基于循环神经网络与可穿戴传感器的在线人体手势识别
机器人学
2018-11-13 v1
摘要
手势是人类的一种自然交流方式。解释手势的能力对于旨在自然地与人类交互的机器人而言是基础性的。可穿戴传感器在监测人类活动方面前景广阔，特别是利用三轴加速度计进行手势识别已被探索。尽管如此，现有最先进水平仍缺乏利用加速度计数据实现可靠在线手势识别的系统。本文提出 SLOTH，一种用于在线手势识别的架构，其基于可穿戴三轴加速度计、循环神经网络（RNN）概率分类器，以及一种依赖手势概率建模的连续手势检测流程，该流程保证（i）在精确率与召回率方面良好的识别结果，（ii）系统的即时响应性。
引用
@article{arxiv.1810.11297,
title = {Online Human Gesture Recognition using Recurrent Neural Networks and Wearable Sensors},
author = {Alessandro Carfi and Carola Motolese and Barbara Bruno and Fulvio Mastrogiovanni},
journal= {arXiv preprint arXiv:1810.11297},
year = {2018}
}