Face and Hand Gesture Recognition System Using MediaPipe

ผู้แต่ง

  • Sethakarn Prongnuch Department of Robotics Engineering, Faculty of Engineering and Industrial Technology, Suan Sunandha Rajabhat University
  • Tanawat Sangkhakul Department of Computer Engineering, Faculty of Engineering and Industrial Technology, Suan Sunandha Rajabhat University
  • Nutchanon Angchoun Department of Computer Engineering, Faculty of Engineering and Industrial Technology, Suan Sunandha Rajabhat University
  • Wuttipong Pinsarmsak Department of Computer Engineering, Faculty of Engineering and Industrial Technology, Suan Sunandha Rajabhat University
  • Kant Charoenjit Department of Computer Engineering, Faculty of Engineering and Industrial Technology, Suan Sunandha Rajabhat University

DOI:

https://doi.org/10.14456/jeit.2025.19

คำสำคัญ:

Face Recognition, Hand Gesture Recognition, OpenCV, MediaPipe, SciPy

บทคัดย่อ

Current recognition systems face challenges related to accuracy, real-time speed, and limited device resources. This paper presents a face and hand gesture recognition system using MediaPipe. The research aims to create a real-time face and hand gesture recognition system utilizing MediaPipe, OpenCV, and SciPy, running on a Raspberry Pi 4 board with a webcam. The experiment involved a sample group of 100 participants. The experimental results show that the system achieves a success rate of approximately 95% in unlocking a security door for individuals whose information is stored in the database, despite limitations in camera angles and lighting. The highlight of this research is its presentation of a dual authentication method using the cosine similarity technique for security systems. The system’s performance and accuracy will be further evaluated in real-world scenarios, such as its application in educational institutions within the Thai context.

เอกสารอ้างอิง

[1] K. Suphalak, N. Klanpet, N. Sikaressakul, and S. Prongnuch, "Robot Arm Control System via Ethernet with Kinect V2 Camera for use in Hazardous Areas," in Proc. 1st Int. Conf. Robot., Eng., Sci., and Technol., 2024, pp. 175-180. DOI: 10.1109/RESTCON60981.2024.10463582.

[2] R. Jeyaraj, B. Subramanian, K. Yogesh, A. Jin, and H. A Gohel, "YSAF: Yolo with Spatial Attention and FFT to Detect Face Spoofing Attacks," in Proc. IEEE 3rd Int. Conf. AI in Cybersecurity, 2024, pp. 1-6. DOI: 10.1109/ICAIC60265.2024.10433802.

[3] N. Herbaz, H. El Idrissi, and A. Badri, "Deep Learning Empowered Hand Gesture Recognition: using YOLO Techniques," in Proc. 14th Int. Conf. Intell. Syst.: Theor. and Appl., 2023, pp. 1-7. DOI: 10.1109/SITA60746.2023.10373734.

[4] Y. Kale, N. Sakhare, M. Varghese, U. Dafe, P. Sawarkar, and A. Bagade, "Deploying a Sliding Gate by Utilizing Computer Vision and Machine Learning Techniques," in Proc. Int. Conf. Innov. Data Commun. Technol. and Appl., 2023, pp. 22-26. DOI: 10.1109/ICIDCA56705.2023.10099906.

[5] A. K. Raja, C. Sugandhi, G. Nymish, N. Sai Havish, and M. Rashmi, "Face Gesture Based Virtual Mouse Using Mediapipe," in Proc. IEEE 8th Int. Conf. for Convergence in Technol., 2023, pp. 1-6. DOI: 10.1109/I2CT57861.2023.10126453.

[6] Google, "MediaPipe Solutions Guide," Google AI, [online]. Available: https://ai.google.dev/edge/mediapipe/solutions/guide. [Accessed: Nov. 24, 2024].

[7] OpenCV, "About OpenCV," OpenCV, [online]. Available: https://opencv.org/about/. [Accessed: Nov. 22, 2024].

[8] T. Wiangtong and S. Prongnuch, "Computer vision framework for object monitoring," in Proc. 9th Int. Conf. Elect. Eng./Electron., Comput., Telecommun. and Inf. Technol., 2012, pp. 1-4. DOI: 10.1109/ECTICon.2012.6254291.

[9] SciPy Community, "About SciPy," SciPy, [ออนไลน์]. Available: https://scipy.org/about/. [Accessed: Nov. 27, 2024].

[10] J R. V. Jeny, B. Shraddha, B. Ashritha, D. Shiva Sai, and M. Naveen, "Deep Learning Framework for Face Mask Detection," in Proc. 5th Int. Conf. Trends in Electron. and Inf., 2021, pp. 1705-1712. DOI: 10.1109/ICOEI51242.2021.9452930.

[11] Raspberry Pi Foundation, "Raspberry Pi 4 Model B," Raspberry Pi, [online]. Available: https://www.raspberrypi.com/products/raspberry-pi-4-model-b/. [Accessed: Nov. 20, 2024].

[12] S. Prongnuch and S. Sitjongsataporn, "Technology-assisted Learning on Embedded Systems with Multi-single Board," in Proc. Int. Conf. Power, Energy and Innov., 2021, pp. 191-194. DOI: 10.1109/ICPEI52436.2021.9690651.

[13] T. Hild, P. Moore, and M. Powell, "Multimodal Authentication," in Proc. Annual General Donald R. Keith Memorial Conf., May 2, 2024. [online]. Available:

ดาวน์โหลด

เผยแพร่แล้ว

31-08-2025

รูปแบบการอ้างอิง

[1]
S. Prongnuch, T. Sangkhakul, N. Angchoun, W. Pinsarmsak, และ K. Charoenjit, “Face and Hand Gesture Recognition System Using MediaPipe”, JEIT, ปี 3, ฉบับที่ 4, น. 45–58, ส.ค. 2025.

ฉบับ

ปีที่ 3 ฉบับที่ 4 (2025): วารสารวิศวกรรมและเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยกาฬสินธุ์ ปีที่ 3 ฉบับที่ 4 (กรกฎาคม - สิงหาคม 2568)

ประเภทบทความ

บทความวิจัย

หมวดหมู่

สัญญาอนุญาต

ลิขสิทธิ์ (c) 2025 วารสารวิศวกรรมและเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยกาฬสินธุ์

Creative Commons License

อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

ลิขสิทธิ์ของวารสาร

เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารศูนย์ดัชนีการอ้างอิงวารสารไทย ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรงซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใด ๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารศูนย์ดัชนีการอ้างอิงวารสารไทย ถือเป็นลิขสิทธิ์ของวารสารศูนย์ดัชนีการอ้างอิงวารสารไทย หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใด จะต้องได้รับอนุญาตเป็นลายลักอักษรจากวารสารศูนย์ดัชนีการอ้างอิงวารสารไทยก่อนเท่านั้น