无处不在的双手动势检测：为何重要、我们需要什么以及缺失什么
计算机视觉与模式识别
2017-07-11 v1
摘要
双手动势对于人类运动协调研究以及日常活动至关重要。在非受限环境中可靠地检测双手动势，对于其临床研究以及评估常见日常生活活动具有基础性意义。本文研究了用于可靠、无约束地检测与分类双手动势的技术。它假设可获得来自两只手/臂的惯性数据，基于先前开发的基于高斯混合建模（GMM）与高斯混合回归（GMR）的手势建模技术，并比较了不同的建模与分类技术，这些技术建立在受文献启发的若干假设之上，即关于双手动势如何在大脑中表征与建模的假设。实验展示了与5种日常双手动活动相关的结果，这些活动基于三个主要参数选出：（不）通过物理工具约束双手、（不）需要特定的单手手势序列、是否具有递归性。在性能最佳的建模方法与分类技术组合中，五种活动全部被识别，准确率高达97%，精确率82%，召回率100%。
引用
@article{arxiv.1707.02605,
title = {Detection of bimanual gestures everywhere: why it matters, what we need and what is missing},
author = {Divya Shah and Ernesto Denicia and Tiago Pimentel and Barbara Bruno and Fulvio Mastrogiovanni},
journal= {arXiv preprint arXiv:1707.02605},
year = {2017}
}
备注
Submitted to Robotics and Autonomous Systems (Elsevier)