基于关键帧提取与特征融合的快速鲁棒动态手势识别
计算机视觉与模式识别
2019-01-16 v1
摘要
手势识别是计算机视觉与模式识别中的热点问题，在自然人机交互中起着至关重要的作用。尽管近期取得了巨大进展，快速且鲁棒的手势识别仍是一个开放问题，因为现有方法未能很好地同时平衡性能与效率。为弥补这一不足，本工作结合图像熵与密度聚类，从手势视频中挖掘关键帧以进行进一步特征提取，从而提升识别效率。此外，还提出了一种特征融合策略以进一步提升特征表示能力，进而提高识别性能。为在“野生”环境中验证我们的方法，我们还引入了两个称为 HandGesture 和 Action3D 数据集的新数据集。实验一致表明，我们的策略在西北大学、剑桥、HandGesture 和 Action3D 手势数据集上取得了具有竞争力的结果。我们的代码与数据集将发布于 https://github.com/Ha0Tang/HandGestureRecognition。
引用
@article{arxiv.1901.04622,
title = {Fast and Robust Dynamic Hand Gesture Recognition via Key Frames Extraction and Feature Fusion},
author = {Hao Tang and Hong Liu and Wei Xiao and Nicu Sebe},
journal= {arXiv preprint arXiv:1901.04622},
year = {2019}
}
备注
11 pages, 3 figures, accepted to NeuroComputing