利用深度信念网络从深度和彩色图像中进行手语手指拼写分类
计算机视觉与模式识别
2015-03-20 v1
摘要
自动手语识别是一个开放问题，最近受到很多关注，不仅因为对使用手语的人有用，而且因为手语分类器可有许多应用。在本文中，我们提出了一种使用从Microsoft Kinect传感器捕获的深度和强度图像进行手姿势识别的新特征提取技术。我们将我们的技术应用于美国手语手指拼写分类，使用深度信念网络（Deep Belief Network），我们的特征提取技术为其量身定制。我们在一个多用户数据集上评估了我们的结果，有两种场景：一种是所有已知用户，一种是未见过用户。我们在第一种上实现了99%召回率和精确率，第二种上77%召回率和79%精确率。我们的方法还能够实时手语分类，并适应任何环境或光照强度。
引用
@article{arxiv.1503.05830,
title = {Sign Language Fingerspelling Classification from Depth and Color Images using a Deep Belief Network},
author = {Lucas Rioux-Maldague and Philippe Giguère},
journal= {arXiv preprint arXiv:1503.05830},
year = {2015}
}
备注
Published in 2014 Canadian Conference on Computer and Robot Vision