Description du livre
Ce livre passe en revue la littérature sur l'estimation de la posture des mains à l'aide de méthodes génératives, en identifiant les lacunes actuelles, telles que la sensibilité aux formes des mains, la sensibilité à une bonne posture initiale, la difficulté de récupérer la posture des mains en cas de perte de suivi et l'absence d'objectifs multiples pour maximiser la précision et minimiser les coûts informatiques. Pour combler ces lacunes, il propose un nouveau modèle de main 3D qui combine les meilleures caractéristiques des modèles de main 3D actuels de la littérature. Il traite également du développement d'une technique d'optimisation de la forme de la main. Pour trouver l'optimum global pour le problème à objectif unique formulé, il améliore et applique l'optimisation de l'essaim de particules (PSO), l'un des algorithmes d'optimisation les plus réputés et qui est utilisé avec succès dans la science et l'industrie. Après avoir formulé le problème, l'optimisation de l'essaim de particules multi-objectif (MOPSO) est utilisée pour estimer le front optimal de Pareto comme solution à ce problème bi-objectif. Le livre démontre également l'efficacité de l'amélioration de l'OPS dans la récupération de la posture des mains en cas de perte de suivi. Enfin, l'ouvrage examine pour la première fois la formulation de l'estimation de la posture des mains en tant que problème bi-objectif.
Les études de cas comprenaient 50 postures de la main extraites de cinq ensembles de données standard et ont été utilisées pour comparer le modèle de main 3D proposé, l'optimisation de la forme des mains et la récupération de la posture de la main.