3D-Touchsensor zur Identifikation von Handgesten

Abstract

In der heutigen Zeit nehmen intelligente Systeme immer mehr Einfluss auf unseren Alltag. In der hiesigen Arbeit wird ein Handgesten-Identifikationssystem entwickelt. Die Handgesten werden über einen 3D-Touchsensor getätigt. Es werden drei Szenarien erstellt, in welchen statische und dynamische Handgesten appliziert werden. Als Klassifikator werden Feedforwardund Rekurrente Neuronale Netze eingesetzt. Zusätzlich werden Verfahren für die Signalvorverarbeitung und die Netzkonfiguration vorgestellt. Weiterhin werden mehrere neuronale Netze mit verschiedenen Netzkonfigurationen entwickelt und bewertet. In der Auswertung wird das neuronale Netz mit der höchsten Klassifikationsleistung ermittelt und gezeigt, dass das System Handgesten zuverlässig erkennt.

In modern times, intelligent systems are increasingly infiuencing our daily lives. In this thesis, a hand gesture identification system is developed. The hand gestures are made over an 3D touch sensor. Three scenarios are created. These scenarios shown static and dynamic hand gestures. Feedforward and recurrent neural networks are used as classifiers. In addition, methods for signal preprocessing and network configuration are presented. Several neural networks with different network configurations are developed and evaluated. In the evaluation, the neural network with the highest classification performance is determined and shown that the system reliably detects hand gestures.