:导航命令的识别gydF4y2Ba

自然的人类交流包含多个模式像语音和手势。因此,定义手势应该已经能够取代所有可能的导航命令。为了确定轮椅使用者所使用的命令在基本的导航、人类的研究。55岁至70岁之间的20轮椅使用者的参与了这项研究。参与者被要求引导他们的轮椅使用手势或声音或多通道交互。自然导航命令识别优先级。因此,不限于手势交互方法。位置改变为了覆盖所有可能的导航场景。参与者没有任何先验知识的位置或先前的研究结果。因此,保证结果的准确性,避免了重复结果。 All possible navigation commands were recorded, most frequent commands were identified, and the graphical representation of the identified command frequencies is given in Figure 2gydF4y2Ba。gydF4y2Ba

导航命令的频率。gydF4y2Ba

最常见的命令识别被认为是以上提出的姿态系统。gydF4y2Ba

 3.2。人类研究II:手势识别gydF4y2Ba

人类研究为了了解轮椅使用者所使用的手势特征的识别导航命令。一群随机选择20人从同一年龄组(55 - 70)参与了这项研究。参与者被要求执行基本导航命令,发现在人类研究中我只使用手势。在这项研究中收集的数据被用来建立以后的姿态系统阐述了。跳跃运动传感器是用来跟踪手势,和收集的原始数据通过处理来识别手势特征。最主要的手在执行每个命令关联特征被记录。结果如表所示gydF4y2Ba 1gydF4y2Ba。常用手功能为每个手势特征提取作为基础。gydF4y2Ba

手功能的分析频率与导航相关的命令。gydF4y2Ba

导航命令gydF4y2Ba 手掌方向gydF4y2Ba 手掌运动gydF4y2Ba 指尖运动gydF4y2Ba 手指骨头gydF4y2Ba 手指gydF4y2Ba
单一的手指gydF4y2Ba 多个手指gydF4y2Ba
前进gydF4y2Ba 92%gydF4y2Ba 32%gydF4y2Ba 28%gydF4y2Ba 6%gydF4y2Ba 44%gydF4y2Ba 56%gydF4y2Ba
向左转gydF4y2Ba 84%gydF4y2Ba 75%gydF4y2Ba 42%gydF4y2Ba 18%gydF4y2Ba 8%gydF4y2Ba 48%gydF4y2Ba
向右转gydF4y2Ba 82%gydF4y2Ba 75%gydF4y2Ba 44%gydF4y2Ba 16%gydF4y2Ba 7%gydF4y2Ba 52%gydF4y2Ba
停止gydF4y2Ba 96%gydF4y2Ba 68%gydF4y2Ba 64%gydF4y2Ba 24%gydF4y2Ba 18%gydF4y2Ba 74%gydF4y2Ba
转身gydF4y2Ba 98%gydF4y2Ba 56%gydF4y2Ba 86%gydF4y2Ba 77%gydF4y2Ba 14%gydF4y2Ba 84%gydF4y2Ba
慢下来gydF4y2Ba 98%gydF4y2Ba 87%gydF4y2Ba 54%gydF4y2Ba 21%gydF4y2Ba 19%gydF4y2Ba 72%gydF4y2Ba
略转左gydF4y2Ba 90%gydF4y2Ba 34%gydF4y2Ba 97%gydF4y2Ba 42%gydF4y2Ba 47%gydF4y2Ba 52%gydF4y2Ba
稍微向右转gydF4y2Ba 89%gydF4y2Ba 35%gydF4y2Ba 98%gydF4y2Ba 44%gydF4y2Ba 46%gydF4y2Ba 53%gydF4y2Ba

两种主要类型的手势被认为是静态手势(指针或姿势)和动态手势(手的动作)。静态手势主要用于微妙的运动命令像停下来,转身,略左/右拐。剧烈的运动命令,参与者使用手的动作。其他重要的趋势是,参与者喜欢使用静态和动态手势更均匀。这些命令也发现两种类型:指责手势和palm-opening手势。的手指在指向手势,参与者使用的不可预测,主要一个手指或两个手指。动态手势主要是用来表达动作和轮椅需要执行的方向。gydF4y2Ba

 3.3。手势系统gydF4y2Ba

导航命令的轮椅用户应该覆盖所有可能的导航场景。如果用户声音的能力,这些命令将包括信息覆盖的指令。仅供一个智能轮椅通过手势,他们应该简单、清晰、准确。拟议的姿态系统是基于所有基本导航场景。这些手势是简单明了。手势的定义、动态手势是用来表示动作指令。定义手势图gydF4y2Ba 3gydF4y2Ba。gydF4y2Ba

导航姿态:(a)前进,(b)停止,(c)向后走,(d)离开,强硬右派(e), (f)稍微离开,(g)略好,转身(h),(我)慢下来,(j)更快,(k)关闭和打开(l)。gydF4y2Ba

姿态系统建立了基于以下考虑。gydF4y2Ba

定义手势应该简单、清晰、准确gydF4y2Ba

手势应该定义在一个方式,用户可以浏览路径使用最小数量的手势gydF4y2Ba

用户应该能够记住和回忆定义的手势。为了确保用户手势的适应性系统,人类的研究。本研究的细节解释部分gydF4y2Ba 4.1gydF4y2Ba和gydF4y2Ba 4.2gydF4y2Ba

