一种用于一次性手势识别的概率建模方法
信号处理
2020-02-18 v3
摘要
手势识别使我们与设备的交互方式得到自然延伸。市售的手势识别系统通常是预训练的，且不提供用户自定义选项。为改善用户体验，允许终端用户定义自己的手势是可取的。若要对用户仅施加轻微的训练负担，该场景需要从极少训练样本中学习。为此，我们提出一种基于分层概率建模方法的手势分类器。在此框架中，可从大型标注数据集中提取不同手势共享的高层特征，从而产生手势的先验分布。当学习新型手势时，所学到的共享先验减少了各手势所需的训练样本数。我们针对Myo传感器手环实现了所提手势分类器，并在包含17种不同手势类型的数据库上展示了该系统良好的结果。此外，我们提出并实现了两种方法，将该手势分类器集成到实时手势识别系统中。
引用
@article{arxiv.1806.11408,
title = {A Probabilistic Modeling Approach to One-Shot Gesture Recognition},
author = {Anouk van Diepen and Marco Cox and Bert de Vries},
journal= {arXiv preprint arXiv:1806.11408},
year = {2020}
}