Opisthenar:使用嵌入式手腕摄像头观察手背进行手势与手指敲击识别
足部与手腕交互眼动追踪与注视交互软件工程师与开发者UI/UX 设计师
我们提出了一种基于视觉的手势识别技术,通过观察手背的细微变化来识别手部姿势。该方法使用安装在手腕上的摄像头(可集成于智能手表等穿戴设备),但手指会被遮挡。我们通过观察手背的形状、肌腱、皮肤和骨骼的微小变化,采用深度神经网络识别静态手势和动态手势。在实时用户测试中,静态识别率达89.4%,动态识别率达67.5%。该方法可跨会话和用户泛化,用户可摘取和重新佩戴设备,新用户也可使用已训练的模型。这种传感方式支持从单手操作到细微输入、无需视觉或方向无关交互等多种新型交互能力。
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。
- 75%
通过手臂和手腕旋转手势扩展键盘快捷方式
CHI '18· 足部与手腕交互
- 60%
精准定位:基于头部和眼睛的增强现实目标选择
CHI '18· 眼动追踪与注视交互 +1
- 60%
从用户与多个设备的交互中训练特定于个人的注视估计器
CHI '18· 眼动追踪与注视交互 +1
- 60%
HandSee:使用前置摄像头立体视觉实现智能手机上的全手交互
CHI '19· 手部手势识别 +1
- 60%
GazeConduits:通过凝视和触摸进行的免校准跨设备协作
CHI '20· 眼动追踪与注视交互 +1
- 60%
使用实体笔式输入进行操作、学习和回忆
CHI '20· 形变界面与软机器人材料 +1
- 60%
TapNet:多任务学习CNN用于屏幕外移动输入的设计、训练、实现及应用
CHI '21· 足部与手腕交互 +1
- 60%
KeyTch:结合键盘与触摸屏以实现工具栏上的快速命令选择
CHI '21· 足部与手腕交互 +1
- 60%
AO-Finger:通过声光传感器融合实现无手操作的细粒度手指手势识别
CHI '23· 手部手势识别 +1
- 60%
PonDeFlick:一种在智能手表上输入日文文本的方法,该方法将滑动操作与智能手机界面相结合
CHI '24· 足部与手腕交互 +1
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
UIST
calendar_month
年份
2019
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
足部与手腕交互、眼动追踪与注视交互
work
职业/产业
软件工程师与开发者、UI/UX 设计师
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文