-
题名基于手部骨架数据的非特定连续手语深度识别
- 1
-
-
作者
李柯景
鲁光男
-
机构
长春大学计算机科学技术学院
-
出处
《计算机仿真》
2025年第3期244-248,共5页
-
基金
吉林省教育厅科学技术研究规划项目(2022LY505L38)。
-
文摘
非特定连续手语是指不限定手语类型和手势数量,由于手部骨架数据可能存在遮挡、变形等情况,会导致手部骨架提取和识别精度降低。为了有效提升非特定连续手语深度识别结果的准确性,提出一种基于手部骨架数据的非特定连续手语深度识别方法。采用距离场和分水岭算法,获得含有手势骨架的骨架潜在图,通过主动轮廓线模型确定骨架端点,并利用A*算法对其修剪,获取手部骨架特征。将手部骨架特征对应的背景作为负样本,得到手势方向梯度图特征,引入卷积神经网络展开训练,获取非特定连续手语检测分类器,确定目标手势区域,实现非特定连续手语深度识别。实验结果表明,所提方法能够准确提取手部骨架特征,非特定连续手语深度识别准确率在90%以上,且识别时间短。
-
关键词
手部骨架数据
非特定连续手语
深度识别
骨架潜在图
-
Keywords
hand skeleton data
Continuous signer-independent sign language
Deep recognition
skeleton potential map
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于骨架的快速手势识别模型
被引量：2
- 2
-
-
作者
赵阳
刘汉超
董兰芳
-
机构
中国科学技术大学计算机科学与技术学院
-
出处
《计算机系统应用》
2022年第11期261-267,共7页
-
基金
国家重点研发计划重点专项(2020YFB1313602)
-
文摘
对于手势识别来说,骨架数据是一种紧凑且对环境条件稳健的数据模态.最近基于骨架的手势识别研究多使用深度神经网络去提取空间和时间的信息,然而这些方法可能存在复杂的计算和大量的模型参数的问题.为了解决这个问题,我们提出一种轻量高效的手势识别模型.该模型使用从骨架序列上计算出的两种空间几何特征,以及自动学习的运动轨迹特征,然后只使用卷积网络作为骨干网络实现手势分类.最终我们的模型参数量最少情况下仅为0.16 M,计算复杂度最大情况为0.03 GFLOPs.我们在公开的两个数据集上评估了我们的方法,与其他输入为骨架模态的方法相比,我们的方法取得了相应数据集上最好的结果.
-
关键词
动态手势识别
卷积神经网络
动作识别
骨架数据
特征提取
深度学习
-
Keywords
dynamic hand gesture recognition
convolutional neural network(CNN)
action recognition
skeleton data
feature extraction
deep learning
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
