Search academic texts

Information × Registration Number 2125U004495, Article popup.category Стаття, Опубліковано, Рецензована стаття Title COMPARATIVE ANALYSIS OF REAL-TIME GESTURE RECOGNITION METHODS BASED ON MEDIAPIPE, OPENCV, AND YOLOV8 popup.author Yeroshenko OlhaTsipkovskyi VadymYeroshenko OlhaTsipkovskyi Vadym popup.publication 02-12-2025 popup.source_user Національний університет «Полтавська політехніка імені Юрія Кондратюка» popup.source https://journals.nupp.edu.ua/sunz/article/view/4104 popup.publisher Національний університет «Полтавська політехніка імені Юрія Кондратюка» Description Предметом дослідження в статті є методи розпізнавання жестів у реальному часі на основі комп'ютерного зору, призначені для інтеграції у системи взаємодії людини з комп'ютером (HCI), зокрема для керування пристроями через веб-камеру. Метою роботи є порівняльний аналіз ефективності трьох сучасних методів – MediaPipe, OpenCV та YOLOv8 – шляхом оцінки їхньої продуктивності за ключовими метриками (FPS та Detection Rate) при виявленні базових жестів. У статті вирішуються такі завдання: ідентифікація впливу зовнішніх факторів (освітлення, фон) на розпізнавання жестів, реалізація алгоритмів для трьох базових жестів (відкрита долоня, вказівний палець вгору та вниз), проведення експериментального тестування та моделювання в середовищі Python. Використовуються такі методи: комп'ютерний зір та обробка зображень (зокрема, сегментація, відстеження ключових точок та об'єктний детекшн); машинне навчання на основі CNN (LeNet, YOLO); аналіз датасетів і метрик продуктивності (precision, recall, mAP); імітаційне моделювання в реальних умовах за допомогою бібліотек mediapipe, opencv-python та ultralytics. Отримано такі результати: проведено порівняльний аналіз методів, де MediaPipe забезпечив найвищу точність (95% Detection Rate), OpenCV – максимальну швидкість (50.7 FPS), а YOLOv8 – баланс для обмежених ресурсів (73% Detection Rate); запропоновано рекомендації щодо гібридних підходів для оптимізації. Висновки: Розроблений порівняльний аналіз методів розпізнавання жестів у реальному часі демонструє, що MediaPipe ефективно усуває перешкоди від мінливого освітлення та фону, досягаючи стабільної точності 95%, тоді як OpenCV оптимізує швидкість обробки до 50.7 FPS. Виконано моделювання в Python з візуалізацією результатів. popup.nrat_date 2026-04-19 Close