将非接触式控制融进工业物联网领域
发布时间：2021-05-17 14:42:19 所属栏目：交互 来源：互联网
导读：许多用户都熟悉家庭或车辆中的语音助手应用。然而，这种类型的语音控制在嘈杂的生产设施、活跃的户外环境或说话的人群中是不可靠的。对于这些情况，可以将语音和手势结合起来，给出一个适应性更强、更稳健的多模态无触摸界面。 对于语音或视觉控制的系统，机
|
许多用户都熟悉家庭或车辆中的语音助手应用。然而，这种类型的语音控制在嘈杂的生产设施、活跃的户外环境或说话的人群中是不可靠的。对于这些情况，可以将语音和手势结合起来，给出一个适应性更强、更稳健的多模态无触摸界面。 对于语音或视觉控制的系统，机器必须快速可靠地区分故意的用户指令和随机或无意的输入。例如，只有当用户有意做出这种反应时，机器才应该打开，而不是仅仅因为一个人站在它附近说话。机器视觉系统可以识别手势，如手部动作、点头、挥脚和指点。解读肢体语言可以成为机器对人类操作者的可见输入做出反应的一种更自然的方式。 基于手势的解决方案开发 开发基于手势的解决方案的第一步是确定系统必须识别和解释哪些手势类型。例如，用户是只用手交流，还是全身运动？对于视觉系统来说，手指的运动会比整个身体更容易捕捉到吗？整个身体可能会被衣服或其他随身携带的物品部分遮住？ 手势复杂度也是重要的设计参数。例如，开门可能只需要一个手势，但调整环境控制或改变生产线可能需要一系列复杂的手势。 最后，移动速度和环境条件也会起到重要作用，例如，当照明水平较低或太亮时。了解所有这些因素有助于确定所需摄像机传感器的数量和类型、视野、焦距以及检测和解释手势所需的分辨率。 此外，还建议提供一个备用接口，如语音控制或物理触摸屏，以防用户无法使用手势方法。对于工业环境中的安全关键功能，应用软件可能需要进行功能安全评估和认证，如针对工业系统的IEC61508。 把概念变成现实 了解手势，环境和摄像头类型后，我们必须获取或建立手势识别机器学习模型。图1的左侧显示了将手势示例转换为推理引擎所需的步骤，该引擎实际上是识别手势的算法。TensorFlow，ONNX和Pytorch是用于此目的的一些常用工具。  （编辑：泉州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
