基于人体关键点与动态时间规整的RGB视频手势识别
计算机视觉与模式识别
2019-07-01 v1 机器学习
机器人学
摘要
手势识别为人类直观地与机器交互开辟了新途径。尤其对服务机器人而言，手势可作为通信手段的有价值补充，例如将机器人注意力引向某人或某物。从视频数据中提取并分类手势是一项具有挑战性的任务，多年来已提出多种方法。本文提出一种RGB视频中的手势识别方法，利用OpenPose提取人体姿态，并结合动态时间规整（DTW）与一近邻（1NN）进行时间序列分类。该方法的主要特点是不依赖任何特定硬件且高度灵活，因为仅需添加少量新手势样本即可将其加入分类器。我们利用了基于深度学习的OpenPose框架的鲁棒性，同时避免了自行训练神经网络这一数据密集型任务。我们使用一个公开数据集展示了本方法的分类性能。
引用
@article{arxiv.1906.12171,
title = {Gesture Recognition in RGB Videos UsingHuman Body Keypoints and Dynamic Time Warping},
author = {Pascal Schneider and Raphael Memmesheimer and Ivanna Kramer and Dietrich Paulus},
journal= {arXiv preprint arXiv:1906.12171},
year = {2019}
}
备注
13 pages, 4 figures, 2 tables, RoboCup 2019 Symposium