印度NIT Silchar的研究人员最近开发了一种新的基于动态手势的键盘字符识别系统。这个虚拟键盘系统在Springer的环境智能和人性化计算杂志上发表的一篇论文中提出，它采用基于图像的方法进行手势识别，即自然界中的模式，速度和尺度不变。
“由于其广泛的应用，手势识别是一个很有前途的研究领域，”进行这项研究的研究人员之一Songhita Misra告诉TechXplore。“手势识别系统可应用于虚拟现实系统，增强现实，医疗保健，车辆，帮助患有视力或运动障碍的患者，家用电器，机器人，采矿和其他一些日益增加的应用。 “
手势识别可以增强各个领域的人机交互。虽然手势识别工具可以有广泛的应用，但到目前为止，很少有组织和机构试图将这些系统引入社会。
“在进行文献调查时，我观察到大多数现有研究要么限于静态手势，要么持续时间较短的动态手势，如”向左移动“，”向右移动“，”点击“，”停止“等，这基本上可以最多取代传统的鼠标和电视遥控器，“松下说。“随着应用需求的增加，设计人员系统的复杂性必然会增加。因此，需要在长动态系统领域进行深入的研究和分析。”
传统键盘支持广泛的字符，包括大写和小英文字母，算术运算符，阿拉伯数字和其他可打印的ASCII字符。由于其重要的数据库要求，以及与手检测，跟踪，特征提取和分类器的使用相关的可能复杂性，覆盖所有这些角色的手势识别系统的开发非常具有挑战性。
在他们最近的研究中，Songhita和她的同事着手开发一个大约95个字符的虚拟键盘系统。然而，由于与此任务相关的困难，他们的系统目前支持58。
“我们的团队，包括我的导游Rabul Hussain Laskar博士，Joyeeta Singha博士和我，设法使用颜色标记和裸手开发了58可打印的键盘字符系统，”Songhita解释道。“我们在这个领域的研究始于2013年，在NIT Silchar的语音和图像实验室。”
研究人员开发了一种基于自我共同关节，位置和轨迹特征的手势识别分层方法。用于手势识别的现有现有技术模型基于时间轨迹特征，其取决于随后的特定手势的逐帧2-D顺序路径。
由于这种依赖性，通过这些方法分析的特征可能受到轨迹噪声或图案，速度或比例的其他变化的影响。另一方面，Songhita和她的同事设计的方法使用的是不是逐帧获得的图像模型，因此不受图案，速度，比例或轨迹变化的影响。
研究人员将这些基于图像和轨迹的特征融合在一个混合分层分类模型中。他们的模型比基线非分层轨迹分类模型获得了3.9%的准确度，对于诸如“0”和“O”或“Z”和“2”的字符具有较低的错误分类率。
“我们工作的扩展版本已获得IMPRINT-II的批准，用于在SERB，DST，印度的赞助下，为期三年，”Songhita说。“我们的项目与IIT Guwahati合作，是从2000多个提案中选出的121个项目之一。这对我们以及研究所来说都是一项重大成就。我们的项目肯定是印度最早的项目之一。专注于开发虚拟文本输入界面系统。“
Songhita及其同事最近进行的研究侧重于开发一种分层分类模型，该模型可以在不降低系统准确性的情况下处理大型数据库。然而，IMPRINT-II批准的更广泛项目的目标是使用颜色标记和裸手检测，为95个可打印的键盘字符开发一个残疾人友好的手势识别系统。一旦该系统完成，它将被部署供老年人和视力受损用户以及可能从中受益的其他人使用。
“开发如此庞大的词汇系统将是一项具有挑战性的任务，”松下说。“到目前为止，我们已经开发出一种使用基于视觉技术的58字符识别系统。”