科学研究

科研动态

当前位置: 首页 -> 科学研究 -> 科研动态 -> 正文

【喜报】学院论文被Nature Electronics最新成果引用

(发布日期:2023-09-22 点击数:7)

由福州大学机械工程及自动化学院郭霖、卢宗兴和姚立纲共同编撰发表于IEEE Transactions on Human-Machine Systems,2021年第4期的“Human-Machine Interaction Sensing Technology Based on Hand Gesture Recognition: A Review”一文,近期被《Nature》旗下子刊Nature Electronics2023年的论文“Real-time finger motion recognition using skin-conformable electronics”引用,详见其参考文献17。

《Nature Electronics》为Nature期刊的子刊,其于2018年创刊,涵盖电子学各领域,如电子学研究的商业和工业应用,其核心是关注新技术的发展并了解其对社会所产生的影响。目前,该刊实时影响因子为34.3,为JCR一区TOP刊。

人机交互( HMI )是人与机器之间进行信息交互的一种交互方式。通过收集人能够传达的信息来表达意图,然后对信息进行转化和处理,使机器能够按照人的意图进行工作。然而,包括鼠标、键盘等在内的传统HMI通常需要固定的操作空间,限制了人们的行动,无法直接反映人们的意图。这就需要人们系统地学习如何熟练操作,从而间接影响工作效率。手势作为人类传递信息、表达直观意图的重要方式之一,具有区分度高、灵活性强、信息传递效率高等优点,使得手势识别(HGR)成为人机交互(HMI)领域的研究热点之一。

Human-Machine Interaction Sensing Technology Based on Hand Gesture Recognition: A Review该文由郭霖、卢宗兴和姚立纲教授共同编撰。本文旨在使读者能够系统、快速地了解手势识别的研究现状,揭示手势识别的基本问题和发展方向。文章以手势识别技术所采用的传感方法为切入点,通过总结近年来人机交互领域的研究成果,详细的阐述人机交互系统的研究现状,并展望未来人机交互领域的发展方向。目前,该论文在WebofScience上实时引用为48次。

手势识别技术作为一种新兴的人机交互技术正在逐渐被大众所接受,同时引起了越来越多的企业和科研工作者的关注。目前,很多企业开始研发手势识别的设备和系统,也有许多科研机构设计了一些手势识别系统,也取得了较高的识别准确率和分类精度。手势识别的传感技术作为手势识别的基础在未来的发展极为可观,发展方向包括:多种传感器的融合、寻找新特征、开发新算法等。

手势识别技术在未来仍面类许多挑战:识别准确率是用户体验的关键参数,如何突破识别准确率的提升瓶颈这是亟待解决的一个关键问题;此外如何提升手势识别系统穿戴的便携性也是一个重要问题。

欢迎对此领域感兴趣的老师和同学交流合作。

文献:Guo Lin, Lu Zongxing, Yao Ligang. Human-Machine Interaction Sensing Technology Based on Hand Gesture Recognition: A Review. IEEE Transactions on Human-machine Systems, 2021, 51(4): 300-309.

其他相关论文:

1.Lian Yue, Lu Zongxing, Liu Zhoujie, et al. How to Achieve Human-Machine Interaction by Foot Gesture Recognition: A Review. IEEE Sensors Journal. 2023, 23(15): 16515-16528.

2.Zongxing Lu, Shaoxiong Cai, Bingxing Chen, et al. Wearable Real-Time Gesture Recognition Scheme Based on A-Mode Ultrasound. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2022, 30: 2623-2629.

3.Guo Lin, Lu Zongxing, Yao Ligang, Cai Shaoxiong. A Gesture Recognition Strategy Based on A-mode Ultrasound for Identifying Known and Unknown Gestures. IEEE Sensors Journal. 2022, 22(11): 10730-10739.

4.Shaoxiong Cai, Zongxing Lu, Lin Guo, et al. The LET Procedure for Gesture Recognition with Multiple Forearm Angles. IEEE Sensors Journal. 2022, 22(13): 13226-13233.

5.Shaoxiong Cai, Zongxing Lu, Bingxing Chen, et al. Dynamic Gesture Recognition of A-Mode Ultrasonic Based on the DTW Algorithm. IEEE Sensors Journal. 2022, 22(18): 17924-17931.

6.QING Zengyu, LU Zongxing, LIU Zhoujie, et al. A Simultaneous Gesture Classification and Force Estimation Strategy Based on Wearable A-mode Ultrasound and Cascade Model. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2022, 30: 2301-2311.