MoRSE：基于深度学习的搜救行动手臂手势识别
机器学习
2022-10-18 v1 人机交互
摘要
在搜救行动中高效快速的远程通信对一线救援人员而言可以挽救生命。然而，在野外作业时，基于文本、图像与音频的通信手段在多种灾难场景中并不适用。本文提出一种基于智能手表的应用，其利用深度学习（DL）模型识别一组预定义的手臂手势，并通过振动将其映射为摩斯电码，从而实现救援人员间的远程通信。该模型性能通过使用7名受试者（交叉验证）佩戴于优势臂的智能手表所做出的4,200个手势进行训练来评估。我们的DL模型依赖于卷积池化，并超越了现有DL方法与常见机器学习分类器的性能，取得高于95%的手势识别准确率。最后我们讨论了结果并给出未来方向。
引用
@article{arxiv.2210.08307,
title = {MoRSE: Deep Learning-based Arm Gesture Recognition for Search and Rescue Operations},
author = {Panagiotis Kasnesis and Christos Chatzigeorgiou and Dimitrios G. Kogias and Charalampos Z. Patrikakis and Harris V. Georgiou and Aspasia Tzeletopoulou},
journal= {arXiv preprint arXiv:2210.08307},
year = {2022}
}
备注
Accepted for presentation in the IEEE 8th World Forum on Internet of Things