التعرف على الإيماءات

📅 آخر تحديث: ١٧ يوليو ٢٠٢٦
✍️ نُشر في: ١٧ يوليو ٢٠٢٦
📷 يحتوي على 6 صور
الموسوعة الحرة
تحديد موقع يد الطفل وحركتها بواسطة خوارزمية التعرف على الإيماءات

يُعدّ التعرّف على الإيماءات مجالاً بحثياً وتطويرياً في علوم الحاسوب وتقنيات اللغة، ويهتمّ بالتعرّف على الإيماءات البشرية وتفسيرها . وهو فرع من فروع رؤية الحاسوب ، ويستخدم خوارزميات رياضية لتفسير الإيماءات. [ 1 ]

يوفر التعرف على الإيماءات مسارًا لأجهزة الكمبيوتر للبدء في فهم وتفسير لغة الجسد البشري بشكل أفضل ، وهو أمر لم يكن ممكنًا سابقًا من خلال النصوص أو واجهات المستخدم الرسومية غير المحسنة .

يمكن أن تنشأ الإيماءات من أي حركة أو حالة جسدية، ولكنها غالباً ما تنشأ من الوجه أو اليد . أحد مجالات هذا التخصص هو التعرف على المشاعر من خلال تعابير الوجه وإيماءات اليد. يستطيع المستخدمون القيام بإيماءات بسيطة للتحكم في الأجهزة أو التفاعل معها دون لمسها فعلياً.

لقد تم تطوير العديد من المناهج باستخدام الكاميرات وخوارزميات رؤية الحاسوب لتفسير لغة الإشارة ، ومع ذلك، فإن تحديد وتمييز وضعية الجسم، والمشية، والمسافة الشخصية ، والسلوكيات البشرية هو أيضًا موضوع لتقنيات التعرف على الإيماءات. [ 2 ]

ملخص

تقوم البرامج الوسيطة عادةً بمعالجة عملية التعرف على الإيماءات، ثم ترسل النتائج إلى المستخدم.

تُستخدم تقنية التعرف على الإيماءات في مجالات مثل:

يمكن إجراء التعرف على الإيماءات باستخدام تقنيات من رؤية الكمبيوتر ومعالجة الصور . [ 5 ]

تشمل الدراسات المنشورة أعمالاً جارية في مجال رؤية الحاسوب حول التقاط الإيماءات أو وضعيات وحركات الإنسان بشكل عام بواسطة كاميرات متصلة بجهاز حاسوب. [ 6 ] [ 7 ] [ 8 ] [ 9 ]

يُستخدم مصطلح "التعرف على الإيماءات" للإشارة بشكلٍ أدق إلى رموز الكتابة اليدوية غير النصية، مثل الكتابة بالحبر على لوحة الرسم ، وإيماءات اللمس المتعدد ، والتعرف على إيماءات الفأرة . ويُقصد بذلك التفاعل مع الحاسوب من خلال رسم الرموز باستخدام مؤشر جهاز التأشير. [ 10 ] [ 11 ] [ 12 ] يُوسّع استخدام القلم نطاق التعرف على الإيماءات الرقمية ليشمل ما هو أبعد من أجهزة الإدخال التقليدية كلوحات المفاتيح والفأرة، ويُقلل من تأثير ذلك على مكونات النظام المادية.

أنواع الإيماءات

في واجهات الكمبيوتر، يتم تمييز نوعين من الإيماءات: [ 13 ] نحن نعتبر الإيماءات عبر الإنترنت، والتي يمكن اعتبارها أيضًا عمليات تلاعب مباشرة مثل تغيير الحجم والتدوير، وعلى النقيض من ذلك، تتم معالجة الإيماءات غير المتصلة بالإنترنت عادةً بعد انتهاء التفاعل؛ على سبيل المثال، يتم رسم دائرة لتنشيط قائمة السياق .

  • الإيماءات غير المتصلة بالإنترنت: هي الإيماءات التي تتم معالجتها بعد تفاعل المستخدم مع العنصر. مثال على ذلك إيماءة لتفعيل قائمة.
  • الإيماءات عبر الإنترنت: إيماءات التلاعب المباشر. تُستخدم لتغيير حجم أو تدوير جسم مادي.

واجهة بدون لمس

واجهة المستخدم بدون لمس (TUI) هي نوع ناشئ من التكنولوجيا حيث يتم التحكم في الجهاز عن طريق حركة الجسم والإيماءات دون لمس لوحة المفاتيح أو الفأرة أو الشاشة. [ 14 ]

أنواع التكنولوجيا التي لا تتطلب اللمس

هناك العديد من الأجهزة التي تستخدم هذا النوع من الواجهات مثل الهواتف الذكية وأجهزة الكمبيوتر المحمولة والألعاب وأجهزة التلفزيون ومعدات الموسيقى.

