一種新的手勢(shì)追蹤方法被披露,進(jìn)行非常準(zhǔn)確的手部跟蹤
手部跟蹤在增強(qiáng)現(xiàn)實(shí)應(yīng)用中非常有用，因?yàn)樗峁┝艘子谑褂玫淖匀挥脩艚缑鎭?lái)與數(shù)字信息交互，但它通常需要特殊的深度傳感器和獨(dú)立處理器等密集且昂貴的技術(shù)。谷歌的增強(qiáng)現(xiàn)實(shí)的愿景是使用Google Glass一般輕便的可穿戴設(shè)備來(lái)完成這一操作。 今天，一種新的手勢(shì)追蹤方法被披露，它只使用前置攝像頭和基于AI算法的處理流程，就可以進(jìn)行非常準(zhǔn)確的手部跟蹤。
該技術(shù)的主要?jiǎng)?chuàng)新是使用傳統(tǒng)算法來(lái)檢測(cè)手掌，然后使用基于AI的模型來(lái)預(yù)測(cè)手指的位置，并將這一運(yùn)算代碼命名為MediaPiPe的跨平臺(tái)框架。
MediaPipe可以在手和手指上最多映射21個(gè)點(diǎn)，精度高達(dá)96％，并且可以在移動(dòng)設(shè)備上完成所有操作（即不在云端）。
我們可以想象Google會(huì)在他們的獨(dú)家設(shè)備上使用它，目前傳聞中的Pixel 4已經(jīng)包括用于手勢(shì)控制的Soli傳感器。理想情況下，新技術(shù)的出現(xiàn)將使創(chuàng)建豐富的AR體驗(yàn)變得容易和便宜，并且能夠創(chuàng)建廉價(jià)但功能強(qiáng)大的AR眼鏡。
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
谷歌
+關(guān)注
關(guān)注
27文章
6259瀏覽量
112017 -
AR眼鏡
+關(guān)注
關(guān)注
5文章
665瀏覽量
25330 -
AI算法
+關(guān)注
關(guān)注
0文章
276瀏覽量
13197
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
一文讀懂手勢(shì)識(shí)別傳感器：原理、優(yōu)勢(shì)與應(yīng)用場(chǎng)景
引言人機(jī)交互的方式正在經(jīng)歷深刻變革。從早期的物理按鍵到觸摸屏，再到如今逐步普及的語(yǔ)音控制與手勢(shì)操作，人們與電子設(shè)備之間的溝通變得越來(lái)越自然直觀。手勢(shì)識(shí)別作為一種非接觸式的交互手段，近年來(lái)在智能家居
將 MCUX SDK LIN 堆棧集成到 Zephyr OS 中，是否有一種方法可以自動(dòng)生成它們從 .ldf 文件？
我將 MCUX SDK LIN 堆棧集成到 Zephyr OS 中，現(xiàn)在正在 S32K344-wb 板上對(duì)其進(jìn)行測(cè)試，但我想更改 cfg 文件，我想知道是否有一種方法可以自動(dòng)生成它們從 .ldf 文件。
發(fā)表于 04-24 06:33
瑞芯微(EASY EAI)RV1126B 手勢(shì)識(shí)別算法識(shí)別
1.手勢(shì)識(shí)別算法簡(jiǎn)介Gestures手勢(shì)識(shí)別算法一種先進(jìn)的姿勢(shì)估計(jì)模型，使用關(guān)鍵點(diǎn)數(shù)據(jù)集進(jìn)行訓(xùn)練，能夠檢測(cè)圖像或視頻中人物的21個(gè)關(guān)鍵點(diǎn)與26種
零知IDE——基于STM32F103RBT6的PAJ7620U2手勢(shì)控制WS2812 RGB燈帶系統(tǒng)
，手勢(shì)跟蹤模式下白色光點(diǎn)跟隨手部 X 軸，亮度隨手部 Y 軸平滑變化，尾影效果自然；移開(kāi)手部自動(dòng)切換流水燈 / 呼吸燈
五、PAJ762
發(fā)表于 12-29 19:04
零知IDE——基于STM32F103RBT6的PAJ7620U2手勢(shì)控制WS2812 RGB燈帶系統(tǒng)
基于STM32F103RBT6的手勢(shì)控制LED系統(tǒng)，通過(guò)PAJ7620U2傳感器識(shí)別手勢(shì)動(dòng)作，驅(qū)動(dòng)WS2812B燈帶實(shí)現(xiàn)交互式燈光效果。系統(tǒng)采用軟件I2C通信和SPI+DMA驅(qū)動(dòng)方案，支持揮手開(kāi)關(guān)機(jī)、手部位置
【EASY EAI Nano-TB(RV1126B)開(kāi)發(fā)板試用】AI手部21關(guān)鍵點(diǎn)識(shí)別
：
【總結(jié)】
