基于可穿戴IMU的手语识别卷积神经网络阵列
信号处理
2020-04-27 v1 机器学习
机器学习
摘要
手势识别算法的进步导致了手语翻译的显著增长。通过利用高效的智能模型，可以精确地识别手势。本文提出一种新颖的一维卷积神经网络(CNN)阵列架构，利用定制设计的可穿戴IMU设备记录的信号来识别印度手语中的手势。该IMU设备使用了三轴加速度计和陀螺仪。使用IMU设备记录的信号根据其语境进行分离，例如它们是否对应于一般句子或疑问句的签名。该阵列由两个独立的CNN组成，一个对一般句子进行分类，另一个对疑问句进行分类。将阵列架构中各个CNN的性能与对传统CNN对未分离数据集进行分类的性能进行比较。所提出的CNN阵列对一般句子达到94.20%的峰值分类准确率，对疑问句达到95.00%，而传统CNN为93.50%，这证明了所提方法的适用性。
引用
@article{arxiv.2004.11836,
title = {Convolutional Neural Network Array for Sign Language Recognition using Wearable IMUs},
author = {Karush Suri and Rinki Gupta},
journal= {arXiv preprint arXiv:2004.11836},
year = {2020}
}
备注
https://doi.org/10.1109/SPIN.2019.8711745