يستخدم أحد أنواع واجهات التحكم غير اللمسية تقنية البلوتوث في الهواتف الذكية لتفعيل نظام إدارة الزوار في الشركة. وهذا يُغني عن لمس الواجهة، سواءً للراحة أو لتجنب مصدر محتمل للعدوى كما حدث خلال جائحة كوفيد-19 . [ 15 ]

أجهزة الإدخال

يمكن تحقيق القدرة على تتبع حركات الشخص وتحديد الإيماءات التي قد يقوم بها من خلال أدوات متنوعة. تُعدّ واجهات المستخدم الحركية (KUIs) نوعًا ناشئًا من واجهات المستخدم التي تسمح للمستخدمين بالتفاعل مع أجهزة الحوسبة من خلال حركة الأشياء والأجسام. [ 16 ] تشمل أمثلة واجهات المستخدم الحركية واجهات المستخدم الملموسة والألعاب التي تستجيب للحركة مثل Wii و Kinect من مايكروسوفت ، بالإضافة إلى مشاريع تفاعلية أخرى. [ 17 ]

على الرغم من وجود قدر كبير من الأبحاث التي أجريت في مجال التعرف على الإيماءات القائمة على الصور/الفيديو، إلا أن هناك بعض الاختلاف في الأدوات والبيئات المستخدمة بين التطبيقات.

  • القفازات السلكية . تُتيح هذه القفازات للحاسوب إمكانية الوصول إلى بيانات حول موضع اليدين ودورانهما باستخدام أجهزة تتبع مغناطيسية أو قصورية. علاوة على ذلك، تستطيع بعض القفازات رصد انحناء الأصابع بدقة عالية (5-10 درجات)، أو حتى توفير ردود فعل لمسية للمستخدم، وهي محاكاة لحاسة اللمس. كان أول جهاز تجاري متاح من نوع القفازات لتتبع حركة اليد هو DataGlove [ 18 ] ، وهو جهاز على شكل قفاز قادر على رصد موضع اليد وحركتها وانحناء الأصابع. يعتمد هذا الجهاز على كابلات ألياف بصرية تمتد على طول ظهر اليد. تُولّد نبضات ضوئية، وعندما تنحني الأصابع، يتسرب الضوء عبر شقوق صغيرة، ويتم تسجيل هذا التسرب، مما يُعطي تقريبًا لوضعية اليد.
  • الكاميرات المُدركة للعمق. باستخدام كاميرات متخصصة مثل كاميرات الضوء المُهيكل أو كاميرات زمن الرحلة ، يُمكن إنشاء خريطة عمق لما يُرى من خلال الكاميرا على مسافة قصيرة، واستخدام هذه البيانات لتقريب تمثيل ثلاثي الأبعاد لما يُرى. تُعد هذه الكاميرات فعّالة في رصد إيماءات اليد نظرًا لقدراتها على المدى القصير. [ 19 ]
  • الكاميرات المجسمة . باستخدام كاميرتين معروفتي العلاقة بينهما، يمكن تقريب تمثيل ثلاثي الأبعاد من خلال مخرجاتهما. وللحصول على هذه العلاقة، يمكن استخدام مرجع تحديد المواقع، مثل شريط ليكسيان أو باعث الأشعة تحت الحمراء . [ 20 ] وبالاقتران مع قياس الحركة المباشر ( الرؤية السداسية الأبعاد )، يمكن رصد الإيماءات مباشرةً.
  • وحدات التحكم القائمة على الإيماءات. تعمل هذه الوحدات كامتداد للجسم، بحيث يمكن للبرنامج التقاط بعض حركات الجسم بسهولة عند أداء الإيماءات. ومن الأمثلة على تقنيات التقاط الحركة القائمة على الإيماءات، تتبع حركة اليد الهيكلية ، والذي يجري تطويره لتطبيقات الواقع المعزز والواقع الافتراضي . ومن الأمثلة على هذه التقنية شركتا uSens و Gestigon المتخصصتان في تتبع الحركة ، واللتان تتيحان للمستخدمين التفاعل مع محيطهم دون الحاجة إلى وحدات تحكم. [ 21 ] [ 22 ]
  • استشعار الواي فاي [ 23 ]
  • تتبع إيماءات الفأرة ، حيث تُربط حركة الفأرة برمز ترسمه يد الشخص، مما يسمح بدراسة تغيرات التسارع بمرور الوقت لتمثيل الإيماءات. [ 24 ] [ 25 ] [ 26 ] كما يُعوض البرنامج عن ارتعاش اليد والحركات غير المقصودة. [ 27 ] [ 28 ] [ 29 ] يمكن استخدام مستشعرات هذه المكعبات الذكية المُضيئة لاستشعار اليدين والأصابع، بالإضافة إلى الأجسام الأخرى القريبة، كما يمكن استخدامها لمعالجة البيانات. تتركز معظم التطبيقات في مجال الموسيقى وتوليف الصوت، [ 30 ] ولكن يمكن تطبيقها في مجالات أخرى.
  • كاميرا واحدة . يمكن استخدام كاميرا ثنائية الأبعاد قياسية للتعرف على الإيماءات في الظروف التي لا تسمح فيها الموارد أو البيئة باستخدام تقنيات التعرف الأخرى القائمة على الصور. كان يُعتقد سابقًا أن الكاميرا الواحدة قد لا تكون بنفس فعالية الكاميرات المجسمة أو الكاميرات التي تستشعر العمق، لكن بعض الشركات تُشكك في هذه النظرية. تقنية التعرف على الإيماءات البرمجية التي تستخدم كاميرا ثنائية الأبعاد قياسية قادرة على رصد إيماءات اليد القوية.