之间的显著差异应该识别手势。因此,用户不会有任何困惑用手势gydF4y2Ba

手势系统应该有静态和动态手势,以减轻不准确造成的跳跃运动传感器gydF4y2Ba

3.4。特征提取gydF4y2Ba

手势伴随着声音的交互往往是自愿和非自愿。这些手势等信息和运动方向。与声乐残疾轮椅用户,这些手势可以被认为是主要的形式。即使有姿态系统,如美国手语,执行这些手势的不同从一个老人。为了弥补这种变化,骨角如下解释。gydF4y2Ba

定义手势系统包括两个主要形式的手势:动态手势和静态手势。静态手势不移动的手的姿势可以通过基本的手工建模功能。动态手势建模使用动态特性,比如手指运动和手的运动。gydF4y2Ba

棕榈取向。gydF4y2Ba棕榈取向是基于跳跃运动坐标。横摇角,螺旋角和偏航角的棕榈描述取向。螺旋角是角周围旋转gydF4y2Ba +gydF4y2Ba YgydF4y2Ba 轴,横摇角是角周围旋转gydF4y2Ba +gydF4y2Ba XgydF4y2Ba 轴,和偏航角是角旋转gydF4y2Ba +gydF4y2Ba ZgydF4y2Ba 轴。如图gydF4y2Ba 4gydF4y2Ba四元数的角度理论用于偏航,音高,卷gydF4y2Ba xgydF4y2Ba ,gydF4y2Ba ygydF4y2Ba ,gydF4y2Ba zgydF4y2Ba 向量相对于单一向量。通常使用欧拉角,因为它有能力向量相对于彼此。但欧拉角有一定的限制,可以通过四元数的角度来解决。使用欧拉角的主要限制在于插值困难对象的两个方向之间顺利(gydF4y2Ba 29日gydF4y2Ba]gydF4y2Ba

手指骨角。gydF4y2Ba骨角手指对提取的掌骨的手。这些角图所示gydF4y2Ba 5gydF4y2Ba。因此,即使慢下来(我),(j)更快,(k)关闭,(l)打开,手指位置不当,会不会影响到手势识别。如图gydF4y2Ba 5gydF4y2Ba远的角度(gydF4y2Ba αgydF4y2Ba )、近端(gydF4y2Ba βgydF4y2Ba )、中级(gydF4y2Ba γgydF4y2Ba )骨骼的掌骨计算使用方程(gydF4y2Ba 1gydF4y2Ba)。这些角被食指和中指。拇指手指,只有远端和近端骨角度拍摄的拇指没有一个中间骨头。这三个手指被认为是特别的,因为大多数的导航姿态确定与他们有关。无名指和小指是紧密相关的,远的平均值,近端,中间的角度考虑。导航姿态定义唯一的环或小指特性。但重要的独立功能,为其他三根手指分别包括手势。这里,掌骨的方向,近端骨,中间骨头,和远端骨用gydF4y2Ba pgydF4y2Ba →gydF4y2Ba ,gydF4y2Ba 问gydF4y2Ba →gydF4y2Ba ,gydF4y2Ba rgydF4y2Ba →gydF4y2Ba ,gydF4y2Ba ugydF4y2Ba →gydF4y2Ba ,分别。gydF4y2Ba

 (1)gydF4y2Ba pgydF4y2Ba →gydF4y2Ba =gydF4y2Ba bgydF4y2Ba →gydF4y2Ba −gydF4y2Ba 一个gydF4y2Ba →gydF4y2Ba ,gydF4y2Ba 问gydF4y2Ba →gydF4y2Ba =gydF4y2Ba cgydF4y2Ba →gydF4y2Ba −gydF4y2Ba bgydF4y2Ba →gydF4y2Ba ,gydF4y2Ba rgydF4y2Ba →gydF4y2Ba =gydF4y2Ba dgydF4y2Ba →gydF4y2Ba −gydF4y2Ba cgydF4y2Ba →gydF4y2Ba ,gydF4y2Ba ugydF4y2Ba →gydF4y2Ba =gydF4y2Ba egydF4y2Ba →gydF4y2Ba −gydF4y2Ba dgydF4y2Ba →gydF4y2Ba ,gydF4y2Ba αgydF4y2Ba =gydF4y2Ba 因为gydF4y2Ba −gydF4y2Ba 1gydF4y2Ba ugydF4y2Ba →gydF4y2Ba ⋅gydF4y2Ba pgydF4y2Ba →gydF4y2Ba ugydF4y2Ba →gydF4y2Ba ⋅gydF4y2Ba pgydF4y2Ba →gydF4y2Ba 。gydF4y2Ba 其他两个角的计算是使用相同的方法完成的gydF4y2Ba

指尖速度gydF4y2Ba。检测动态手势的定义,食指的指尖速度被认为是。两个不同的输入被认为对速度矢量的大小和方向。同时,意味着其他手指的指尖速度被认为是检测手指运动。所有属性如图gydF4y2Ba 4gydF4y2Ba

