由163am银河线路郭霖、卢宗兴和姚立纲共同编撰发表于IEEE Transactions on Human-Machine Systems，2021年第4期的“Human-Machine Interaction Sensing Technology Based on Hand Gesture Recognition: A Review”一文，近期被《Nature》旗下子刊Nature Electronics2023年的论文“Real-time finger motion recognition using skin-conformable electronics”引用，详见其参考文献17。
《Nature Electronics》为Nature期刊的子刊，其于2018年创刊，涵盖电子学各领域，如电子学研究的商业和工业应用，其核心是关注新技术的发展并了解其对社会所产生的影响。目前，该刊实时影响因子为34.3，为JCR一区TOP刊。
人机交互( HMI )是人与机器之间进行信息交互的一种交互方式。通过收集人能够传达的信息来表达意图，然后对信息进行转化和处理，使机器能够按照人的意图进行工作。然而，包括鼠标、键盘等在内的传统HMI通常需要固定的操作空间，限制了人们的行动，无法直接反映人们的意图。这就需要人们系统地学习如何熟练操作，从而间接影响工作效率。手势作为人类传递信息、表达直观意图的重要方式之一，具有区分度高、灵活性强、信息传递效率高等优点，使得手势识别（HGR）成为人机交互(HMI)领域的研究热点之一。
Human-Machine Interaction Sensing Technology Based on Hand Gesture Recognition: A Review该文由郭霖、卢宗兴和姚立纲教授共同编撰。本文旨在使读者能够系统、快速地了解手势识别的研究现状，揭示手势识别的基本问题和发展方向。文章以手势识别技术所采用的传感方法为切入点，通过总结近年来人机交互领域的研究成果，详细的阐述人机交互系统的研究现状，并展望未来人机交互领域的发展方向。目前，该论文在WebofScience上实时引用为48次。
手势识别技术作为一种新兴的人机交互技术正在逐渐被大众所接受，同时引起了越来越多的企业和科研工作者的关注。目前，很多企业开始研发手势识别的设备和系统，也有许多科研机构设计了一些手势识别系统，也取得了较高的识别准确率和分类精度。手势识别的传感技术作为手势识别的基础在未来的发展极为可观，发展方向包括：多种传感器的融合、寻找新特征、开发新算法等。
手势识别技术在未来仍面类许多挑战：识别准确率是用户体验的关键参数，如何突破识别准确率的提升瓶颈这是亟待解决的一个关键问题；此外如何提升手势识别系统穿戴的便携性也是一个重要问题。
欢迎对此领域感兴趣的老师和同学交流合作。
文献：Guo Lin, Lu Zongxing, Yao Ligang. Human-Machine Interaction Sensing Technology Based on Hand Gesture Recognition: A Review. IEEE Transactions on Human-machine Systems, 2021, 51(4): 300-309.
其他相关论文：
1.Lian Yue, Lu Zongxing, Liu Zhoujie, et al. How to Achieve Human-Machine Interaction by Foot Gesture Recognition: A Review. IEEE Sensors Journal. 2023, 23(15): 16515-16528.
2.Zongxing Lu, Shaoxiong Cai, Bingxing Chen, et al. Wearable Real-Time Gesture Recognition Scheme Based on A-Mode Ultrasound. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2022, 30: 2623-2629.
3.Guo Lin, Lu Zongxing, Yao Ligang, Cai Shaoxiong. A Gesture Recognition Strategy Based on A-mode Ultrasound for Identifying Known and Unknown Gestures. IEEE Sensors Journal. 2022, 22(11): 10730-10739.
4.Shaoxiong Cai, Zongxing Lu, Lin Guo, et al. The LET Procedure for Gesture Recognition with Multiple Forearm Angles. IEEE Sensors Journal. 2022, 22(13): 13226-13233.
5.Shaoxiong Cai, Zongxing Lu, Bingxing Chen, et al. Dynamic Gesture Recognition of A-Mode Ultrasonic Based on the DTW Algorithm. IEEE Sensors Journal. 2022, 22(18): 17924-17931.
6.QING Zengyu, LU Zongxing, LIU Zhoujie, et al. A Simultaneous Gesture Classification and Force Estimation Strategy Based on Wearable A-mode Ultrasound and Cascade Model. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2022, 30: 2301-2311.
