Ante los problemas actuales de baja tasa de reconocimiento, velocidad lenta de reconocimiento y la necesidad de muchos datos para redes de aprendizaje profundo en la interacción gestual de campo de luz 3D, este artículo propone un método basado en una red de perceptrón multicapa (MLP) con puntos clave de la mano de muestras pequeñas para mejorar la precisión de la interacción en el campo de luz 3D, alcanzando una velocidad de reconocimiento a nivel de milisegundos. Durante la recolección de puntos clave de la mano, existen diferencias significativas en los datos tridimensionales del mismo gesto obtenidos desde diferentes posiciones. Para eliminar estas diferencias, este artículo propone la normalización del mismo gesto bajo un sistema de coordenadas cartesiano de la mano derecha, realizando transformaciones de pose en el modelo de gesto simplificado mediante desplazamientos y la fórmula de rotación de Rodrigues. Una red MLP se utiliza para extraer características de la mano a partir de las relaciones de salto de los puntos clave normalizados. Los resultados experimentales muestran que el método propuesto logra una tasa de reconocimiento superior al 95% para gestos simples y más del 90% para gestos complejos en la interacción del campo de luz 3D. Al mismo tiempo, este método muestra un excelente desempeño en entrenamiento con conjuntos de datos de pocas muestras, satisfaciendo los requisitos para un reconocimiento gestual preciso y rápido. Finalmente, el artículo presenta una aplicación exitosa del método propuesto en escenarios de interacción de campo de luz 3D.

interacción;clasificación y reconocimiento de gestos;perceptrón multicapa;conjunto de datos de pocas muestras