MétaCan
Menu
Retour à la cohorte
Enregistrement W2039942014 · doi:10.1109/i2mtc.2013.6555492

A new infrared 3D camera for Gesture Control

2013· article· en· W2039942014 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotics and Sensor-Based Localization
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésGestureComputer scienceComputer visionArtificial intelligenceGesture recognitionComputer graphics (images)

Résumé

récupéré en direct d'OpenAlex

Gesture Control is a subject which has been investigated almost from the beginning of using terminals to interact with the computer central unit. The advent of Kinect, has sparked a series of efforts to apply gesture control not only in gaming, but rather in controlling TVs or set-top boxes, PCs, laptops, and others. Gestures have been captured by various sensors, either triggering some binary events using primitive methods like mounting diodes around the bezel of the monitor and sensing the passage of the hand over them, or trying to interpret gestures using a camera and complex image processing algorithms based on learning machines techniques. By using special infrared (IR) illumination, it is now possible to obtain robust and stable real-time interaction between the user and the computer. Existing 3D cameras, however, require exotic hardware components, multiple image sensors, or structured IR light projected onto the user. In this paper, a novel real-time depth-mapping principle and IR camera is introduced. The new IR camera architecture comprises an illuminator module which is pulsed and modulated via a monotonic function using a phaselocked loop control for the laser intensity, while the reflected infrared light is captured in “slices” of the space in which the object of interest is situated. A reconfigurable hardware architecture unit calculates the depth slices and combines them in a depth-map of the object. The depth map is further used in the detection, tracking, and recognition of the gesture made by the user. The resolution is variable depending on the resolution and gating possibilities of the image sensor. A sensor of 1 megapixel is used, providing a resolution of 1024×1024. Images of real objects are reconstructed in 3D based on the data obtained by the laser slicing technique, and a corresponding image processing algorithm builds the 3D map of the object in real-time. As this paper will show through a series of experiments, the camera can be used in a variety of domains, including for gesture control of 3D objects in virtual environments.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,949
Score d'incertitude au seuil0,407

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,005
Tête enseignante GPT0,179
Écart entre enseignants0,174 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

En bref

Citations7
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobotics and Sensor-Based LocalizationTravaux en français237 207