非侵入式无接触手势识别技术在人机交互中的应用

《IEEE Robotics and Automation Letters》：Non-Intrusive Contactless Gesture Recognition for Human-Robot Interaction

　　

摘要：

随着机器人越来越多地融入协作和辅助环境，自然手势的理解对于实现有效的人机交互变得至关重要。虽然基于视觉的手势识别系统存在隐私问题，并且在遮挡和光照条件变化的情况下性能受限，但可穿戴传感器方法往往会影响用户的舒适度和交互的自然性。这些挑战需要寻找能够在识别准确性和用户接受度之间取得平衡的替代方案。本文提出了一种轻量级的基于Transformer的特征提取器，在推理过程中使用多数投票的测试时增强方法来提升分类性能。该网络拥有大约200万个可训练参数，在现代加速硬件上仍能保持合理的效率。其模块化架构也便于适应各种传感器配置。实验结果表明，该模型的整体准确率达到97.21%，F1分数、精确度和召回率也都非常高。该模型在GPU上的推理时间为16毫秒，在CPU上的推理时间为40毫秒，显示出其在协作机器人技术中的实时应用潜力。