Diante dos problemas atuais de baixa taxa de reconhecimento, baixa velocidade de reconhecimento e da necessidade de grandes volumes de dados para redes de aprendizado profundo na interação por gestos em campo de luz 3D, este artigo propõe um método baseado em rede de perceptron multicamadas (MLP) com pontos-chave da mão de amostras pequenas para melhorar a precisão da interação em campo de luz 3D, atingindo velocidade de reconhecimento na ordem de milissegundos. Durante o processo de coleta dos pontos-chave da mão, há diferenças significativas nos dados tridimensionais dos mesmos gestos coletados em diferentes posições. Para eliminar essas diferenças, este artigo propõe a normalização do mesmo gesto sob o mesmo sistema de coordenadas cartesiano da mão direita, realizando transformação de pose no modelo de gesto simplificado por deslocamento e pela fórmula de rotação de Rodrigues. Uma rede MLP é usada para extrair características da mão a partir das relações de salto dos pontos-chave normalizados. Os resultados experimentais mostram que o método proposto alcança uma taxa de reconhecimento superior a 95% para gestos simples e superior a 90% para gestos complexos na interação em campo de luz 3D. Simultaneamente, o método demonstra excelente desempenho em treinamento com conjuntos de dados de pequenas amostras, atendendo às exigências de reconhecimento de gestos preciso e rápido. Por fim, o artigo apresenta uma aplicação bem-sucedida do método proposto em cenários de interação em campo de luz 3D.

interação;classificação e reconhecimento de gestos;perceptron multicamadas;conjunto de dados de pequenas amostras