通過(guò)外接攝像頭，可以非常準(zhǔn)確的識(shí)別手部的21個(gè)關(guān)鍵點(diǎn)。在實(shí)際應(yīng)用中，可以通過(guò)這21個(gè)關(guān)鍵點(diǎn)來(lái)判斷手勢(shì)等等。
發(fā)表于 11-21 11:31
目標(biāo)追蹤的簡(jiǎn)易實(shí)現(xiàn)：模板匹配
的信息在視頻的每一幀圖象中進(jìn)行搜尋，獲取每一幀中目標(biāo)的大小和坐標(biāo)。對(duì)視頻流作目標(biāo)追蹤的好處是，我們不僅可以動(dòng)態(tài)地對(duì)物體進(jìn)行定位，還可以由此分
發(fā)表于 10-28 07:21
指令集測(cè)試的一種糾錯(cuò)方法
本文描述在進(jìn)行指令集測(cè)試的一種糾錯(cuò)方法
1.打開(kāi)測(cè)試指令集對(duì)應(yīng)的dump文件
dump文件是指由匯編文件進(jìn)行反匯編之后，可以供人閱讀指令的反匯編文件。其包含了每
發(fā)表于 10-24 14:04
基于sEMG與手部追蹤的感官VR交互上肢康復(fù)系統(tǒng)
對(duì)握力的無(wú)控制器實(shí)時(shí)映射。系統(tǒng)采用手部追蹤技術(shù)結(jié)合sEMG信號(hào)處理流程——包括移動(dòng)平均濾波、最大自主收縮值（MVC）校準(zhǔn)及min–max歸一化——將用戶的握力強(qiáng)度轉(zhuǎn)化
零成本鋼鐵俠手套！樹(shù)莓派+OpenCV 秒變手勢(shì)遙控器！
大家好，這是一個(gè)樹(shù)莓派和OpenCV的連載專題。使用樹(shù)莓派與OpenCV實(shí)現(xiàn)姿態(tài)估計(jì)和面部特征點(diǎn)追蹤使用樹(shù)莓派與OpenCV實(shí)現(xiàn)面部和運(yùn)動(dòng)追蹤的云臺(tái)系統(tǒng)使用樹(shù)莓派和OpenCV實(shí)現(xiàn)手部
如何使用樹(shù)莓派與OpenCV實(shí)現(xiàn)面部和運(yùn)動(dòng)追蹤的云臺(tái)系統(tǒng)？
大家好，這是一個(gè)樹(shù)莓派和OpenCV的連載專題。使用樹(shù)莓派與OpenCV實(shí)現(xiàn)姿態(tài)估計(jì)和面部特征點(diǎn)追蹤使用樹(shù)莓派與OpenCV實(shí)現(xiàn)面部和運(yùn)動(dòng)追蹤的云臺(tái)系統(tǒng)使用樹(shù)莓派和OpenCV實(shí)現(xiàn)手部
一種新的無(wú)刷直流電機(jī)反電動(dòng)勢(shì)檢測(cè)方法
無(wú)位置傳感器無(wú)刷直流電機(jī)的控制算法是近年來(lái)研究的熱點(diǎn)之一，有霍爾位置信號(hào)直流電機(jī)根據(jù)霍爾狀態(tài)來(lái)確定通斷功率器件。利用無(wú)刷直流電機(jī)的數(shù)學(xué)模型，根據(jù)反電動(dòng)勢(shì)檢測(cè)原理，提出了一種新的線反電動(dòng)勢(shì)檢測(cè)方法
發(fā)表于 08-07 14:29
一種新的無(wú)刷直流電機(jī)反電動(dòng)勢(shì)檢測(cè)方法
無(wú)位置傳感器無(wú)刷直流電機(jī)的控制算法是近年來(lái)研究的熱點(diǎn)之一，有霍爾位置信號(hào)直流電機(jī)根據(jù)霍爾狀態(tài)來(lái)確定通斷功率器件。利用無(wú)刷直流電機(jī)的數(shù)學(xué)模型，根據(jù)反電動(dòng)勢(shì)檢測(cè)原理，提出了一種新的線反電動(dòng)勢(shì)檢測(cè)方法
發(fā)表于 08-04 14:59
基于RK3576開(kāi)發(fā)板的yolov11-track多目標(biāo)跟蹤部署教程
的顯著進(jìn)步基礎(chǔ)上，YOLO11在架構(gòu)和訓(xùn)練方法上引入了重大改進(jìn)，使其成為廣泛計(jì)算機(jī)視覺(jué)任務(wù)的靈活選擇。Bytetrack多目標(biāo)跟蹤是一種tracking-by-det
【嘉楠堪智K230開(kāi)發(fā)板試用體驗(yàn)】01 Studio K230開(kāi)發(fā)板Test2——手掌，手勢(shì)檢測(cè)，字符檢測(cè)
架構(gòu)，這是一種高效的模式識(shí)別方法，特別擅長(zhǎng)從復(fù)雜圖像數(shù)據(jù)中提取特征和識(shí)別目標(biāo)。
高能效比與低延遲： 在執(zhí)行高強(qiáng)度計(jì)算時(shí)，KPU 能保持高能效比（低功耗）和低延遲（高速度），支持實(shí)時(shí)圖像分析。
高級(jí)視覺(jué)
發(fā)表于 07-10 09:45
評(píng)論