面向低功耗应用的敏捷手势识别：以定制化实现泛化
信号处理
2024-03-26 v1 机器学习
应用统计
摘要
自动手势识别长期以来一直是人工智能领域的焦点。传统上，该领域的研究主要集中于能够持续获取手部图像流的场景。这一焦点是由摄像头的广泛使用和图像数据的充足可用性所驱动。然而，由于对数据泄露和终端用户隐私的日益担忧，以及低成本设备中有限的电池容量和计算能力，对在低功耗传感器设备上运行的手势识别技术的需求日益增长。此外，为单独设计的硬件收集数据的挑战也阻碍了手势识别模型的泛化。在本研究中，我们揭示了一种利用自适应敏捷纠错的新型模式识别系统方法，旨在提升传统手势识别模型在电池容量和计算能力有限的设备上的性能。该系统包含一个紧凑的支持向量机作为实时手势识别的基础模型。此外，它还配备了一个自适应敏捷纠错器，该纠错器在高维核映射诱导的特征空间内采用小样本学习。该纠错器可为每个用户定制，允许根据其运动模式动态调整手势预测，同时在低成本、低功耗微控制器上保持其基础模型的敏捷性能。该系统以其紧凑的尺寸、快速的处理速度和低功耗而著称，使其成为各种嵌入式系统的理想选择。
引用
@article{arxiv.2403.15421,
title = {Agile gesture recognition for low-power applications: customisation for generalisation},
author = {Ying Liu and Liucheng Guo and Valeri A. Makarovc and Alexander Gorbana and Evgeny Mirkesa and Ivan Y. Tyukin},
journal= {arXiv preprint arXiv:2403.15421},
year = {2024}
}