Hand Gesture Recognition System for Games
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.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle