OddEyeCam:基于WFoV RGB和NFoV深度摄像头的身体中心透视交互传感技术
全身交互与体感输入人体姿态与行为识别环境感知与上下文计算
身体周围的空间不仅将移动设备的交互空间扩展到其小屏幕之外,还使用户能够利用本体感觉。因此,身体为中心的透视交互已获得相当多的关注。为支持其实际实现,我们提出了OddEyeCam,这是一种基于视觉的方法,可以以绝对、广泛和连续的方式跟踪移动设备在静态和移动环境中相对于用户身体的3D位置。OddEyeCam使用广角RGB摄像头跟踪用户的身体,并使用智能手机上接近身体的窄视角深度摄像头获取精确深度信息。我们通过一项精度测试和两项用户研究对OddEyeCam进行了定量评估。精度测试显示,当参与者站立和行走时,OddEyeCam的平均跟踪精度分别为4.17厘米和4.47厘米。在第一项用户研究中,我们实现了各种交互场景,并观察到OddEyeCam受到参与者的良好欢迎。在第二项用户研究中,我们观察到使用我们的系统执行的透视目标获取任务遵循菲茨定律。我们还使用获得的测量数据分析了OddEyeCam的性能,观察到参与者在足够的速度和精度下完成了任务。
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%
MonoEye: 使用单超广角鱼眼摄像头的多模态人体动作捕捉系统
UIST '20· 全身交互与体感输入 +2
- 67%
意外的权力姿势对人机交互有多重要?
CHI '18· 全身交互与体感输入 +1
- 67%
关键时间:中风手势生成时间的超精确预测
CHI '18· 全身交互与体感输入 +1
- 67%
手势诱发研究中的一致性分析的不相似性-共识方法
CHI '19· 全身交互与体感输入 +1
- 67%
使用深度强化学习预测空中交互动作和疲劳
CHI '20· 全身交互与体感输入 +1
- 67%
随身姿态:使用智能手机传感器融合和逆运动学近似用户姿态
CHI '21· 全身交互与体感输入 +1
- 67%
面向日常具身记忆的设计:日记研究启示
DIS '23· 全身交互与体感输入 +1
- 67%
表面之下:使用射频雷达传感在工作表面进行无干扰活动识别
IUI '18· 人体姿态与行为识别 +1
- 67%
将多视角第一人称视频中的手部检测与识别用于辅助群体活动分析
IUI '19· 全身交互与体感输入 +1
- 67%
ConvBoost: 基于卷积网络传感器活动识别的提升框架
UbiComp '23· 人体姿态与行为识别 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/10.1145/3379337.3415889
一眼看懂
fact_check论文快照
dataset
来源
UIST
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
全身交互与体感输入、人体姿态与行为识别、环境感知与上下文计算
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文