面向移动手势识别的深度Fisher判别学习
计算机视觉与模式识别
2017-07-13 v1
摘要
手势识别是生物特征识别领域的一个挑战性问题。本文我们将Fisher准则集成到双向长短期记忆网络（BLSTM）和双向门控循环单元（BGRU）中，从而得到两个新的深度模型，称为F-BLSTM和F-BGRU。这两个Fisher判别深度模型可以通过分析人类手势的加速度和角速度数据有效地对手势进行分类。此外，我们基于加速度和角速度收集了一个大型移动手势数据库（MGD），包含12种手势的5547个序列。进行了大量实验，验证了所提出的网络在MGD数据库和两个基准数据库（即BUAA移动手势和SmartWatch手势）上相对于最先进的BLSTM和BGRU的优越性能。
引用
@article{arxiv.1707.03692,
title = {Deep Fisher Discriminant Learning for Mobile Hand Gesture Recognition},
author = {Chunyu Xie and Ce Li and Baochang Zhang and Chen Chen and Jungong Han},
journal= {arXiv preprint arXiv:1707.03692},
year = {2017}
}