Full Title:
Type-Hover-Swipe in 96 Bytes: A Motion Sensing Mechanical Keyboard
Authors:
Stuart A Taylor, Cem Keskin, Otmar Hilliges, Shahram Izadi, John Helmes
Abstract:
We present a new type of augmented mechanical keyboard, capable of sensing rich and expressive motion gestures performed both on and directly above the device. Our hardware comprises of low-resolution matrix of infrared (IR) proximity sensors interspersed between the keys of a regular mechanical keyboard. This results in coarse but high frame-rate motion data. We extend a machine learning algorithm, traditionally used for static classification only, to robustly support dynamic, temporal gestures. We propose the use of motion signatures a technique that utilizes pairs of motion history images and a random forest based classifier to robustly recognize a large set of motion gestures on and directly above the keyboard. Our technique achieves a mean per-frame classification accuracy of 75.6% in leave-one-subject-out and 89.9% in half-test/half-training cross-validation. We detail our hardware and gesture recognition algorithm, provide performance and accuracy numbers, and demonstrate a large set of gestures designed to be performed with our device. We conclude with qualitative feedback from users, discussion of limitations and areas for future work.
ترجمة .......................................
العنوان الكامل:
لوحة مفاتيح استشعار الحركة الميكانيكية
المؤلف:
ستيوارت وتايلور، جيم كسكين، أوتمار Hilliges ، شهرام عزتي، جون هيلمس
المستخلص:
نقدم نوع جديد من لوحة المفاتيح الميكانيكية زيادتها، قادرة على استشعار الحركة فتات غنية ومعبرة يؤديها داخل ومباشرة فوق الجهاز. يتكون لدينا من الأجهزة منخفضة الدقة مصفوفة من أجهزة الاستشعار بالأشعة تحت الحمراء (IR) قرب يتخلل بين مفاتيح لوحة المفاتيح الميكانيكية منتظم. هذه النتائج في بيانات الحركة معدل الإطار الخشنة ولكن عالية. نتقدم خوارزمية التعلم الآلي، وتستخدم عادة للتصنيف ثابت فقط، لدعم بقوة ديناميكية والإيماءات الزمنية. نقترح استخدام الحركة توقيعات الاسلوب الذي يستخدم أزواج من الصور تاريخ الحركة والمصنف على الغابات العشوائية الاعتراف بقوة مجموعة كبيرة من فتات على الحركة ومباشرة فوق لوحة المفاتيح. أسلوبنا تحقق من دقة التصنيف المتوسط في إطار من 75.6٪ في إجازة موضوع واحد التدريجي و89.9٪ في اختبار نصف / نصف التدريب عبر التحقق من الصحة. نحن بالتفصيل دينا الأجهزة وخوارزمية التعرف على الإيماءات، وتوفير أعداد الأداء ودقة، ويبرهن على وجود مجموعة كبيرة من فتات تهدف إلى أن يؤديها مع جهاز لدينا. نستنتج مع ردود الفعل النوعي من المستخدمين، ومناقشة أوجه القصور ومجالات العمل المستقبلي.
المصدر.. I3D
بقلم:
0
تعليقات