手掌的速度gydF4y2Ba。检测运动的手掌,手掌的速度大小和方向被认为是作为输入。棕榈取向角度也输入特性来检测动态手势gydF4y2Ba

特征提取骨架。gydF4y2Ba

手的功能。gydF4y2Ba

 3.5。手势的分类gydF4y2Ba

人工神经网络(ann)开发识别并阐明动态和静态手势。每个静态手势识别模块(SGIM)和动态手势识别模块(DGIM)由一个安。手势澄清器(GC)的算法gydF4y2Ba 1gydF4y2Ba和gydF4y2Ba 2gydF4y2Ba区分动态手势从静态手势。GC优先级动态手势由于关键命令“关闭”和“打开”DGIM中定义。它控制系统状态基于优先级的命令。如果收到导航命令是“关闭”,GC将隔离GI DGIM SGIM和等待下一个命令”打开。“此外,当手势确认被GC和SCM,适当的子模块将被激活。gydF4y2Ba

SGIM由一个安,有14个输入(B1, B2, B3, B4, B5, B6, M1, M2, M3, T1, T2, P1, P2, P3)。在安,有两个隐藏层和输出层有四个输出(N1、N2, N3,陶瓷)。SGIM代表一个静态导航命令的输出数量从1到12。DGIM由一个安,有5个输入(C1, C2, Q1、Q2, P1, P2, P3,和V1)和4输出(它们,N6、N7 N8)。DGIM代表一个动态导航命令的输出数量从1到12。SGIM和DGIM输出的二进制数字。两个人工神经网络使用s型函数作为激活函数。gydF4y2Ba

<大胆>算法1:< /大胆>澄清姿态算法。gydF4y2Ba

FgydF4y2Ba 1gydF4y2Ba =手指的指尖速度1gydF4y2Ba

FgydF4y2Ba 2gydF4y2Ba =手指的指尖速度2gydF4y2Ba

FgydF4y2Ba =手指的指尖速度的平均值为3和4gydF4y2Ba

KgydF4y2Ba =捕捉帧跳跃运动传感器gydF4y2Ba

ngydF4y2Ba =帧从一个跳跃动作传感器从0.25秒间隔gydF4y2Ba

需要gydF4y2Ba::gydF4y2Ba FgydF4y2Ba1gydF4y2Ba,gydF4y2Ba FgydF4y2Ba2gydF4y2Ba,gydF4y2Ba FgydF4y2Ba,gydF4y2Ba VgydF4y2Ba1gydF4y2Ba

确保gydF4y2Ba::激活模块gydF4y2Ba

为gydF4y2Ba“K”ngydF4y2Ba 做gydF4y2Ba

如果gydF4y2Ba FgydF4y2Ba1gydF4y2Ba> 0或gydF4y2Ba FgydF4y2Ba2gydF4y2Ba> 0或F > 0gydF4y2Ba VgydF4y2Ba1gydF4y2Ba> 0gydF4y2Ba 然后gydF4y2Ba

改变状态等待gydF4y2Ba

如果gydF4y2Ba

结束了gydF4y2Ba

如果gydF4y2Ba FgydF4y2Ba1gydF4y2Ba> 0或gydF4y2Ba FgydF4y2Ba2gydF4y2Ba> 0或F > 0gydF4y2Ba VgydF4y2Ba1gydF4y2Ba> 0gydF4y2Ba 然后gydF4y2Ba

激活DGIMgydF4y2Ba

激活配置管理gydF4y2Ba

其他的gydF4y2Ba

激活SGIMgydF4y2Ba

如果gydF4y2Ba

4所示。结果和讨论gydF4y2Ba

评估的有效性和准确性提出了智能姿态系统,实验从两个方面进行:(a)精度定义的记忆和回忆的手势和(b)智能手势识别系统的准确性和鲁棒性。系统在智能轮椅上实现解释(gydF4y2Ba 20.gydF4y2Ba]。进行实验,一组参与者20轮椅用户随机选择。他们选择从三个年龄段20到30、30到55岁,55年。参与者通常健康无认知障碍除了流动障碍的腿。所示的实验研究平台在会话数据gydF4y2Ba 6(一)gydF4y2Ba和gydF4y2Ba 6 (b)gydF4y2Ba。gydF4y2Ba

<大胆>算法2:< /大胆> DGIM激活算法gydF4y2Ba

需要gydF4y2Ba::激活gydF4y2Ba

确保gydF4y2Ba::DGIM激活gydF4y2Ba

如果gydF4y2Ba激活= 0gydF4y2Ba 然后gydF4y2Ba

DGIMgydF4y2Ba激活gydF4y2Ba = 1gydF4y2Ba

如果gydF4y2Ba手势=“关掉”gydF4y2Ba 然后gydF4y2Ba

激活等待状态gydF4y2Ba

DGIMgydF4y2Ba激活gydF4y2Ba = 0gydF4y2Ba

其他的gydF4y2Ba

禁用等待状态gydF4y2Ba

DGIMgydF4y2Ba激活gydF4y2Ba = 1gydF4y2Ba

如果gydF4y2Ba

如果gydF4y2Ba

在实验研究平台。gydF4y2Ba

开发了智能系统的实现需要一个高性能的智能轮椅与快速和可靠的计算能力。为了这个目的,我们使用一个轮椅机器人在我们实验室开发,基本的导航功能。在这轮椅,我们安装了一个工业品位高端计算机DDR4 SO-DIMM 32 GB内存和处理器是第六代核心i7四(3.6 GHZ)。同时,提高计算能力,SSD 1 TB的内存安装。为了弥补高性能和崎岖的操作,它可以承受温度从-20°C到60°C。这些是基本训练以来智能系统正常工作和执行需要大量的计算能力。gydF4y2Ba

