FingerPing:使用主动声学身体传感识别精细手部姿势
作者
手部手势识别人体姿态与行为识别
FingerPing是一种新颖的感应技术,可以通过分析声学共振特征来识别各种精细的手势。安装在拇指戒指上的表面换能器将声学啁啾(20Hz至6,000Hz)注入身体。分布在手腕和拇指上的四个接收器收集这些啁啾信号。手的不同姿势为声学啁啾提供了不同的传播路径,在四个接收器上产生独特的频率响应。我们展示了FingerPing如何区分多达22种手势,包括拇指接触手上的12个指骨以及10种美国手语姿势。一项有16名参与者的研究表明,我们的系统可以分别以93.77%和95.64%的准确率识别这两组姿势。我们讨论了这种输入技术广泛使用的机会和面临的挑战。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 100%
RadarNet:利用微型雷达传感器的高效手势识别技术
CHI '21· 手部手势识别 +1
- 100%
更多错误还是更长的命令:重复和表达能力降低对输入解释错误、学习和用户偏好的影响
CHI '22· 手部手势识别 +1
- 100%
通过2D-3D指纹匹配估计3D手指姿态
IUI '22· 手部手势识别 +1
- 100%
Back-Hand-Pose:基于手背变形网络的腕戴式摄像头3D手部姿态估计
UIST '20· 手部手势识别 +1
- 100%
RIDS:虚拟现实中自由手势指点时利用手部运动动力学对选择手势的隐式检测
UIST '22· 手部手势识别 +1
- 67%
把握微手势:为手持物体引发单手微手势
CHI '19· 手部手势识别 +1
- 67%
FrownOnError:通过面部表情中断智能音箱的响应
CHI '20· 手部手势识别 +2
- 67%
UnifiedSense:利用冗余可穿戴传感器进行跨设备训练实现无设备手势交互
MobileHCI '23· 触觉可穿戴设备 +2
- 67%
基于单次演示的视觉手势定制
UIST '24· 手部手势识别 +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
12 位作者
sell
研究子方向
手部手势识别、人体姿态与行为识别
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
9 篇相关论文