基于 3D 骨架的多流离散 HMM 快速手势识别
计算机视觉与模式识别
2017-03-09 v1
摘要
HMM 因其实现简单、计算需求低、可扩展性和高并行性而被广泛应用于动作和手势识别。即使在训练集有限的情况下，它们也具有良好的性能。所有这些特征在其他甚至更精确的方法中很难同时具备。在本文中，我们提出了一种新颖的双阶段分类方法，该方法基于多流离散隐马尔可夫模型和 3D 骨架关节数据，能够在保持上述所有优势的同时达到高性能。该方法既能快速分类预分割的手势（离线分类），也能比实时更快地对连续手势流执行时间分割（在线分类）。我们在三个公共数据集 MSRAction3D、UTKinect-Action 和 MSRDailyAction，以及一个专门为人机交互创建的新数据集 Kinteract Dataset 上测试了我们的系统。我们在所有数据集上均取得了 SOTA 性能。
引用
@article{arxiv.1703.02931,
title = {Fast Gesture Recognition with Multiple Stream Discrete HMMs on 3D Skeletons},
author = {Guido Borghi and Roberto Vezzani and Rita Cucchiara},
journal= {arXiv preprint arXiv:1703.02931},
year = {2017}
}
备注
Accepted in ICPR 2016