在过去的几十年里，计算机科学家已经开发了一系列广泛的模型和方法来分析人类行为和交流的不同方面，如语言、情感和手势。大多数现有的手势识别技术依赖于使用带有单个传感器的可穿戴技术，只能识别有限数量的基本手势。
斯洛伐克科米纽斯大学布拉迪斯拉发的研究人员最近开发了一种新的手势识别系统WaveGlove，该系统使用多个惯性传感器，而不是单一传感器。arXiv上预先发表的一篇论文介绍了这个新系统，它本质上是一个手套，每个手指上都有一个惯性传感器。
“我们最近的论文展示了多惯性传感器用于手势识别(HGR)的使用，”研究人员之一Matej Kralik告诉TechXplore。“通过构建一个定制的硬件原型和比起提出一种新型的基于变压器模型(网络体系结构,它有很多成功自然语言处理任务),我们证明了使用多个传感器可以对分类精度有显著影响,并允许更丰富的词汇的手势。”
使用他们创建的手势识别系统WaveGlove，研究人员能够获得包含11000多个手势样本的两个数据集。Kralik和他的同事随后设计了两种不同的手势词汇表，一种包含8个全手动作(WaveGlove-single)，另一种包含10个更复杂、精心设计的手势，每个手指的动作都不同(WaveGlove-multi)。
来自WaveGlove-single数据集的手势与那些commo类似
仅使用o进行分类
只有一个传感器。传感器沿箭头方向移动。资料来源:Kralik & Suppa。
“与单一的手持传感器相比，多传感器的存在使我们能够设计和分类更丰富的手势词汇，”Kralik说。“我们使用多个传感器分类的手势与我们在日常生活中使用的手势类似。这使得像WaveGlove这样的设备使用起来更容易、更自然。”
除了汇编手势数据集和确认WaveGlove系统的有效性外，研究人员还对超过10种手势识别分类方法进行了基准测试，其中一些方法是他们之前研究的一部分。他们在许多不同的数据集上评估了这些方法，因为他们希望这将有助于手势识别领域的标准化结果。
来自WaveGlove-multi数据集的一些手势。多个传感器的存在允许不同的手指运动，以及使用我们已经在日常生活中知道的手势。资料来源:Kralik & Suppa。
这个研究小组收集的发现可能有许多有价值的暗示。首先，他们的工作可以为专注于手势识别的研究提供信息，并有助于增强现有系统。其次，他们创造的WaveGlove原型最终可以用于改善人类和机器之间的交流，使后者能够更好地理解人类的手势。
Kralik表示:“据我们所知，我们在使用惯性传感器的手势识别领域提供了首个公开可用的大尺寸多传感器数据集。”“我们还证明，传感器的最佳数量和位置取决于被分类的手势。我们现在的目标是进一步探索基于transformer的模型的微调，增加数据集的大小和可变性，并扩展手势的多传感器词汇表。”
