Hand Gesture Recognition System for Games
Notice bibliographique
Résumé
Video games are among the most popular forms of entertainment in the modern world. However, many gamers with physical disabilities are impeded by traditional controllers. While accessories such as foot pedals and enlarged buttons exist, many accessible gaming setups can end up costing hundreds of dollars. The solution to this problem must be obtainable by gamers of all demographics, and ideally, incorporate items most people already own. The Hand Gesture Recognition System for Games comes to the rescue. Most laptop computers and many desktops come equipped with a webcam, so naturally, that would be the starting point. Users would be able to perform various hand gestures, with each being mapped to a set of button combinations on a virtual gamepad. As gesture detection would have to be done in real-time, fast Computer Vision libraries such as OpenCV are needed to process images. This establishes the basis for the research, a program that can be deployed on any computer with a webcam to instantly create a gamepad out of thin air. The final program features an intuitive user interface with customizable game profiles that can be saved to or loaded from storage. The program captures webcam input 60 times per second, performing multiple levels of processing on each image. Using techniques such as thresholding, gaussian blurring, and grayscale conversion, an ideal image is fed to OpenCV’s contour detection algorithm. By calculating the angles between contours, the number of fingers held up can be determined. When a gesture is detected, the program communicates with a kernel-mode driver to send controller inputs directly to games. The result is a low latency controller with real-world applications. This research work is designed to enabling user customization allows for any Xinput compatible game to be controlled. This allowed for the implementation of not just racing games and driving simulators, but also first-person shoots and side-scrolling platformers.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,039 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».