الخوارزميات

بعض الطرق البديلة لتتبع وتحليل الإيماءات، وعلاقاتها المتبادلة

تختلف طرق تفسير الإيماءات باختلاف نوع بيانات الإدخال. مع ذلك، تعتمد معظم التقنيات على مؤشرات رئيسية ممثلة في نظام إحداثيات ثلاثي الأبعاد. وبناءً على الحركة النسبية لهذه المؤشرات، يمكن اكتشاف الإيماءة بدقة عالية، وذلك تبعًا لجودة بيانات الإدخال ومنهجية الخوارزمية. [ 31 ]

لفهم حركات الجسم، يجب تصنيفها وفقًا لخصائصها المشتركة والرسالة التي قد تعبر عنها. على سبيل المثال، في لغة الإشارة، تمثل كل إيماءة كلمة أو عبارة.

تُفرّق بعض الدراسات بين منهجين مختلفين في التعرّف على الإيماءات: المنهج القائم على النموذج ثلاثي الأبعاد والمنهج القائم على المظهر. [ 32 ] يعتمد المنهج الأول على معلومات ثلاثية الأبعاد حول العناصر الرئيسية لأجزاء الجسم للحصول على عدة معايير مهمة، مثل وضع راحة اليد أو زوايا المفاصل. وقد أثبتت المناهج المشتقة منه، كالنماذج الحجمية، أنها تتطلب قدرة حاسوبية عالية جدًا، وتحتاج إلى مزيد من التطوير التكنولوجي لتطبيقها في التحليل الفوري. في المقابل، تستخدم الأنظمة القائمة على المظهر الصور أو مقاطع الفيديو للتفسير المباشر. هذه النماذج أسهل في المعالجة، ولكنها عادةً ما تفتقر إلى العمومية المطلوبة للتفاعل بين الإنسان والحاسوب .

خوارزميات تعتمد على نماذج ثلاثية الأبعاد

يتم تفسير اليد الحقيقية (يسار) على أنها مجموعة من الرؤوس والخطوط في نسخة الشبكة ثلاثية الأبعاد (يمين)، ويستخدم البرنامج موضعها النسبي وتفاعلها من أجل استنتاج الإيماءة.

يمكن لنهج النمذجة ثلاثية الأبعاد استخدام النماذج الحجمية أو الهيكلية أو حتى مزيج منهما. وقد شاع استخدام النماذج الحجمية في صناعة الرسوم المتحركة الحاسوبية وفي تطبيقات الرؤية الحاسوبية. تُنشأ هذه النماذج عادةً من أسطح ثلاثية الأبعاد معقدة، مثل أسطح NURBS أو شبكات المضلعات.

من عيوب هذه الطريقة أنها تتطلب موارد حاسوبية هائلة، ولا تزال أنظمة التحليل الفوري قيد التطوير. في الوقت الراهن، قد يكون من الأنسب استخدام أشكال هندسية بسيطة لتمثيل أهم أجزاء الجسم (مثل الأسطوانات للذراعين والرقبة، والكرة للرأس) وتحليل كيفية تفاعل هذه الأشكال مع بعضها. علاوة على ذلك، قد تكون بعض البنى المجردة، مثل الأشكال الرباعية الفائقة والأسطوانات المعممة، أكثر ملاءمة لتقريب أجزاء الجسم.

الخوارزميات القائمة على الهيكل العظمي

يُحاكي النموذج الهيكلي (على اليمين) اليد (على اليسار) بشكل فعال. ويحتوي هذا النموذج على عدد أقل من المعاملات مقارنةً بالنموذج الحجمي، كما أنه أسهل في الحساب، مما يجعله مناسبًا لأنظمة تحليل الإيماءات في الوقت الفعلي.

بدلاً من استخدام معالجة مكثفة للنماذج ثلاثية الأبعاد والتعامل مع العديد من المعاملات، يمكن استخدام نسخة مبسطة من معاملات زاوية المفاصل إلى جانب أطوال القطع. يُعرف هذا بالتمثيل الهيكلي للجسم، حيث يتم حساب هيكل عظمي افتراضي للشخص، وتُربط أجزاء الجسم بقطع محددة. يتم التحليل هنا باستخدام موضع هذه القطع واتجاهها، والعلاقة بين كل قطعة منها (على سبيل المثال، الزاوية بين المفاصل وموضعها أو اتجاهها النسبي).

مزايا استخدام النماذج الهيكلية:

  • تكون الخوارزميات أسرع لأنها لا تحلل سوى المعلمات الرئيسية.
  • من الممكن مطابقة الأنماط مع قاعدة بيانات القوالب
  • يُمكّن استخدام النقاط الرئيسية برنامج الكشف من التركيز على الأجزاء المهمة من الجسم

النماذج القائمة على المظهر

تمثل هذه الصور الثنائية الظلية (يسارًا) أو المحيطية (يمينًا) مدخلات نموذجية للخوارزميات القائمة على المظهر. تتم مقارنتها بنماذج مختلفة لليد، وإذا تطابقت، يتم استنتاج الإيماءة المقابلة.

لم تعد النماذج القائمة على المظهر تستخدم تمثيلًا مكانيًا للجسم، بل تستمد معاييرها مباشرةً من الصور أو مقاطع الفيديو باستخدام قاعدة بيانات قوالب. يعتمد بعضها على قوالب ثنائية الأبعاد قابلة للتشوه لأجزاء الجسم البشري، وخاصة اليدين. القوالب القابلة للتشوه عبارة عن مجموعات من النقاط على محيط الجسم، تُستخدم كعقد استيفاء لتقريب محيط الجسم. إحدى أبسط دوال الاستيفاء هي الاستيفاء الخطي، الذي يُجري عملية حساب متوسط ​​الشكل من مجموعات النقاط، ومعاملات تباين النقاط، والتشوه الخارجي. تُستخدم هذه النماذج القائمة على القوالب في الغالب لتتبع حركة اليد، ولكن يمكن استخدامها أيضًا لتصنيف الإيماءات البسيطة.