4.1。实验我gydF4y2Ba

导航命令的详细介绍和相关的手势是每个参与者。他们被要求记住的命令和手势15分钟。然后,每个参与者被要求召回相关的手势对于随机给定的导航命令。比例的准确性回忆每个导航的手势命令记录如Exp。1。在下一步中,每个参与者被要求召回导航命令为一个随机给定的手势。回忆的导航精度比例为每个手势命令记录经验。2。之后,参与者被要求召回所有导航命令。比例的准确性回忆导航命令记录这一步Exp。3。最后,每个参与者都有一个固定的导航路径,他们被要求引导系统中定义的手势。导航路径选择考虑所有的导航命令识别。 Percentage accuracy of remembering each gesture in a task situation was recorded as Exp. 4. Recorded data is presented in Table 2gydF4y2Ba。箱线图中给出的数据gydF4y2Ba 7(一)gydF4y2Ba和gydF4y2Ba 7 (b)gydF4y2Ba显示记忆和回忆能力的动态和静态手势。gydF4y2Ba

我实验的结果。gydF4y2Ba

命令没有。gydF4y2Ba 导航命令gydF4y2Ba Exp。1gydF4y2Ba 实验2。gydF4y2Ba Exp。3gydF4y2Ba Exp。4gydF4y2Ba
一个gydF4y2Ba 前进gydF4y2Ba 98%gydF4y2Ba 99%gydF4y2Ba 99%gydF4y2Ba 99%gydF4y2Ba
bgydF4y2Ba 停止gydF4y2Ba 99%gydF4y2Ba 99%gydF4y2Ba 98%gydF4y2Ba 100%gydF4y2Ba
cgydF4y2Ba 向后走gydF4y2Ba 98%gydF4y2Ba 98%gydF4y2Ba 97%gydF4y2Ba 98%gydF4y2Ba
dgydF4y2Ba 坚定的左派gydF4y2Ba 95%gydF4y2Ba 97%gydF4y2Ba 97%gydF4y2Ba 94%gydF4y2Ba
egydF4y2Ba 强硬右派gydF4y2Ba 95%gydF4y2Ba 97%gydF4y2Ba 97%gydF4y2Ba 95%gydF4y2Ba
fgydF4y2Ba 稍微离开gydF4y2Ba 94%gydF4y2Ba 95%gydF4y2Ba 98%gydF4y2Ba 89%gydF4y2Ba
ggydF4y2Ba 稍微向右gydF4y2Ba 93%gydF4y2Ba 95%gydF4y2Ba 98%gydF4y2Ba 91%gydF4y2Ba
hgydF4y2Ba 转身gydF4y2Ba 95%gydF4y2Ba 95%gydF4y2Ba 98%gydF4y2Ba 98%gydF4y2Ba
我gydF4y2Ba 慢下来gydF4y2Ba 96%gydF4y2Ba 97%gydF4y2Ba 97%gydF4y2Ba 99%gydF4y2Ba
jgydF4y2Ba 更快gydF4y2Ba 95%gydF4y2Ba 96%gydF4y2Ba 98%gydF4y2Ba 99%gydF4y2Ba
kgydF4y2Ba 关掉gydF4y2Ba 100%gydF4y2Ba 100%gydF4y2Ba 98%gydF4y2Ba 100%gydF4y2Ba
lgydF4y2Ba 打开gydF4y2Ba 99%gydF4y2Ba 100%gydF4y2Ba 100%gydF4y2Ba 100%gydF4y2Ba

箱线图来表示纪念和回忆能力的动态和静态手势。gydF4y2Ba

 4.2。实验二世gydF4y2Ba

给定一个特定的参与者使用手势导航任务完成。导航路径的任务计划,所有动作都是利用。导航任务和固定的路径图gydF4y2Ba 8gydF4y2Ba。每个参与者必须使用手势引导自己,和提出了系统分类的手势。这个过程被重复所有的参与者。系统为每个手势识别精度都被记录下来。的成功和失败在识别一个特定的手势有混淆矩阵表gydF4y2Ba 3gydF4y2Ba- - - - - -gydF4y2Ba 5gydF4y2Ba。gydF4y2Ba

实验二设置。参与者被要求给手势说明路径> > C > B D > E > F > E > D > C > G。gydF4y2Ba

混淆矩阵静态手势的识别。gydF4y2Ba

一个gydF4y2Ba bgydF4y2Ba cgydF4y2Ba dgydF4y2Ba egydF4y2Ba
一个gydF4y2Ba 0.99gydF4y2Ba 0.01gydF4y2Ba
bgydF4y2Ba 0.97gydF4y2Ba 0.03gydF4y2Ba
cgydF4y2Ba 0.02gydF4y2Ba 0.98gydF4y2Ba
dgydF4y2Ba 0.01gydF4y2Ba 0.99gydF4y2Ba
egydF4y2Ba 0.01gydF4y2Ba 0.99gydF4y2Ba
观察卡巴gydF4y2Ba 标准错误gydF4y2Ba .95置信区间gydF4y2Ba
下限gydF4y2Ba 上限gydF4y2Ba
0.9648gydF4y2Ba 0.0145gydF4y2Ba 0.9363gydF4y2Ba 0.9933gydF4y2Ba

