Resumen

El reconocimiento de los movimientos de la mano es un método importante para la tecnología de interacción persona-ordenador (HCI), y se utiliza ampliamente en realidad virtual y otras áreas de HCI. Aunque se han realizado muchos esfuerzos valiosos, aún faltan formas eficientes de capturar más de 20 tipos de movimientos de la mano con gran precisión mediante un guante de datos. Este artículo aborda un nuevo marco de clasificación para 52 movimientos de la mano. Este marco de clasificación incluye las dos partes siguientes: el algoritmo de detección de movimientos y el algoritmo de clasificación de movimientos. El KNN fino (Fine K-nearest neighbor) es el núcleo del algoritmo de detección de movimientos. El algoritmo de clasificación de movimientos se compone de un muestreo descendente en la preparación de datos y una nueva red de aprendizaje profundo denominada red DBDF. La memoria bidireccional a corto plazo (BiLSTM) es la parte principal de la red DBDF. Los resultados de los experimentos realizados con el conjunto de datos Ninapro DB1 demuestran que nuestro trabajo puede clasificar más tipos de movimientos de la mano que los algoritmos relacionados con una precisión del 93,15 %.

• Materias:Ingeniería electrónica Redes Inalámbricas Procesamiento de señales asistido por computador Informática Procesamiento de datos
• Subjects:Electronic engineering Wireless Networks Signal processing computer-assisted Computing Data processing
• Palabras claves:movimientos de la mano, algoritmo de clasificación de movimientos, algoritmo de detección de movimientos, red dbdf, bidireccional largo corto, conjunto de datos ninapro db1, muchos esfuerzos valiosos, nuevo marco de clasificación, otras áreas hci, knn fino
• Keywords:hand movements, movement classification algorithm, movement detection algorithm, dbdf network, bidirectional long short, ninapro db1 dataset, many valuable efforts, new classification framework, other hci areas, fine knn