يعتمد النهج الثاني في اكتشاف الإيماءات باستخدام النماذج القائمة على المظهر على استخدام تسلسلات الصور كقوالب للإيماءات. وتتمثل معلمات هذه الطريقة إما في الصور نفسها، أو في خصائص معينة مستمدة منها. وفي أغلب الأحيان، تُستخدم رؤية واحدة فقط (أحادية) أو اثنتان (مجسمة).

النماذج القائمة على تخطيط كهربية العضل

يُعنى تخطيط كهربية العضل (EMG) بدراسة الإشارات الكهربائية التي تُنتجها عضلات الجسم. ومن خلال تصنيف البيانات المُستقبلة من عضلات الذراع، يُمكن تصنيف الحركة، وبالتالي إدخال الإيماءة إلى برامج خارجية. [ 1 ] تُتيح أجهزة EMG المُتاحة للمستهلكين طرقًا غير جراحية، مثل استخدام سوار للذراع أو الساق، وتتصل عبر تقنية البلوتوث. وبفضل ذلك، يتميز تخطيط كهربية العضل عن الطرق البصرية، إذ لا يحتاج المستخدم إلى مواجهة كاميرا لإدخال البيانات، مما يُتيح له حرية حركة أكبر.

التحديات

توجد العديد من التحديات المرتبطة بدقة وفعالية التعرف على الإيماءات والبرامج المصممة لتطبيقها. ففي حالة التعرف على الإيماءات باستخدام الصور، توجد قيود على المعدات المستخدمة وتشويش الصورة . وقد لا تكون الصور أو مقاطع الفيديو تحت إضاءة ثابتة، أو في نفس الموقع. كما أن وجود عناصر في الخلفية أو ملامح مميزة للمستخدمين قد يزيد من صعوبة التعرف.

قد يؤدي تنوع تطبيقات التعرف على الإيماءات باستخدام الصور إلى مشاكل في جدوى هذه التقنية للاستخدام العام. فعلى سبيل المثال، قد لا تعمل خوارزمية مُعايرة لكاميرا معينة مع كاميرا أخرى. كما أن مستوى التشويش في الخلفية يُسبب صعوبات في التتبع والتعرف، خاصةً عند حدوث حجب (جزئي أو كلي). علاوة على ذلك، تُؤثر المسافة من الكاميرا، ودقة الكاميرا وجودتها، على دقة التعرف.

من أجل التقاط الإيماءات البشرية بواسطة أجهزة الاستشعار البصرية، هناك حاجة أيضًا إلى أساليب رؤية حاسوبية قوية، على سبيل المثال لتتبع اليد والتعرف على وضعية اليد [ 33 ] [ 34 ] [ 35 ] [ 36 ] [ 37 ] [ 38 ] [ 39 ] [ 40 ] [ 41 ] أو لالتقاط حركات الرأس أو تعابير الوجه أو اتجاه النظرة.

القبول الاجتماعي

يُعدّ أحد أبرز التحديات التي تواجه اعتماد واجهات الإيماءات على الأجهزة المحمولة الاستهلاكية، كالهواتف الذكية والساعات الذكية، هو مدى تقبّل المستخدمين للإدخال بالإيماءات اجتماعيًا. فبينما تُسهّل الإيماءات إدخال البيانات بسرعة ودقة على العديد من أجهزة الكمبيوتر الحديثة، غالبًا ما يكون اعتمادها وفائدتها محدودًا بعوامل اجتماعية أكثر منها تقنية. ولذلك، قد يسعى مصممو طرق إدخال الإيماءات إلى تحقيق التوازن بين الاعتبارات التقنية واستعداد المستخدمين لاستخدام الإيماءات في سياقات اجتماعية مختلفة. [ 42 ] إضافةً إلى ذلك، تدعم أجهزة الكمبيوتر المختلفة وآليات الاستشعار أنواعًا مختلفة من الإيماءات القابلة للتمييز.

جهاز محمول

تعتمد واجهات الإيماءات في الأجهزة المحمولة والأجهزة صغيرة الحجم غالبًا على وجود مستشعرات الحركة، مثل وحدات القياس بالقصور الذاتي (IMUs). في هذه الأجهزة، يعتمد استشعار الإيماءات على قيام المستخدمين بأداء حركات يمكن لهذه المستشعرات التعرف عليها. قد يُصعّب هذا الأمر التقاط الإشارات من الإيماءات الدقيقة أو ذات الحركة المحدودة، إذ يصعب تمييزها عن الحركات الطبيعية أو التشويش. من خلال دراسة استقصائية حول سهولة استخدام الإيماءات، وجد الباحثون أن الإيماءات التي تتضمن حركة دقيقة، والتي تبدو مشابهة للتقنيات الحالية، وتُحاكي في شكلها أو ملمسها أي حركة أخرى، وتكون ممتعة، هي الأكثر قبولًا لدى المستخدمين، بينما الإيماءات التي تبدو غريبة، أو غير مريحة في أدائها، أو تُعيق التواصل، أو تتضمن حركات غير مألوفة، تجعل المستخدمين أكثر عرضة لرفض استخدامها. [ 42 ] يعتمد القبول الاجتماعي لإيماءات الأجهزة المحمولة بشكل كبير على طبيعية الإيماءة وسياقها الاجتماعي.

