在人機介面應用中，手勢辨識是重要的一個議題與技術。目前使用手勢辨識作為電視機選台的介面仍是一個創新的做法，這可以不用選台器而達到節能減碳的效果，加上透過辨識技術使的介面應用更為直覺、簡單。故使用前肢動作的手勢進行英數字辨識是本技術的重點。除此之外，本技術亦可應用在操作機器人的手勢指令，這是一個簡單易用、直覺化的人機介面。
有鑒於現在辨識技術，尤其使用前肢動作的手勢進行英數字辨識需要事先定義，也就是須定義好0~9, A~Z, a~z的各項模型，進而辨識手勢，這些手勢辨識的模式、演算等等，是必須事先定義在系統當中，彈性較低、複雜性較高。鑑於以上方法的缺點，我們設計一套學習排序模式，不需要事先定義手勢模型、透過學習，而能自動辨識出英數字。
本技術提出使用排序學習在前肢動作之英數字辨識，透過膚色偵測、手部偵測、軌跡記錄、特徵截取是英數字辨識的前處理；以及Learning to Rank的辨識方法加以分析偵測多個辨識的結果並加以排序。本技術的作法是將手勢軌跡切分成許多軌跡向量，並以左右手前肢軌跡分別記錄，將此做前肢動作之英數字辨識的特徵值。據此，我們先擷取訓練資料，並對此訓練資料以KNN分類器訓練資料予以分類，當我們在辨識階段需辨識一個英數字前肢手勢軌跡時，我們先找到訓練資料模型中最接近此英數字前肢手勢軌跡的群組，再運用RankBoost變型加以學習排序，得到一個訓練資料的英數字前肢手勢的排序清單，我們以排序第一名作為我們的辨識結果，即得到前肢動作軌跡所代表的英數字。
|
技術摘要：
專利行銷平台
