Face aux problèmes actuels de faible taux de reconnaissance, de lenteur de la vitesse de reconnaissance et au besoin d'un grand nombre d'échantillons de données pour les réseaux d'apprentissage profond dans l'interaction gestuelle 3D lumière, cet article propose une méthode d'amélioration de la précision de l'interaction lumière 3D basée sur un réseau perceptron multicouche (MLP) utilisant des points clés de la main à petits échantillons, atteignant une vitesse de reconnaissance au niveau milliseconde. Lors de la collecte des points clés de la main, les données tridimensionnelles des mêmes gestes recueillies depuis différentes positions présentent des différences significatives. Pour éliminer ces différences, cet article propose une normalisation du même geste dans un même système de coordonnées cartésien de la main droite, en appliquant des transformations de pose au modèle de geste simplifié via des déplacements et la formule de rotation de Rodrigues. Un réseau MLP est utilisé pour extraire les caractéristiques de la main à partir des relations de saut des points clés normalisés. Les résultats expérimentaux montrent que la méthode proposée atteint un taux de reconnaissance supérieur à 95% pour les gestes simples et plus de 90% pour les gestes complexes dans l'interaction lumière 3D. Par ailleurs, cette méthode affiche d'excellentes performances avec un petit ensemble de données, répondant aux exigences d'une reconnaissance gestuelle précise et rapide. Enfin, l'article présente une application réussie de cette méthode proposée dans un scénario d'interaction lumière 3D.

interaction;classification et reconnaissance des gestes;perceptron multicouche;petit jeu de données