أجهزة الكمبيوتر المحمولة والقابلة للارتداء

تختلف الحواسيب القابلة للارتداء عادةً عن الأجهزة المحمولة التقليدية في أن استخدامها والتفاعل معها يتمان على جسم المستخدم. في هذه الحالة، قد تُفضَّل واجهات الإيماءات على طرق الإدخال التقليدية، نظرًا لأن صغر حجمها يجعل شاشات اللمس أو لوحات المفاتيح أقل جاذبية. ومع ذلك، فإنها تشترك مع الأجهزة المحمولة في العديد من العقبات المتعلقة بالقبول الاجتماعي فيما يخص التفاعل بالإيماءات. إلا أن إمكانية إخفاء الحواسيب القابلة للارتداء أو دمجها في أشياء أخرى تُستخدم يوميًا، كالملابس، تسمح بإدخال الإيماءات لمحاكاة التفاعلات الشائعة مع الملابس، مثل تعديل ياقة القميص أو فرك جيب البنطال الأمامي. [ 43 ] [ 44 ] يُعدّ موقع وضع الجهاز والتفاعل معه من الاعتبارات الرئيسية في التفاعل مع الحواسيب القابلة للارتداء. وقد وجدت دراسة استقصائية لآراء أطراف ثالثة حول التفاعل مع الأجهزة القابلة للارتداء، أُجريت في الولايات المتحدة وكوريا الجنوبية، اختلافات في تصور استخدام الحواسيب القابلة للارتداء بين الذكور والإناث، ويعود ذلك جزئيًا إلى اختلاف مناطق الجسم التي تُعتبر حساسة اجتماعيًا. [ 44 ] توصلت دراسة أخرى بحثت في مدى القبول الاجتماعي للواجهات المعروضة على الجسم إلى نتائج مماثلة، حيث صنفت كلتا الدراستين المناطق المحيطة بالخصر والفخذ والجزء العلوي من الجسم (للنساء) على أنها الأقل قبولاً، بينما صنفت المناطق المحيطة بالساعد والمعصم على أنها الأكثر قبولاً. [ 45 ]

المنشآت العامة

تتيح المنشآت العامة ، مثل شاشات العرض التفاعلية، الوصول إلى المعلومات وعرض الوسائط التفاعلية في الأماكن العامة كالمتاحف والمعارض والمسارح. [ 46 ] ورغم أن شاشات اللمس تُعدّ وسيلة إدخال شائعة في شاشات العرض العامة، فإن واجهات الإيماءات توفر مزايا إضافية كتحسين النظافة، والتفاعل عن بُعد، وسهولة الوصول، وقد تُشجع على التفاعل الأدائي. [ 43 ] ومن الاعتبارات المهمة للتفاعل بالإيماءات مع شاشات العرض العامة، احتمال وجود جمهور من المتفرجين أو توقعه. [ 46 ]

تعب

كان إجهاد الذراع أحد الآثار الجانبية لاستخدام الشاشات اللمسية أو الأقلام الضوئية في الوضع الرأسي. فمع الاستخدام المطوّل، بدأت أذرع المستخدمين تشعر بالإجهاد و/أو عدم الراحة. وقد ساهم هذا التأثير في تراجع استخدام الشاشات اللمسية رغم شعبيتها الأولية في ثمانينيات القرن الماضي. [ 47 ] [ 48 ]

بهدف قياس تأثير إجهاد الذراع كأثر جانبي، طور الباحثون تقنية تسمى "التحمل المستهلك". [ 49 ] [ 50 ]

