过去的关于身体交互的研究通常需要定制的传感器,这限制了它们的可扩展性和通用性。我们提出了EarBuddy,一个实时系统,利用商用无线耳塞中的麦克风来检测面部和耳朵附近的敲击和滑动手势。我们开发了一个设计空间来生成27个有效手势,并进行了一项用户研究(N=16)来选择最适合人类偏好和麦克风可检测性的八个手势。我们收集了这八个手势的数据集(N=20),并训练了深度学习模型来进行手势检测和分类。我们的优化分类器达到了95.3%的准确率。最后,我们进行了一项用户研究(N=12)来评估EarBuddy的可用性。我们的结果显示,EarBuddy可以促进新颖的交互,并且用户对系统感到非常积极。EarBuddy提供了一种新的无需眼睛注视、社会可接受的输入方法,与商用无线耳塞兼容,并具有可扩展性和通用性的潜力。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/32117/2020

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3313831.3376836
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
9 位作者
sell
研究子方向
触觉可穿戴设备、足部与手腕交互
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文