نظرًا للمشكلات الحالية المتمثلة في انخفاض معدل التعرف على التفاعلات الإيمائية في مجال الضوء ثلاثي الأبعاد، وبطء سرعة التعرف، وحاجة شبكات التعلم العميق إلى عدد كبير من عينات البيانات، يقترح هذا البحث طريقة لتحسين دقة التفاعل في مجال الضوء ثلاثي الأبعاد باستخدام شبكة متعدد الطبقات للأعصاب (MLP) تستند إلى نقاط رئيسية لليد من عينات قليلة، حيث تصل سرعة التعرف إلى المستوى المللي ثانية. أثناء جمع نقاط اليد الرئيسية، توجد فروق بارزة في بيانات النقاط الثلاثية الأبعاد لنفس الإيماءة التي تم جمعها من مواقع مختلفة. وللقضاء على هذه الفروقات، يقترح هذا البحث تحويلاً للوضعية عبر عمليات إزاحة وصيغ دوران رودريغيز على نموذج الإيماءة المبسط تحت نظام إحداثيات ديكارتي لليد اليمنى نفسها، لتوحيد نفس الإيماءة. تُستخدم شبكة MLP لاستخلاص ميزات اليد من التغيرات في نقاط اليد الموحدة. تظهر النتائج التجريبية أن الطريقة المقترحة تحقق معدل تعرف يزيد عن 95% للإيماءات البسيطة في تفاعل مجال الضوء ثلاثي الأبعاد، وأكثر من 90% للإيماءات المعقدة. في الوقت ذاته، تظهر هذه الطريقة أداءً ممتازًا في التدريب على مجموعات بيانات قليلة العينات، مما يلبي متطلبات التعرف الدقيق والسريع على الإيماءات. وأخيرًا، يعرض البحث تطبيقًا ناجحًا للطريقة المقترحة في سيناريوهات التفاعل بمجال الضوء ثلاثي الأبعاد.

تفاعل;تصنيف التعرف على الإيماءات;متعدد الطبقات;مجموعة بيانات قليلة العينات