انظر أيضاً

مراجع

  1. 1 2 كوبيلارز، جوناثان؛ بيرد، جوردان جيه؛ فاريا، دييغو آر؛ ريبيرو، إدواردو بارينتي؛ إيكارت، أنيكو (2020-03-07). "الإبهام لأعلى، الإبهام لأسفل: التفاعل غير اللفظي بين الإنسان والروبوت من خلال تصنيف تخطيط كهربية العضل في الوقت الحقيقي عبر التعلم الاستقرائي والتعلم التحويلي الخاضع للإشراف" (ملف PDF) . مجلة الذكاء المحيطي والحوسبة الإنسانية . 11 (12). سبرينغر ساينس آند بيزنس ميديا ​​ذ.م.م: 6021-6031 . doi : 10.1007/s12652-020-01852-z . ISSN 1868-5137 . 
  2. ↑ ماتياس ريم، نيكولاس بي، إليزابيث أندريه، لوّح كالمصريين - التعرف على الإيماءات باستخدام مقياس التسارع للتفاعلات الخاصة بالثقافة ، الجمعية البريطانية للحاسبات، 2007
  3. ↑ "تقرير مشهد براءات الاختراع: التعرف على إيماءات اليد - PatSeer Pro" . PatSeer . مؤرشف من الأصل بتاريخ 24-03-2023 . تم الاطلاع عليه بتاريخ 02-11-2017 .{{cite news}}: CS1 maint: bot: حالة عنوان URL الأصلي غير معروفة ( رابط )
  4. ↑ تشاي، شيوجوان، وآخرون. " التعرف على لغة الإشارة وترجمتها باستخدام كينكت. مؤرشف في 10 يناير 2021 على موقع Wayback Machine ." مؤتمر IEEE حول AFGR. المجلد 655. 2013.
  5. ↑ سلطانة أ، راجابوسفا ت (2012)، "التعرف على الإيماءات باستخدام الرؤية الحاسوبية لإيماءات اليد الأبجدية باستخدام مصنف SVM" ، المجلة الدولية لعلوم وهندسة تكنولوجيا الحاسوب (IJCSET)، 2012
  6. ↑ بافلوفيتش، ف.، شارما، ر. وهوانغ، ت. (1997)، "التفسير البصري لإيماءات اليد للتفاعل بين الإنسان والحاسوب: مراجعة" ، معاملات IEEE في تحليل الأنماط والذكاء الآلي، يوليو 1997. المجلد 19 (7)، ص 677-695.
  7. ↑ ر. سيبولا وأ. بنتلاند، رؤية الحاسوب للتفاعل بين الإنسان والآلة ، مطبعة جامعة كامبريدج، 1998، رقم ISBN 978-0-521-62253-0
  8. ↑ يينغ وو وتوماس إس. هوانغ، "التعرف على الإيماءات باستخدام الرؤية: مراجعة"، مؤرشف في 25 أغسطس 2011 على موقع Wayback Machine ، ضمن: التواصل القائم على الإيماءات في التفاعل بين الإنسان والحاسوب، المجلد 1739 من سلسلة محاضرات سبرينغر في علوم الحاسوب، الصفحات 103-115، 1999، ISBN 978-3-540-66935-7، doi : 10.1007/3-540-46616-9
  9. ↑ أليخاندرو خايمس ونيكو سيبي، التفاعل متعدد الوسائط بين الإنسان والحاسوب: دراسة استقصائية. مؤرشف بتاريخ 6 يونيو 2011 على موقع Wayback Machine ، مجلة رؤية الحاسوب وفهم الصور، المجلد 108، العددان 1-2، أكتوبر-نوفمبر 2007، الصفحات 116-134، عدد خاص حول الرؤية للتفاعل بين الإنسان والحاسوب، doi : 10.1016/j.cviu.2006.10.019
  10. ↑ دوبيرتشوك، أوليغ؛ "التعرف على إيماءات الكتابة اليدوية" ، gamedev.net ، 9 يناير 2004
  11. ↑ تشين، شيجي؛ "تقنيات التعرف على الإيماءات في تطبيقات التعرف على الكتابة اليدوية" ، مجلة فرونتيرز في التعرف على الكتابة اليدوية ، الصفحات 142-147، نوفمبر 2010
  12. ↑ بالاجي، ر؛ ديبو، ف؛ مادفاناث، سريغانيش؛ برابهاكاران، جاياسري "التعرف على الإيماءات المكتوبة بخط اليد للوحة مفاتيح الإيماءات" مؤرشف في 2008-09-06 في Wayback Machine ، مختبرات هيوليت-باكارد
  13. ↑ ديتريش كامر، ماندي كيك، جورج فرايتاغ، ماركوس واكر، تصنيف ونظرة عامة على أطر العمل متعددة اللمس: البنية، والنطاق، والميزات. مؤرشف بتاريخ 25 يناير 2011 في أرشيف الإنترنت (Wayback Machine).
  14. ↑ "تعريف واجهة المستخدم بدون لمس من موسوعة مجلة الكمبيوتر الشخصي" . pcmag.com . تم الاطلاع عليه بتاريخ 28-07-2017 .
  15. ↑ إقبال، محمد زاهد؛ كامبل، أبراهام ج. (2020). "الحاجة المتزايدة لتقنيات التفاعل غير اللمسي" . ريسيرش جيت . تم الاسترجاع في 30 يونيو 2021 .
  16. ↑ "(PDF) واجهات المستخدم الحركية" .
  17. ↑ إس. بنفورد؛ إتش. شنايدلباخ؛ بي. كوليفا؛ بي. غافر؛ إيه. شميدت؛ إيه. بوشيه؛ إيه. ستيد؛ آر. أناستاسي؛ سي. غرينهاغ؛ تي. رودن؛ إتش. غيلرسن (2003). "معقول، منطقي، ومرغوب فيه: إطار عمل لتصميم الواجهات المادية" (ملف PDF) . BenfordTech . CiteSeerX 10.1.1.190.2504 . مؤرشف من النسخة الأصلية (ملف PDF) بتاريخ 26 يناير 2006. 
