Shifumi手势识别

少数派报告：从虚拟到（几乎）现实！

基于手势的设备控制有很多优势，不仅可以提供更好的用户体验，还能实现无接触应用控制，安全又卫生。 为便于演示，我们创建了3个类别来区分几种不同的手势，但模型可以用任何手势进行训练，从而为最终用户提供各种各样的新功能。

NanoEdge AI Studio支持飞行时间传感器，但该应用也可以用雷达等其他传感器来实现。

方法

– 我们使用飞行时间传感器而不是相机来获得更小的信号，更简单的信息。
– 我们将检测距离设置为20 cm，以降低背景的影响。 备选方案：对测量距离进行二值化处理。
– 我们进行了10次测量（频率：15 Hz），并为每次测量预测一个类别。 然后我们选择出现次数最多的类别。
-（为了研究动作的演变，我们将测量值串联起来，形成更长的信号。在这里，我们的目标是对信号进行分类。这里不需要时间性）。
我们创建了一个数据集，每个类别（石头、剪刀、布）包含3000条记录，以免出现空测量值的情况（无运动）。
最后，我们使用NanoEdge AI Studio创建了一个“N个类别”模型（3个类别），并在NUCLEO_F401RE上进行了现场测试。

传感器

飞行时间传感器：VL53L5