混淆矩阵的动态手势识别。gydF4y2Ba

fgydF4y2Ba ggydF4y2Ba hgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba kgydF4y2Ba lgydF4y2Ba
fgydF4y2Ba 0.95gydF4y2Ba 0.01gydF4y2Ba 0.04gydF4y2Ba
ggydF4y2Ba 0.01gydF4y2Ba 0.99gydF4y2Ba
hgydF4y2Ba 0.04gydF4y2Ba 0.96gydF4y2Ba 0.01gydF4y2Ba
我gydF4y2Ba 0.03gydF4y2Ba 0.97gydF4y2Ba
jgydF4y2Ba 0.03gydF4y2Ba 0.97gydF4y2Ba
kgydF4y2Ba 1.00gydF4y2Ba
lgydF4y2Ba 1.00gydF4y2Ba
观察卡巴gydF4y2Ba 标准错误gydF4y2Ba .95置信区间gydF4y2Ba
下限gydF4y2Ba 上限gydF4y2Ba
0.9879gydF4y2Ba 0.003gydF4y2Ba 0.9819gydF4y2Ba 0.9939gydF4y2Ba

混淆矩阵的动态和静态手势的识别。gydF4y2Ba

静态gydF4y2Ba 动态gydF4y2Ba
静态gydF4y2Ba 24gydF4y2Ba 1gydF4y2Ba 25gydF4y2Ba
动态gydF4y2Ba 2gydF4y2Ba 23gydF4y2Ba 25gydF4y2Ba
26gydF4y2Ba 24gydF4y2Ba
精度gydF4y2Ba 0.94gydF4y2Ba
误分类率gydF4y2Ba 0.06gydF4y2Ba
精度gydF4y2Ba 0.95gydF4y2Ba
科恩kappagydF4y2Ba 0.88 (> 0.81)gydF4y2Ba

在我的实验中,参与者表现出近乎完美的记忆基本导航命令,如“前进”,“停止”“走回头路”,和“开/关”命令。回忆准确的比例最导航命令是在90年代高除了“略左/右”命令。如前所述在表gydF4y2Ba 2gydF4y2BaExp。2精度高于Exp。1。因此,可以推断,回忆导航命令手势是容易。Exp。4值略低于其他精度值。回想起手势任务比在任何情况下。总的来说,几乎所有的精度值高于90%和开/关等最关键的动作准确率几乎完美的回忆。因此,它可以证明提出的姿态系统是用户友好的和容易记住。gydF4y2Ba

实验二,三混淆矩阵创建为了验证识别精度。两个手手势识别系统,静态和动态,为每个手势识别精度显示。gydF4y2Ba

所有静态手势,精度超过90%,表中给出的混淆矩阵所示gydF4y2Ba 3gydF4y2Ba。在静态姿态矩阵,科恩kappa值与线性加权计算。使用静态混淆矩阵权重都是平等的。所有动态手势,识别精度超过90%,总体精度高于静态手势识别系统。因此,使用大量的动态手势比静态手势的系统验证。科恩kappa值也计算出这个矩阵如表所示gydF4y2Ba 4gydF4y2Ba与线性加权。等关键动态手势“开/关”与两个点加权和其他手势一分。自kappa值识别系统都超过0.81,它可以证明了系统工作正常。对于姿态选型系统,创建了一个混淆矩阵和整体精度,误分类率,计算精度和科恩kappa值。总的来说,精度为0.94(> 0.90)和k值超过0.81。因此,可以得出结论,选择系统也正常工作。gydF4y2Ba

 5。结论gydF4y2Ba

提出了一种新颖的方法来识别手势导航相关的基于手势识别模型与补偿用户差异。介绍了一个智能手势识别系统为了澄清与高精度姿态。骨角度对掌骨介绍了新颖的特性,以提高识别手势的差异。系统能够消除并发症是由于用户无法执行精确的手势。一个智能澄清系统已经实现单独的静态和动态手势。实验结果证实,与言语残疾轮椅使用者能记住和回忆该手势系统。因此,拟议的手势模型可以被认为是用户友好的,并得出结论,提出智能手势识别系统可以识别用户手势精度高。gydF4y2Ba

