Erkennung von Handgesten mit maschinellem Lernen in Python

Bei handgestengesteuerten Präsentationen mit maschinellem Lernen (ML) wird ein auf Computer Vision basierendes System eingesetzt, um Handbewegungen und Gesten als Befehle zur Steuerung von Präsentationen zu interpretieren. Sammeln Sie einen Datensatz von Handgestenbildern oder -videos, in denen verschiedene Handbewegungen und Gesten erfasst sind, die verschiedenen Präsentationsbefehlen entsprechen (z. B. nächste Folie, vorherige Folie, vergrößern, verkleinern). Bereinigung und Vorverarbeitung der gesammelten Daten durch Größenanpassung, Normalisierung und Anreicherung der Bilder oder Videos, um die Robustheit des Modells zu verbessern. Einsatz von Techniken des maschinellen Lernens, häufig unter Verwendung von Convolutional Neural Networks (CNNs) oder anderen Deep-Learning-Architekturen, um ein Modell auf den gesammelten Datensatz zu trainieren. Dieses Modell lernt, verschiedene Handgesten zu erkennen und zu klassifizieren. Einmal trainiert, ist das Modell in der Lage, bestimmte Handgesten in Echtzeit zu erkennen. Es kann Gesten wie die offene Handfläche für das nächste Dia, die geschlossene Faust für das vorherige Dia, das Zusammenkneifen für das Heranzoomen, das Spreizen der Finger für das Herauszoomen usw. erkennen.

Autorentext

Asha Sohal es profesora adjunta de CSE en la Universidad K R Mangalam de Gurgaon y cursa un doctorado (CSE) en la DCSA de Kuk, un máster en Tecnología de la Información en la GGSIPU de Delhi y una licenciatura en Tecnología (CSE) en la Universidad de Kurukshetra. Tiene más de 20 años de experiencia docente en universidades de renombre y ha publicado varios trabajos de investigación en el ámbito de la computación en nube y la niebla.