  18. ↑ توماس ج. زيمرمان، جارون لانيير، تشاك بلانشارد، ستيف برايسون، ويونغ هارفيل. http://portal.acm.org . " جهاز واجهة إيماءات اليد. مؤرشف بتاريخ 2011-10-02 في Wayback Machine ." http://portal.acm.org .
  19. ↑ يانغ ليو، يوندي جيا، طريقة قوية لتتبع اليد والتعرف على الإيماءات للواجهات المرئية القابلة للارتداء وتطبيقاتها ، وقائع المؤتمر الدولي الثالث للصور والرسومات (ICIG'04)، 2004
  20. ↑ كوي بوم لي، جونغ هيون كيم، كوانغ سيوك هونغ، تطبيق واجهة ألعاب متعددة الوسائط تعتمد على أجهزة المساعد الرقمي الشخصي ، المؤتمر الدولي الخامس لبحوث هندسة البرمجيات والإدارة والتطبيقات، 2007
  21. ↑ "تتبع الإيماءات باستخدام Gestigon - مؤتمر TechCrunch Disrupt" . TechCrunch . تم الاطلاع عليه بتاريخ 11 أكتوبر 2016 .
  22. ↑ ماتني، لوكاس (29 أغسطس 2016). "شركة uSens تستعرض مستشعرات تتبع جديدة تهدف إلى تقديم تجارب أكثر ثراءً للواقع الافتراضي على الأجهزة المحمولة" . TechCrunch . تم الاطلاع عليه بتاريخ 29 أغسطس 2016 .
  23. ↑ خليلي، عبد الله؛ سليمان، عبد الحميد؛ أسد الزمان، محمد؛ غريفيث، أليسون (مارس 2020). "استشعار الواي فاي: التطبيقات والتحديات" . مجلة الهندسة . 2020 (3): 87-97 . arXiv : 1901.00715 . doi : 10.1049/joe.2019.0790 . ISSN 2051-3305 . 
  24. ↑ بير مالمستيج، صوفي سوندبيرج، ساين ويفر – تطبيق تقنية لغة الإشارة. مؤرشف بتاريخ 25-12-2008 في أرشيف الإنترنت (Wayback Machine).
  25. ↑ توماس شلومر، بنجامين بوبينجا، نيلز هينز، سوزان بول، التعرف على الإيماءات باستخدام وحدة تحكم Wii، مؤرشف في 27 يوليو 2013 على Wayback Machine ، وقائع المؤتمر الدولي الثاني حول التفاعل الملموس والمدمج، 2008
  26. ↑ شركة AiLive Inc.، ورقة بيضاء حول LiveMove، مؤرشفة بتاريخ 13 يوليو 2007 في Wayback Machine ، 2006
  27. ↑ التصميم الإلكتروني، 8 سبتمبر 2011. ويليام وونغ. واجهة مستخدم طبيعية تستخدم تكامل المستشعرات.
  28. ↑ مجلة الكابل والأقمار الصناعية الدولية ، سبتمبر/أكتوبر 2011. ستيفن كوزينز. نظرة إلى الإثارة. مؤرشف في 19 يناير 2012 على موقع Wayback Machine
  29. ↑ مجلة التكنولوجيا الجنوبية ، 7 يناير 2008. مختبرات هيلكريست تجمع 25 مليون دولار في جولة التمويل.
  30. ↑ مدونة بيركوسا أوديو كيوبز، 4 أكتوبر 2012. التحكم بالإيماءات في توليف الصوت. مؤرشفة في 10 سبتمبر 2015 على موقع Wayback Machine
  31. ↑ ممتاز عالم؛ ديليب كومار تيواري (2016). "التعرف على الإيماءات وتطبيقاتها" . ResearchGate . doi : 10.13140/RG.2.2.28139.54563 .
  32. ↑ فلاديمير آي. بافلوفيتش، راجيف شارما، توماس إس. هوانغ، التفسير البصري لإيماءات اليد للتفاعل بين الإنسان والحاسوب ؛ مراجعة، معاملات IEEE في تحليل الأنماط والذكاء الآلي، 1997
  33. ↑ إيفان لابتيف وتوني ليندبيرغ ، "تتبع نماذج اليد متعددة الحالات باستخدام ترشيح الجسيمات وتسلسل هرمي لميزات الصور متعددة المقاييس" ، وقائع مؤتمر "المقياس والفضاء والتشكل في رؤية الحاسوب"، المجلد 2106 من سلسلة محاضرات سبرينغر في علوم الحاسوب، الصفحات 63-74، فانكوفر، كولومبيا البريطانية، 1999. ISBN 978-3-540-42317-1، doi : 10.1007/3-540-47778-0
  34. ↑ فون هاردنبرغ، كريستيان؛ بيرار، فرانسوا (2001). "التفاعل بين الإنسان والحاسوب باليد المجردة". وقائع ورشة عمل 2001 حول واجهات المستخدم الإدراكية . سلسلة وقائع مؤتمرات ACM الدولية. المجلد 15. أورلاندو، فلوريدا. الصفحات 1-8 . CiteSeerX 10.1.1.23.4541 .   
  35. ↑ لارس بريتزنر، إيفان لابتيف، توني ليندبيرغ، "التعرف على إيماءات اليد باستخدام ميزات لونية متعددة المقاييس، ونماذج هرمية، وترشيح الجسيمات" ، وقائع المؤتمر الدولي الخامس لمعهد مهندسي الكهرباء والإلكترونيات حول التعرف التلقائي على الوجه والإيماءات، واشنطن العاصمة، الولايات المتحدة الأمريكية، 21-21 مايو 2002، الصفحات 423-428. ISBN 0-7695-1602-5دوى : 10.1109 / AFGR.2002.1004190
  36. ↑ دوميتيلا ديل فيكيو ، ريتشارد إم. موراي بيترو بيرونا، "تحليل الحركة البشرية إلى عناصر أولية قائمة على الديناميكيات مع تطبيق على مهام الرسم" مؤرشف في 2010-02-02 في Wayback Machine ، Automatica المجلد 39، العدد 12، ديسمبر 2003، الصفحات 2085-2098، doi : 10.1016/S0005-1098(03)00250-4 .
