Reconnaissance des gestes de la main à l'aide de l'apprentissage automatique en Python

Les présentations contrôlées par les gestes de la main à l'aide de l'apprentissage automatique impliquent l'utilisation d'un système de vision par ordinateur pour interpréter les mouvements et les gestes de la main comme des commandes permettant de contrôler les présentations. Rassemblez un ensemble de données d'images ou de vidéos de gestes de la main, en capturant divers mouvements et gestes de la main qui correspondent à différentes commandes de présentation (par exemple, diapositive suivante, diapositive précédente, zoom avant, zoom arrière). Nettoyer et prétraiter les données collectées en redimensionnant, normalisant et augmentant les images ou les vidéos afin d'améliorer la robustesse du modèle. Utiliser des techniques d'apprentissage automatique, souvent en employant des réseaux neuronaux convolutifs (CNN) ou d'autres architectures d'apprentissage profond, pour former un modèle sur l'ensemble des données collectées. Ce modèle apprend à reconnaître et à classer les différents gestes de la main. Une fois entraîné, le modèle est capable de reconnaître des gestes spécifiques de la main en temps réel. Il peut identifier des gestes tels que la paume ouverte pour la diapositive suivante, le poing fermé pour la diapositive précédente, le pincement pour le zoom avant, l'écartement des doigts pour le zoom arrière, etc.

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.

Klappentext

Les présentations contrôlées par les gestes de la main à l'aide de l'apprentissage automatique impliquent l'utilisation d'un système de vision par ordinateur pour interpréter les mouvements et les gestes de la main comme des commandes permettant de contrôler les présentations. Rassemblez un ensemble de données d'images ou de vidéos de gestes de la main, en capturant divers mouvements et gestes de la main qui correspondent à différentes commandes de présentation (par exemple, diapositive suivante, diapositive précédente, zoom avant, zoom arrière). Nettoyer et prétraiter les données collectées en redimensionnant, normalisant et augmentant les images ou les vidéos afin d'améliorer la robustesse du modèle. Utiliser des techniques d'apprentissage automatique, souvent en employant des réseaux neuronaux convolutifs (CNN) ou d'autres architectures d'apprentissage profond, pour former un modèle sur l'ensemble des données collectées. Ce modèle apprend à reconnaître et à classer les différents gestes de la main. Une fois entraîné, le modèle est capable de reconnaître des gestes spécifiques de la main en temps réel. Il peut identifier des gestes tels que la paume ouverte pour la diapositive suivante, le poing fermé pour la diapositive précédente, le pincement pour le zoom avant, l'écartement des doigts pour le zoom arrière, etc.