आभासी वास्तविकता में मानव इंटरफ़ेस के लिए स्थिति पहचान

यह पेपर गैर-वियरबल सेंसर का उपयोग करके मानव स्थिति पहचान की सटीकता में सुधार करने के लिए एक विधि प्रस्तुत करता है। हम कम-परिशुद्धता गहराई कैमरे का उपयोग करते समय गति पहचान से संबंधित समस्याओं का समाधान करते हैं। हमारे अध्ययन में, हम स्थिति पहचान को एक बहु-आयामी क्षेत्र में वर्गीकरण कार्य के रूप में परिभाषित करते हैं। हम एक स्थानिक मॉडलिंग दृष्टिकोण का प्रस्ताव रखते हैं जो एक आलसी शिक्षण प्रणाली का उपयोग करता है, जो कम-गुणवत्ता वाली गति डेटा या उपयोगकर्ता की क्रियाओं में महत्वपूर्ण भिन्नताओं के बावजूद मजबूत स्थिति पहचान को सक्षम बनाता है। इनपुट गति डेटा को जानकारीपूर्ण विशेषता वेक्टर में परिवर्तित किया जाता है, जिसे उपयोगकर्ता की प्रारंभिक स्थिति के अनुरूप सामान्यीकृत किया जाता है। प्रयोगात्मक परिणाम उच्च प्रदर्शन और सटीकता दिखाते हैं, भले ही अस्थिर या त्रुटिपूर्ण गति इनपुट हो।