使用时序分类的手语识别
计算机视觉与模式识别
2017-01-10 v1
摘要
当今市场上可用的设备，如Myo臂带，使我们能够收集用户手部和手指随时间变化的位置数据。我们可以将这些技术用于手语翻译，因为每个手势大致上是随时间变化的一系列姿态组合。在这项工作中，我们利用南威尔士大学一个小组收集的数据集，该数据集包含95个独特手势的参数，如手部位置、手部旋转和手指弯曲度。对于每个代表一个手势的输入流，我们预测该流属于哪个手势类别。我们首先实现了基线支持向量机和逻辑回归模型，它们在高质量数据上表现相当不错。低质量数据需要更复杂的方法，因此我们探索了时序分类中的不同方法，包括长短期记忆架构和序列模式挖掘方法。
引用
@article{arxiv.1701.01875,
title = {Sign Language Recognition Using Temporal Classification},
author = {Hardie Cate and Fahim Dalvi and Zeshan Hussain},
journal= {arXiv preprint arXiv:1701.01875},
year = {2017}
}
备注
5 pages