水下潜员-机器人通信的一键手势识别

可靠的人机交互是水下人机交互（U-HRI）的关键，而传统方法如声学信号和预定义手势模型往往受限于适应性和鲁棒性。本文提出一种一键手势识别（One-Shot Gesture Recognition, OSG）方法，使其能够从单个演示中实现水下实时、基于姿态的、时序手势识别，无需大规模数据集收集或模型重新训练。OSG 利用基于形状的分类技术，包括胡矩、Zernike 矩和傅里叶描述子，在视觉条件艰苦的水下环境中稳健地识别手势。我们的系统在真实水下数据上实现了高准确率，并可在自动水下航行器（AUV）上常见的嵌入式硬件上高效运行，展示了其在机器人板载部署的可行性。与深度学习方法相比，OSG 更轻量、计算效率更高且高度可适应，使其成为潜员到机器人通信的理想选择。我们在增强手势数据集和真实水下视频数据上评估了 OSG，对比其准确率与深度学习方法。我们的结果表明，OSG 有望通过无需预定义手势语言限制，实现即时部署用户自定义手势，从而提升 U-HRI。