近日，在美国夏威夷举办的IEEE Systems, Man, and Cybernetics Society年会（IEEE SMC 2023）国际会议上公布了2023年Andrew P. Sage 最佳论文奖(Andrew P. Sage Best Transactions Paper Award)。由福州大学机械工程及自动化学院郭霖、卢宗兴、姚立纲教授共同撰写的论文“Human-Machine Interaction Sensing Technology Based on Hand Gesture Recognition: A Review”(IEEE Transactions on Human-machine Systems, 2021, 51(4): 300-309)荣获2023年IEEE SMC学会最佳论文奖(Andrew P. Sage Best Transactions Paper Award)。自1998年以来，Andrew P. Sage最佳论文奖每年从IEEE SMC学会出版的每个汇刊过去两年发表的近两千篇高质量论文中依据原创性、技术水平、对IEEE SMC感兴趣领域的潜在影响以及论文本身的写作质量等原则各遴选一篇论文授予该奖励。这是以福州大学为第一单位的论文历史上首次获得该最佳论文奖，证明了研究团队在人机交互领域中做出的突出贡献。

论文的第一作者为福州大学机械工程及自动化学院研究生郭霖，通讯作者为福州大学机械工程及自动化学院卢宗兴副教授、姚立纲教授。福州大学机械工程及自动化学院是论文的唯一通讯单位。该论文工作得到国家自然科学基金(61801122)、福建省自然科学基金( 2018J01762)和福建省教育厅重点基金(JK2017002)等项目共同资助。

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。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、人工智能融合应用等方向。

Human-Machine Interaction Sensing Technology Based on Hand Gesture Recognition: A Review论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Web of Science上实时引用为55次。

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.

团队人机交互方向

近期相关研究成果

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.Lu Zongxing, He Baizheng, Cai Yingjie, et al. Human-machine interaction technology for simultaneous gesture recognition and force assessment: A Review. IEEE Sensors Journal, 2023, 23(22): 26981 - 26996.

3.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.

4.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.

5.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.

6.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.

7.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.

图文 | 连越 黄鑫

排版 | 陈志豪

责编 | 林嗣雅 蒋文怡

审核 | 林成金 李辉容