Iako je još u ” Minority Reportu“, znanstvenofantastičnom blockbusteru iz 2002. godine, lik kojeg glumi Tom Cruise, John Anderton, koristio ruke u rukavicama kako bi upravljao prozirnim računalnim zaslonom veličine zida, ljudi i dalje u stvarnosti s računalima komuniciraju pomoću miša, tipkovnice, daljinskog upravljača ili malog zaslona osjetljivog na dodir.

Istraživači su uložili mnogo truda kako bi pronašli prirodnije oblike komunikacije bez potrebe za kontaktom između korisnika i uređaja. Glasovne naredbe istaknuti su primjer koji se našao u modernim pametnim telefonima i virtualnim asistentima, omogućujući nam interakciju i upravljanje uređajima putem govora.

Geste rukama predstavljaju još jedan važan način ljudske komunikacije koji bi se mogao usvojiti za interakciju čovjeka i računala, a nedavni napredak u sustavima kamera, analizi slike i strojnom učenju učinio je optičko prepoznavanje gesta privlačnijom opcijom od pristupa koji se oslanja na nosive senzore ili podatkovne rukavice.

Međutim, upravljanje računalima pomoću gesti još uvijek je u povojima zbog brojnih ograničenja, od složenosti procesa i sporosti sustava do nepreciznosti i malog broja prepoznatljivih gesta.

Kako bi se uhvatili u koštac s tim problemima, kineski istraživači sa Sveučilišta Sun Yat-sen razvili su novi algoritam za prepoznavanje pokreta rukom koji uspostavlja dobru ravnotežu između složenosti, točnosti i primjenjivosti. Kao što je detaljno obrazloženo u istraživanju, koje je objavljeno u časopisu Journal of Electronic Imaging, tim znanstvenika usvojio je inovativne strategije za prevladavanje ključnih izazova i kreiranje algoritma koji se lako može primijeniti u uređajima na razini potrošača.

Tradicionalni jednostavni algoritmi imaju tendenciju da pate od niske stope prepoznavanja jer se ne mogu nositi s različitim oblicima ruku. S ovim algoritmom zaobiđen je taj problem jer je prilagodljiv različitim tipovima ruku.

Algoritam prvo pokušava klasificirati tip ruke korisnika kao tanku, normalnu ili široku na temelju tri mjerenja koja uzimaju u obzir odnose između širine dlana, duljine dlana i duljine prsta. Ako je ova klasifikacija uspješna, sljedeći koraci u procesu prepoznavanja geste ruke uspoređuju samo ulaznu gestu s pohranjenim uzorcima iste vrste ruke.

Nadalje, algoritam za prepoznavanje sposoban je identificirati devet mogućih gesta pa bi usporedba svih značajki ulazne geste s pohranjenim uzorcima za sve moguće geste oduzimala puno vremena. Kako bi riješili ovaj problem, kineski istraživači koristili su se i “značajkama prečaca” kojom se broj gesta kandidata sužava na tri.

Tim je testirao svoj algoritam i na komercijalnom PC procesoru i na FPGA platformi koristeći USB kameru. Imali su 40 volontera koji su napravili devet gesti rukama više puta kako bi izgradili biblioteku uzoraka, a još 40 volontera je utvrdilo točnost sustava. Sveukupno, rezultati su pokazali da bi predloženi pristup mogao prepoznati pokrete ruku u stvarnom vremenu s točnošću većom od 93%, čak i ako su ulazne slike gesta rotirane, prevedene ili skalirane.

Prepoznavanje gesta ima mnoga obećavajuća područja primjene i moglo bi utrti put novim načinima upravljanja elektroničkim uređajima, a s obzirom na inovativnost algoritma kineskih znanstvenika vjerojatno nećemo morati novih 20 godina da bi komunicirali s računalima poput Johna Andertona i to bez rukavica.