 数据可用性gydF4y2Ba

使用的数据来支持本研究的结果包括在本文中。gydF4y2Ba

 的利益冲突gydF4y2Ba

作者宣称没有利益冲突。gydF4y2Ba

 确认gydF4y2Ba

这项工作是由美国国家研究委员会授予数量17 - 069和中心的先进机器人技术(汽车),Moratuwa大学。gydF4y2Ba

 YusifgydF4y2Ba 年代。gydF4y2Ba 高飞gydF4y2Ba J。gydF4y2Ba Hafeez-BaiggydF4y2Ba 一个。gydF4y2Ba 老年人、辅助技术和采用的障碍:一个系统的复习gydF4y2Ba 国际医学信息学杂志》上gydF4y2Ba 2016年gydF4y2Ba 94年gydF4y2Ba 112年gydF4y2Ba 116年gydF4y2Ba 10.1016 / j.ijmedinf.2016.07.004gydF4y2Ba 2 - s2.0 - 84978245004gydF4y2Ba 27573318gydF4y2Ba MostaghelgydF4y2Ba R。gydF4y2Ba 创新和技术为老年人:系统的文献回顾gydF4y2Ba 商业研究杂志》gydF4y2Ba 2016年gydF4y2Ba 69年gydF4y2Ba 11gydF4y2Ba 4896年gydF4y2Ba 4900年gydF4y2Ba 10.1016 / j.jbusres.2016.04.049gydF4y2Ba 2 - s2.0 - 84969916850gydF4y2Ba AouatefgydF4y2Ba C。gydF4y2Ba 伊曼gydF4y2Ba B。gydF4y2Ba AllaouagydF4y2Ba C。gydF4y2Ba 多代理系统在周围的环境中寻求帮助老年人生病的人民gydF4y2Ba 学报》国际会议智能信息处理、安全、先进的通信gydF4y2Ba 2015年gydF4y2Ba ACMgydF4y2Ba 1gydF4y2Ba 5gydF4y2Ba 10.1145/2816839.2816927gydF4y2Ba 2 - s2.0 - 84959867404gydF4y2Ba KavussanugydF4y2Ba M。gydF4y2Ba 环gydF4y2Ba C。gydF4y2Ba 卡瓦纳gydF4y2Ba J。gydF4y2Ba 反社会行为、道德脱离、移情作用和负面情绪:残疾人和健全运动员之间的比较gydF4y2Ba 道德和行为gydF4y2Ba 2015年gydF4y2Ba 25gydF4y2Ba 4gydF4y2Ba 297年gydF4y2Ba 306年gydF4y2Ba 10.1080 / 10508422.2014.930350gydF4y2Ba 2 - s2.0 - 84930764747gydF4y2Ba 桅杆gydF4y2Ba M。gydF4y2Ba BurmestergydF4y2Ba M。gydF4y2Ba 伯爵gydF4y2Ba B。gydF4y2Ba WeisshardtgydF4y2Ba F。gydF4y2Ba 劳动gydF4y2Ba G。gydF4y2Ba ŠpanelgydF4y2Ba M。gydF4y2Ba MaternagydF4y2Ba Z。gydF4y2Ba SmržgydF4y2Ba P。gydF4y2Ba KronreifgydF4y2Ba G。gydF4y2Ba ˇ的设计人机交互为半自治服务机器人帮助老人gydF4y2Ba 环境辅助生活gydF4y2Ba 2015年gydF4y2Ba 施普林格gydF4y2Ba 15gydF4y2Ba 29日gydF4y2Ba MuthugalagydF4y2Ba m·a·V。gydF4y2Ba SrimalgydF4y2Ba p·h·d·A。gydF4y2Ba JayasekaragydF4y2Ba a·g·B。gydF4y2Ba 提高解释含糊不清的声音指令基于环境和用户的意图提高人性化机器人导航gydF4y2Ba 应用科学gydF4y2Ba 2017年gydF4y2Ba 7gydF4y2Ba 8gydF4y2Ba 821年gydF4y2Ba 10.3390 / app7080821gydF4y2Ba 2 - s2.0 - 85027310405gydF4y2Ba FoukarakisgydF4y2Ba M。gydF4y2Ba AntonagydF4y2Ba M。gydF4y2Ba StephanidisgydF4y2Ba C。gydF4y2Ba 应用多通道用户界面在国内服务机器人开发框架gydF4y2Ba 第十届国际会议上普遍技术学报》与辅助环境有关gydF4y2Ba 2017年gydF4y2Ba ACMgydF4y2Ba 378年gydF4y2Ba 384年gydF4y2Ba GeorgoulasgydF4y2Ba C。gydF4y2Ba 拉扎。gydF4y2Ba 一个。gydF4y2Ba 贪吃者gydF4y2Ba J。gydF4y2Ba 莉特娜gydF4y2Ba T。gydF4y2Ba 一杯啤酒gydF4y2Ba T。gydF4y2Ba 家庭环境的交互通过服务机器人和跳跃运动控制器gydF4y2Ba 31日学报》国际研讨会在建筑自动化和机器人技术gydF4y2Ba 2014年gydF4y2Ba ISARCgydF4y2Ba Guerrero-GarciagydF4y2Ba J。gydF4y2Ba 冈萨雷斯gydF4y2Ba C。gydF4y2Ba 平托gydF4y2Ba D。gydF4y2Ba 研究交互式地图导航的用户定义的肢体语言gydF4y2Ba 学报的第18届国际会议在人机交互gydF4y2Ba 2017年gydF4y2Ba ACMgydF4y2Ba ViswanathangydF4y2Ba P。