Key points are not available for this paper at this time.
Der Artikel stellt einen Ansatz zur Echtzeit-Erkennung von Gebärdensprache vor, der für Anwendungen der Hausautomatisierung maßgeschneidert ist. Das vorgeschlagene Modell nutzt die YOLOv8 (You Only Look Once) Architektur für eine effiziente und präzise Zeichenerkennung und integriert die Gesichtserkennung zur Identitätsverifizierung. Die Fusion von Gebärdenspracheerkennung und Identitätsprüfung verbessert die Benutzerfreundlichkeit des Systems in sicheren und personalisierten Hausautomatisierungsumgebungen. Um die Herausforderung der Bereitstellung dieses Systems auf ressourcenschwacher Hardware wie dem Raspberry Pi zu bewältigen, wird ein einzigartiger Ansatz gewählt. Das Modell nutzt eine Kombination aus Bildern mit niedriger und hoher Auflösung, um den Kompromiss zwischen Genauigkeit und rechnerischer Effizienz zu optimieren. Diese Designwahl gewährleistet die Machbarkeit der Echtzeit-Gebärdenspracheerkennung auf ressourcenbeschränkten Geräten, die häufig in Hausautomatisierungsaufbauten zu finden sind. Darüber hinaus implementiert das System eine Technik zum Überspringen von Frames, um die Bildrate zu reduzieren und die Echtzeitreaktionsfähigkeit aufrechtzuerhalten, während die rechnerischen Anforderungen weiter verringert werden. Dieses Merkmal verbessert die Anpassungsfähigkeit des vorgeschlagenen Modells an verschiedene Hardwarekonfigurationen und macht es für eine breite Palette von Anwendungen im Kontext der Hausautomatisierung geeignet. Beeindruckende und konsistente Ergebnisse wurden sowohl in experimentellen als auch in Implementierungsphasen erzielt. Es zeigt, dass die Präzisionsgenauigkeit dieses Systems bis zu 97 % beträgt.
Hussein et al. (Mon,) haben diese Frage untersucht.