面向电容式传感设备的敏捷手势识别：在职自适应
机器学习
2023-05-15 v1
摘要
自动化手部手势识别数十年来一直是人工智能(AI)界的关注焦点。传统上，该领域的工作主要围绕假设可获得用户手部图像流的场景展开。这部分是由于基于摄像头的设备盛行以及图像数据的广泛可得性。然而，对于能够在低功耗设备上使用有限传感器数据而非手部图像等高维输入来实现的手势识别技术，需求正日益增长。在本工作中，我们展示了一个手部手势识别系统及方法，其使用嵌入 etee 手部控制器中的电容式传感器信号。该控制器从佩戴者的五根手指中的每一根实时生成信号。我们使用机器学习技术来分析时间序列信号，并识别出能够在 500 ms 内表示 5 根手指的三个特征。该分析由两阶段训练策略组成，包括通过主成分分析进行降维以及使用 K 近邻进行分类。值得注意的是，我们发现这种组合展现出的性能水平可与更先进的方法（如监督变分自编码器）相媲美。基础系统还可配备通过附加自适应纠错机制从偶发错误中学习的能力。结果表明，纠错器在不损害基础系统性能的前提下提升了其分类性能。该系统每个输入样本所需计算时间不超过 1 ms，且比深度神经网络更小，证明了基于该技术的敏捷手势识别系统的可行性。
引用
@article{arxiv.2305.07624,
title = {Agile gesture recognition for capacitive sensing devices: adapting on-the-job},
author = {Ying Liu and Liucheng Guo and Valeri A. Makarov and Yuxiang Huang and Alexander Gorban and Evgeny Mirkes and Ivan Y. Tyukin},
journal= {arXiv preprint arXiv:2305.07624},
year = {2023}
}