gydF4y2Ba ZambaldegydF4y2Ba e . P。gydF4y2Ba 福利gydF4y2Ba G。gydF4y2Ba 格雷厄姆gydF4y2Ba j·L。gydF4y2Ba 王gydF4y2Ba r·H。gydF4y2Ba AdhikarigydF4y2Ba B。gydF4y2Ba MackworthgydF4y2Ba 答:K。gydF4y2Ba MihailidisgydF4y2Ba 一个。gydF4y2Ba 米勒gydF4y2Ba w . C。gydF4y2Ba 米切尔gydF4y2Ba i M。gydF4y2Ba 智能轮椅控制策略与认知障碍的老年人:用户态度、需求和偏好gydF4y2Ba 自主机器人gydF4y2Ba 2017年gydF4y2Ba 41gydF4y2Ba 3gydF4y2Ba 539年gydF4y2Ba 554年gydF4y2Ba 10.1007 / s10514 - 016 - 9568 - ygydF4y2Ba 2 - s2.0 - 84969244587gydF4y2Ba MuthugalagydF4y2Ba m·a·v·J。gydF4y2Ba JayasekaragydF4y2Ba a·g·b·P。gydF4y2Ba 解释不确定相关信息相对参考改进的导航命令对服务机器人的理解gydF4y2Ba 学报2017年IEEE / RSJ智能机器人和系统国际会议gydF4y2Ba 2017年gydF4y2Ba ——gydF4y2Ba 6567年gydF4y2Ba 6574年gydF4y2Ba BandaragydF4y2Ba h·r·T。gydF4y2Ba MuthugalagydF4y2Ba m . v . J。gydF4y2Ba JayasekaragydF4y2Ba a . b . P。gydF4y2Ba ChandimagydF4y2Ba d . P。gydF4y2Ba 接地对象属性通过互动讨论构建认知地图服务机器人gydF4y2Ba 学报2018年IEEE国际会议上,系统,人,控制论(SMC)gydF4y2Ba 2018年gydF4y2Ba IEEEgydF4y2Ba BandaragydF4y2Ba h . m . r . T。gydF4y2Ba MuthugalagydF4y2Ba m·a·V。gydF4y2Ba JayasekaragydF4y2Ba a·g·b·P。gydF4y2Ba ChandimagydF4y2Ba d . P。gydF4y2Ba 认知地图的交互式会话模型空间代表服务机器人gydF4y2Ba 罗马2018年IEEE国际会议的程序机器人和人类互动交流gydF4y2Ba 2018年gydF4y2Ba IEEEgydF4y2Ba MuthugalagydF4y2Ba m . v . J。gydF4y2Ba JayasekaragydF4y2Ba a . b . P。gydF4y2Ba 加强humanrobot交互通过解释不确定信息导航命令基于经验和环境gydF4y2Ba 学报2016年IEEE机器人与自动化国际会议上)举行(“国际机器人与自动化会议”gydF4y2Ba 2016年gydF4y2Ba IEEEgydF4y2Ba 2915年gydF4y2Ba 2921年gydF4y2Ba BandaragydF4y2Ba h . m . r . T。gydF4y2Ba BasnayakegydF4y2Ba b . m . S . S。gydF4y2Ba JayasekaragydF4y2Ba a·g·b·P。gydF4y2Ba ChandimagydF4y2Ba d . P。gydF4y2Ba 认知导航命令识别移动机器人基于手势和声音导航命令gydF4y2Ba 第二届国际会议上电气工程(EECon)gydF4y2Ba 2018年gydF4y2Ba IEEEgydF4y2Ba WastlundgydF4y2Ba E。gydF4y2Ba SponsellergydF4y2Ba K。gydF4y2Ba 佩特森gydF4y2Ba O。gydF4y2Ba 露出gydF4y2Ba 一个。gydF4y2Ba 评估gaze-driven权力与导航支持残疾人轮椅gydF4y2Ba 康复杂志》上的研究和发展gydF4y2Ba 2015年gydF4y2Ba 52gydF4y2Ba 7gydF4y2Ba 815年gydF4y2Ba 826年gydF4y2Ba 10.1682 / JRRD.2014.10.0228gydF4y2Ba 2 - s2.0 - 84949217530gydF4y2Ba 26744901gydF4y2Ba PushpgydF4y2Ba 年代。gydF4y2Ba BhardwajgydF4y2Ba B。gydF4y2Ba 哈札里卡gydF4y2Ba s M。gydF4y2Ba 基于意图识别的认知决策导航援助gydF4y2Ba 国际会议上挖掘情报和知识的探索gydF4y2Ba 2017年gydF4y2Ba 施普林格gydF4y2Ba 81年gydF4y2Ba 89年gydF4y2Ba 徐gydF4y2Ba D。gydF4y2Ba 吴gydF4y2Ba X。gydF4y2Ba 陈gydF4y2Ba y L。gydF4y2Ba 徐gydF4y2Ba Y。gydF4y2Ba 在线动态手势识别人类机器人交互gydF4y2Ba 《智能与机器人系统gydF4y2Ba 2015年gydF4y2Ba 77年gydF4y2Ba 3 - 4gydF4y2Ba 583年gydF4y2Ba 596年gydF4y2Ba 10.1007 / s10846 - 014 - 0039 - 4gydF4y2Ba 2 - s2.0 - 84924223417gydF4y2Ba SreejithgydF4y2Ba M。gydF4y2Ba 拉克什gydF4y2Ba 年代。