  37. ↑ توماس ب. موسلوند ولاو نورغارد، "نظرة عامة موجزة على إيماءات اليد المستخدمة في واجهات الإنسان والحاسوب القابلة للارتداء" مؤرشفة في 2011-07-19 في Wayback Machine ، تقرير فني: CVMT 03-02، ISSN 1601-3646 ، مختبر رؤية الحاسوب وتكنولوجيا الوسائط، جامعة آلبورغ، الدنمارك. 
  38. ↑ م. كولش وم. تورك "تتبع سريع ثنائي الأبعاد لليد باستخدام مجموعات من الميزات وتكامل الإشارات المتعددة" مؤرشف في 21 أغسطس 2008 على موقع Wayback Machine ، وقائع ورشة عمل رؤية الحاسوب والتعرف على الأنماط CVPRW '04، 27 مايو - 2 يونيو 2004، doi : 10.1109/CVPR.2004.71
  39. ↑ شيا ليو فوجيمورا، ك.، "التعرف على إيماءات اليد باستخدام بيانات العمق"، وقائع المؤتمر الدولي السادس لمعهد مهندسي الكهرباء والإلكترونيات حول التعرف التلقائي على الوجه والإيماءات، 17-19 مايو 2004، الصفحات 529-534، ISBN 0-7695-2122-3دوى : 10.1109 / AFGR.2004.1301587 .
  40. ↑ ستينجر ب، ثايانانثان أ، تور ب هـ، سيبولا ر: "تتبع اليد القائم على النموذج باستخدام مرشح بايزي هرمي" ، معاملات IEEE في تحليل الأنماط والذكاء الآلي، 28 (9): 1372-84، سبتمبر 2006.
  41. ↑ A Erol, G Bebis, M Nicolescu, RD Boyle, X Twombly, "تقدير وضعية اليد القائم على الرؤية: مراجعة" ، رؤية الحاسوب وفهم الصور المجلد 108، العددان 1-2، أكتوبر-نوفمبر 2007، الصفحات 52-73 عدد خاص عن الرؤية للتفاعل بين الإنسان والحاسوب، doi : 10.1016/j.cviu.2006.10.012 .
  42. 1 2 ريكو، جولي؛ بريستر، ستيفن (2010). "إيماءات قابلة للاستخدام لواجهات الأجهزة المحمولة". وقائع مؤتمر SIGCHI حول العوامل البشرية في أنظمة الحوسبة . CHI '10. نيويورك، نيويورك، الولايات المتحدة الأمريكية: ACM. الصفحات 887-896 . doi : 10.1145/1753326.1753458 . ISBN  9781605589299. S2CID 16118067 . 
  43. 1 2 والتر، روبرت؛ بايلي، جيل؛ مولر، يورغ (2013). "StrikeAPose" . وقائع مؤتمر SIGCHI حول العوامل البشرية في أنظمة الحوسبة . نيويورك، نيويورك، الولايات المتحدة الأمريكية: مطبعة ACM. الصفحات 841-850 . doi : 10.1145/2470654.2470774 . ISBN  9781450318990. S2CID 2041073 . 
  44. 1 2 بروفيتا، هالي ب.؛ كلاوسون، جيمس؛ جيلاند، سكوت؛ زيغلر، كلينت؛ ستارنر، ثاد؛ باد، جيم؛ دو، إيلين يي-لوين (2013). "لا تمانع لمسي لمعصمي". وقائع الندوة الدولية لعام 2013 حول الحواسيب القابلة للارتداء . ISWC '13. نيويورك، نيويورك، الولايات المتحدة الأمريكية: ACM. الصفحات 89-96 . doi : 10.1145/2493988.2494331 . ISBN  9781450321273. S2CID 3236927 . 
  45. ↑ هاريسون، كريس؛ فاست، هاكون (2014). "آثار الموقع واللمس على واجهات العرض المُسقطة على الجسم". وقائع مؤتمر تصميم الأنظمة التفاعلية لعام 2014. DIS '14. نيويورك، نيويورك، الولايات المتحدة الأمريكية: ACM. الصفحات 543-552 . doi : 10.1145/2598510.2598587 . ISBN  9781450329026. S2CID 1121501 . 
  46. 1 2 ريفز، ستيوارت؛ بنفورد، ستيف؛ أومالي، كلير؛ فريزر، مايك (2005). "تصميم تجربة المشاهد" (ملف PDF) . وقائع مؤتمر SIGCHI حول العوامل البشرية في أنظمة الحوسبة (ملف PDF) . نيويورك، نيويورك، الولايات المتحدة الأمريكية: مطبعة ACM. الصفحات 741-750 . doi : 10.1145/1054972.1055074 . ISBN  978-1581139983. S2CID 5739231 . 
  47. ↑ روبرت غودوينز. "ويندوز 7؟ لا يوجد معالج ARM فيه" . ZDNet .
  48. ↑ "ذراع غوريلا" . catb.org .
  49. ↑ هينكابي-راموس، جيه دي، غو، إكس، موغاداسيان، بي، وإيراني، بي. 2014. "التحمل المستهلك: مقياس لتحديد إجهاد الذراع أثناء التفاعلات في الهواء" . في وقائع المؤتمر السنوي الثاني والثلاثين لجمعية ACM حول العوامل البشرية في أنظمة الحوسبة (CHI '14). ACM، نيويورك، نيويورك، الولايات المتحدة الأمريكية، 1063-1072. DOI=10.1145/2556288.2557130
  50. ↑ هينكابي-راموس، جيه دي، غو، إكس، وإيراني، بي. 2014. "منصة قياس التحمل المستهلك: أداة لتقييم إجهاد الذراع أثناء التفاعلات في الهواء" . في وقائع المنشور المصاحب لعام 2014 حول تصميم الأنظمة التفاعلية (DIS Companion '14). ACM، نيويورك، نيويورك، الولايات المتحدة الأمريكية، 109-112. DOI=10.1145/2598784.2602795