基于卷积神经网络的大规模连续手势识别
计算机视觉与模式识别
2016-09-13 v2
摘要
本文解决利用卷积神经网络（ConvNets）从深度图序列中进行连续手势识别的问题。所提方法首先基于运动量（QOM）从深度序列中分割出单个手势。对于每个分割出的手势，构建一幅改进的深度运动图（IDMM），将深度序列转化为一张图像，并馈入ConvNet进行识别。IDMM有效编码了空间和时间信息，并允许利用现有ConvNet模型进行微调以完成分类，而无需引入数百万个待学习参数。所提方法在2016年ChaLearn Looking at People（LAP）大规模连续手势识别挑战赛上进行了评估，取得了0.2655的平均Jaccard指数，在该挑战赛中排名第三。
引用
@article{arxiv.1608.06338,
title = {Large-scale Continuous Gesture Recognition Using Convolutional Neural Networks},
author = {Pichao Wang and Wanqing Li and Song Liu and Yuyao Zhang and Zhimin Gao and Philip Ogunbona},
journal= {arXiv preprint arXiv:1608.06338},
year = {2016}
}