基于三维点云数据的动态手势时空学习
计算机视觉与模式识别
2018-04-25 v1
摘要
本文提出了一种针对三维点云数据的端到端时空手势学习方法，使用从三维传感器获取的新手势点云数据集。我们从手势样本数据中学习了九类手势。我们将点云数据映射为稠密占据栅格，然后将占据栅格的时间步作为三维卷积神经网络的输入，该网络无需显式建模手势动态即可学习数据中的时空特征。我们还引入了一种用于点云数据增强的三维感兴趣区域抖动方法。当将增强数据加入原始训练数据时，分类准确率提高了至多10%。所开发的模型在该数据集上能够以84.44%的准确率对手势进行分类。我们提出，随着三维传感器在未来变得无处不在，点云数据将成为场景理解与运动识别中更具可行性的数据类型。
引用
@article{arxiv.1804.08859,
title = {Spatiotemporal Learning of Dynamic Gestures from 3D Point Cloud Data},
author = {Joshua Owoyemi and Koichi Hashimoto},
journal= {arXiv preprint arXiv:1804.08859},
year = {2018}
}
备注
Accepted to ICRA2018, 6 Pages