مروری بر روش های شناسایی ژست های دست با استفاده از دوربین رنگی واحد از رویکردهای سنتی تا یادگیری عمیق و مدل های ترکیبی

شناسایی ژست های دست به عنوان یکی از ابزارهای کلیدی در تعامل انسان رایانه در سال های اخیر توجه چشمگیری را به خود جلب کرده است. این حوزه کاربردهای متنوعی در واقعیت مجازی و افزوده، رباتیک، شناسایی ژست دست دوربین بازی های رایانه ای، سیستم های هوشمند و فناوری های پوشیدنی دارد. در میان روش های مختلف جمع آوری داده رنگی بینایی کامپیوتر، استفاده از دوربین های رنگی به دلیل دسترسی، آسانی، هزینه پایین و قابلیت ادغام در دستگاه های روزمره جایگاه ویژه ای پیدا کرده است. در این مقاله، مروری بر پژوهش های انجام شده در حوزه شناسایی ژست های دست مبتنی بر داده های رنگی مرور و تحلیل می شوند. بدین منظور مطالعات موجود در سه دسته اصلی تعامل انسان رایانه تقسیم شده اند: رویکردهای سنتی مبتنی بر استخراج ویژگی های دست ساز، روش های مبتنی بر یادگیری عمیق و مدل های ترکیبی که تلاش دارند از مزایای هر دو دسته بهره ببرند. مرور این تحقیقات نشان می دهد که اگرچه روش های سنتی در محیط های کنترل شده عملکرد قابل قبولی داشتند، اما محدودیت آن ها در مواجهه با تغییرات نوری، پس زمینه و تنوع کاربران موجب حرکت تدریجی پژوهش ها به سمت یادگیری عمیق شده است. روش های مبتنی بر شبکه های عصبی عمیق به ویژه RNN، CNN، مدل های توجه محور، توانسته اند پیشرفت چشمگیری در دقت و پایداری به دست آورند، هر چند نیاز به داده های حجیم و منابع محاسباتی سنگین همچنان چالش زا است. همچنین مدل های ترکیبی با ادغام معماری های مختلف چشم اندازهای جدیدی را برای افزایش دقت و تعمیم پذیری فراهم کرده اند. در پایان شکاف های پژوهشی موجود و مسیرهای آتی شامل استفاده از مدل های سبک وزن، داده های چندوجهی و الگوریتم های تعمیم پذیر مورد بحث قرار می گیرند.

کلیدواژه ها:

عصبی عمیق ، شبکه های کانولوشنی ، مدل های ترکیبی ، شناسایی ژست های دست