کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

مروری بر روش‌های شناسایی ژست‌های دست با استفاده از دوربین‌ رنگی واحد: از رویکردهای سنتی تا یادگیری عمیق و مدل‌های ترکیبی

نویسندگان :

حسین صابری¹ محمد قلعه‌نوئی²

1- دانشگاه جامع امام حسین (ع) 2- دانشگاه جامع امام حسین (ع)

کلمات کلیدی :

شناسایی ژست دست،دوربین رنگی،بینایی کامپیوتر،یادگیری عمیق،شبکه‌های عصبی کانولوشنی،مدل‌های ترکیبی،تعامل انسان–رایانه

چکیده :

شناسایی ژست‌های دست به‌عنوان یکی از ابزارهای کلیدی در تعامل انسان–رایانه، در سال‌های اخیر توجه چشمگیری را به خود جلب کرده است. این حوزه کاربردهای متنوعی در واقعیت مجازی و افزوده، رباتیک، بازی‌های رایانه‌ای، سیستم‌های هوشمند و فناوری‌های پوشیدنی دارد. در میان روش‌های مختلف جمع‌آوری داده، استفاده از دوربین‌های رنگی به دلیل دسترسی آسان، هزینه پایین و قابلیت ادغام در دستگاه‌های روزمره، جایگاه ویژه‌ای پیدا کرده است. در این مقاله مروری، پژوهش‌های انجام‌شده در حوزه شناسایی ژست‌های دست مبتنی بر داده‌های رنگی مرور و تحلیل می‌شوند. بدین منظور، مطالعات موجود در سه دسته اصلی تقسیم شده‌اند: رویکردهای سنتی مبتنی بر استخراج ویژگی‌های دست‌ساز، روش‌های مبتنی بر یادگیری عمیق، و مدل‌های ترکیبی که تلاش دارند از مزایای هر دو دسته بهره ببرند. مرور این تحقیقات نشان می‌دهد که اگرچه روش‌های سنتی در محیط‌های کنترل‌شده عملکرد قابل‌قبولی داشتند، اما محدودیت آن‌ها در مواجهه با تغییرات نوری، پس‌زمینه و تنوع کاربران، موجب حرکت تدریجی پژوهش‌ها به سمت یادگیری عمیق شده است. روش‌های مبتنی بر شبکه‌های عصبی عمیق، به‌ویژه CNN، RNN و مدل‌های توجه‌محور، توانسته‌اند پیشرفت چشمگیری در دقت و پایداری به‌دست آورند، هرچند نیاز به داده‌های حجیم و منابع محاسباتی سنگین همچنان چالش‌زا است. همچنین مدل‌های ترکیبی با ادغام معماری‌های مختلف، چشم‌اندازهای جدیدی را برای افزایش دقت و تعمیم‌پذیری فراهم کرده‌اند. در پایان، شکاف‌های پژوهشی موجود و مسیرهای آتی شامل استفاده از مدل‌های سبک‌وزن، داده‌های چندوجهی و الگوریتم‌های تعمیم‌پذیر مورد بحث قرار می‌گیرند.