Chief Specialist, Training-Innovation Centre
главный специалист Учебно-инновационного центра
The rapid and dynamic development of artificial intelligence (AI) technologies has significantly advanced the human-machine gesture interface, providing a substantial impetus for solving the problem of gesture recognition. Real-time hand gesture recognition systems enhance the speed and accuracy of task execution. This article analyzes existing types of artificial neural network methods for gesture recognition, specifically Feedforward Neural Networks (FFNN), Kohonen Neural Networks (KNN), Convolutional Neural Networks (CNN), and Recurrent Neural Networks (RNN). It elucidates their operational processes and characterizes the stages of machine learning involved. A comparative analysis of the advantages and disadvantages of neural network-based gesture recognition systems is presented. It is noted that constructing a hybrid method for real-time hand gesture recognition is more expedient, as hybrid approaches ensure high recognition speed and accuracy.
Быстрое и динамичное развитие технологий искусственного интеллекта способствовало совершенствованию интерфейса "жест—человек—машина" и дало значительный импульс к решению задачи распознавания жестов. Системы распознавания жестов рук в реальном времени повышают скорость и точность выполнения задач. В статье проведен анализ существующих типов методов искусственных нейронных сетей для распознавания жестов (Feedforward Neural Network, Convolutional Neural Networks, Recurrent Neural Network, карта Кохонена), раскрыт процесс их функционирования и охарактеризованы этапы машинного обучения. Представлен сравнительный анализ преимуществ и недостатков систем распознавания жестов, основанных на нейронных сетях. Отмечено, что построение гибридного метода распознавания жестов рук в реальном времени является более целесообразным, так как гибридные подходы обеспечивают высокую скорость и точность распознавания.