В связи с текущими проблемами низкой точности распознавания, медленной скоростью распознавания и необходимостью большого количества обучающих образцов для сетей глубокого обучения в 3D-световом поле жестов, в данной работе предлагается метод повышения точности взаимодействия в 3D-световом поле с помощью многослойного перцептрона (MLP), основанного на ключевых точках руки с небольшим количеством образцов. Скорость распознавания достигает миллисекундного уровня. При сборе ключевых точек руки трехмерные данные тех же жестов, собранные с разных позиций, значительно отличаются. Для устранения различий предлагается нормализация одного и того же жеста в единой правой декартовой системе координат путем преобразования позы упрощенной модели жеста с использованием смещения и формулы вращения Родригеса. MLP используется для извлечения признаков руки из нормализованных переходных отношений ключевых точек. Экспериментальные результаты показывают, что предложенный метод обеспечивает точность распознавания простых жестов более 95% и сложных жестов более 90% в 3D-световом поле. Кроме того, данный метод демонстрирует отличные показатели при обучении на небольших наборах данных, удовлетворяя требования для точного и быстрого распознавания жестов. В заключение, работа демонстрирует успешное применение предложенного метода в сценариях взаимодействия с 3D-световым полем.

взаимодействие;распознавание классификации жестов;многослойный перцептрон;набор данных с небольшим количеством образцов