基于动态神经网络的远距离手势识别

手势构成了人机之间重要的沟通媒介。绝大多数现有手势识别方法针对人与机器距离极近的场景设计。这一近距离假设在若干交互类型中不成立，例如与扫地机器人或无人机基于手势的交互。为近距离识别设计的方法在远距离识别上表现不佳，因为手势仅占输入数据的很小部分。在资源受限环境下它们表现尤差，无法将有限算力有效聚焦于手势主体。我们提出一种新颖、准确且高效的远距离手势识别方法。它使用动态神经网络从输入传感器数据含手势的空间区域选取特征作进一步处理。这有助于网络聚焦于对手势识别重要的特征，同时尽早丢弃背景特征，从而相较其他技术更具计算效率。我们在LD-ConGR远距离数据集上展示了方法性能，其在识别准确率与计算效率上均优于先前最先进方法。