Systém pro detekci rukou a gest

Abstract

Tato diplomová práce se zabývá vývojem vlastního systému pro detekci rukou a rozpoznávání gest. Úvodní část práce je věnována popisu metod strojového učení, neuronových a konvolučních neuronových sítí. Následně je provedena analýza veřejně dostupných knihoven pro detekci gest. Na základě výsledků analýzy byly vytvořeny dva klasifikační modely, které umožňují v reálném čase rozpoznávat pět tříd gest. Součástí systému je také komunikační rozhraní využívající protokol TCP/IP pro distribuci výsledků detekce do externích aplikací ve formátu JSON, které bylo následně experimentálně otestováno na reálném systému.

This master’s thesis deals with the development of a custom hand and gesture detection system. The first part of the thesis describes machine learning methods, neural networks and convolutional neural networks. Subsequently, an analysis of publicly available gesture detection libraries was conducted. Based on the optimal results, two classification models were developed, capable of recognizing five classes of gestures in real-time. The system also implements a TCP/IP communication interface for data distribution to the external applications in JSON format, which was experimentally tested on a real system.