gydF4y2Ba 古普塔gydF4y2Ba 年代。gydF4y2Ba BiswasgydF4y2Ba 年代。gydF4y2Ba 达斯gydF4y2Ba P P。gydF4y2Ba 免提身临其境的图像的实时导航系统使用微软Kinect 2.0和跳跃运动控制器gydF4y2Ba 2015年第五次全国会议在计算机视觉、模式识别、图像处理和图形(NCVPRIPG)gydF4y2Ba 2015年gydF4y2Ba IEEEgydF4y2Ba 1gydF4y2Ba 4gydF4y2Ba YashodagydF4y2Ba h . g . m . T。gydF4y2Ba PiumalgydF4y2Ba a . m . S。gydF4y2Ba PolgahapitiyagydF4y2Ba P·g s P。gydF4y2Ba MubeengydF4y2Ba M·M·M。gydF4y2Ba MuthugalagydF4y2Ba m·a·v·J。gydF4y2Ba JayasekaragydF4y2Ba a·g·b·P。gydF4y2Ba 设计和开发控制智能轮椅与多个接口gydF4y2Ba 2018年Moratuwa工程研究会议(MERCon)gydF4y2Ba 2018年gydF4y2Ba IEEEgydF4y2Ba 324年gydF4y2Ba 329年gydF4y2Ba 陈gydF4y2Ba 一个。gydF4y2Ba HalevigydF4y2Ba T。gydF4y2Ba MemongydF4y2Ba N。gydF4y2Ba 跳跃运动控制器通过手几何和手势进行身份验证gydF4y2Ba 信息安全的国际会议上人类方面,隐私和信任gydF4y2Ba 2015年gydF4y2Ba 施普林格,可汗gydF4y2Ba 13gydF4y2Ba 22gydF4y2Ba 运河gydF4y2Ba G。gydF4y2Ba EscaleragydF4y2Ba 年代。gydF4y2Ba AngulogydF4y2Ba C。gydF4y2Ba 一个实时为辅助场景基于手势的人机交互系统gydF4y2Ba 计算机视觉和图像理解gydF4y2Ba 2016年gydF4y2Ba 149年gydF4y2Ba 65年gydF4y2Ba 77年gydF4y2Ba 10.1016 / j.cviu.2016.03.004gydF4y2Ba 2 - s2.0 - 84961782703gydF4y2Ba 任gydF4y2Ba Z。gydF4y2Ba 孟gydF4y2Ba J。gydF4y2Ba 元gydF4y2Ba J。gydF4y2Ba 张gydF4y2Ba Z。gydF4y2Ba 健壮的手势识别与kinect传感器gydF4y2Ba 多媒体19 ACM国际会议的程序gydF4y2Ba 2011年gydF4y2Ba ACMgydF4y2Ba 759年gydF4y2Ba 760年gydF4y2Ba KurakingydF4y2Ba 一个。gydF4y2Ba 张gydF4y2Ba Z。gydF4y2Ba 刘gydF4y2Ba Z。gydF4y2Ba 实时系统具有深度传感器的动态手势识别gydF4y2Ba 2012年20欧洲信号处理研讨会论文集(EUSIPCO)gydF4y2Ba 2012年gydF4y2Ba IEEEgydF4y2Ba 1975年gydF4y2Ba 1979年gydF4y2Ba 不结盟运动gydF4y2Ba Y。gydF4y2Ba WohngydF4y2Ba K。gydF4y2Ba 时空手势使用隐马尔科夫模型的识别gydF4y2Ba 诉讼的ACM研讨会上虚拟现实软件和技术gydF4y2Ba 1996年gydF4y2Ba ACMgydF4y2Ba 51gydF4y2Ba 58gydF4y2Ba 星哈gydF4y2Ba J。gydF4y2Ba 拉斯卡尔gydF4y2Ba r·H。gydF4y2Ba 全球认可的手势使用自我co-articulation信息和分类器融合gydF4y2Ba 在多通道用户界面》杂志上gydF4y2Ba 2016年gydF4y2Ba 10gydF4y2Ba 1gydF4y2Ba 77年gydF4y2Ba 93年gydF4y2Ba 10.1007 / s12193 - 016 - 0212 - 0gydF4y2Ba 2 - s2.0 - 84961285745gydF4y2Ba 星哈gydF4y2Ba J。gydF4y2Ba 拉斯卡尔gydF4y2Ba r·H。gydF4y2Ba 手势识别使用两级速度正常化,特征选择和分类器融合gydF4y2Ba 多媒体系统gydF4y2Ba 2017年gydF4y2Ba 23gydF4y2Ba 4gydF4y2Ba 499年gydF4y2Ba 514年gydF4y2Ba 10.1007 / s00530 - 016 - 0510 - 0gydF4y2Ba 2 - s2.0 - 84962145328gydF4y2Ba 陆gydF4y2Ba Z。gydF4y2Ba 陈gydF4y2Ba X。gydF4y2Ba 李gydF4y2Ba Q。gydF4y2Ba 张gydF4y2Ba X。gydF4y2Ba 周gydF4y2Ba P。gydF4y2Ba 一只手手势识别框架和可穿戴的手势交互原型为移动设备gydF4y2Ba IEEE人机系统gydF4y2Ba 2014年gydF4y2Ba 44gydF4y2Ba 2gydF4y2Ba 293年gydF4y2Ba 299年gydF4y2Ba 10.1109 / THMS.2014.2302794gydF4y2Ba 2 - s2.0 - 84897026519gydF4y2Ba 休斯gydF4y2Ba n . H。gydF4y2Ba 四元数与欧拉角任意旋转的顺序和方向余弦矩阵转换使用几何方法gydF4y2Ba 2017年gydF4y2Ba 2gydF4y2Ba