基于智能摄像头的实时二维手臂手势检测:一种模糊逻辑与卷积神经网络(CNN)相结合的方法
《IEEE Instrumentation & Measurement Magazine》:Smart Camera-Based Real-Time 2D Arm Gesture Detection: A Fuzzy Logic and CNN Approach
【字体:
大
中
小
】
时间:2026年05月08日
来源:IEEE Instrumentation & Measurement Magazine 1.6
编辑推荐:
摘要:在当今的技术时代,通过自然方式远程控制设备对于实现远程无障碍的系统管理至关重要。然而,许多现有的解决方案都较为复杂,需要高级技能,从而限制了用户的便利性。本研究介绍了Smart Camera Two (SCT)——这一先进系统能够精确实时识别用户双臂的上下动作,其最小角度
摘要:
在当今的技术时代,通过自然方式远程控制设备对于实现远程无障碍的系统管理至关重要。然而,许多现有的解决方案都较为复杂,需要高级技能,从而限制了用户的便利性。本研究介绍了Smart Camera Two (SCT)——这一先进系统能够精确实时识别用户双臂的上下动作,其最小角度分辨率为15°。我们的研究评估了SCT两种变体(SCT-O和SCT-T)的性能,并将其与早期的SCO进行了对比,同时考虑了所使用的因素和材料[1]。该系统使用面向用户的摄像头来捕捉简单的手臂动作,使得无需专业技术即可实现直观交互。这种自然的手势控制方式简化了任务流程,显著缩短了完成时间。实时数据采集有助于快速决策和适应性系统监控,提升了生产效率。SCT的整体准确率达到99.937%,并且对光线变化和遮挡具有较低的敏感度及较强的鲁棒性。它包含两种版本:基于模糊逻辑(FLO)的SCT-O和基于卷积神经网络(CNN)的SCT-T,每种版本都适用于不同的项目需求。本文通过大量实验对这两种版本进行了详细比较分析,验证了它们的性能。该研究的视频演示可公开访问:https://sites.google.com/view/smart-camera-two-sct/accueil。
引言
人工智能(AI)最近改变了众多领域,显著推动了机械设备的发展,简化了操作流程,并提高了盈利能力——尤其是在工业领域。这项技术为传统的基于辐射的方法提供了一种安全、准确且灵活的替代方案,提升了安全性与测量精度。正如N. Guedri等人所展示的,他们提出的方法利用智能摄像头来监控物料流动,同时减少了激光或超声波等有害辐射技术带来的健康风险[2]。尽管人们担心辐射对健康(尤其是神经系统和生殖系统)的影响,促使研究人员寻求基于光学技术的计算机视觉(CV)等更安全的替代方案,但B. Li等人仍然提出了一种基于Wi-Fi的解决方案[3]。这凸显了使用计算机视觉的重要性,确保了更安全的工作环境。在精度方面,S. Shirmohammadi等人指出,在机器学习辅助测量中量化不确定性有助于识别不可靠的预测结果[4]。通过识别这些不确定的预测,系统可以避免依赖存疑的数据,从而提高整体的系统鲁棒性和可靠性。Y. Chao等人强调了计算机视觉在测量和控制技术发展中的重要性,特别是在非接触式测量场景中,摄像头能够提供比传统传感器更准确和灵活的解决方案[5]。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号