面向美国手语的动作识别

在本研究中，我们展示了从连续手势中识别美国手语的发现。尽管文献中多数研究仅关注静态手形，我们的工作以动态手势为对象。由于动态手势数据集极少，我们收集了包含 10 个手势的 150 段视频的初始数据集，以及包含 15 个手势的 225 段视频的扩展数据集。我们将迁移学习模型与深度神经网络以及背景减除相结合，应用于不同时间设置下的视频。我们的初步结果表明，使用 DenseNet201 和 LSTM 处理 12 帧视频序列，可分别获得 $0.86$ 和 $0.71$ 的准确率。