کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6940838 1450020 2017 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Continuous hand gesture recognition based on trajectory shape information
ترجمه فارسی عنوان
تشخیص حرکت پیوسته بر اساس اطلاعات شکل مسیری
کلمات کلیدی
تشخیص ژست، تعامل روبات انسانی، شبکه عصبی محکم، زمینه های تصادفی محض، تقسیم مسیر مدل سازی شکل مسیر
ترجمه چکیده
در این مقاله، ما یک روش تشخیص دستی ژست دست بر اساس اطلاعات شکل مسیری پیشنهاد می کنیم. یک مسئله کلیدی در به رسمیت شناختن حرکات مداوم این است که عملکرد الگوریتم های شناخت متعارف ممکن است توسط عوامل مانند، شروع و نقاط انتهای یک ژست یا تغییرات در مدت حرکات، کاهش یابد. این مسائل برای آن دسته از روش هایی که بر اطلاعات زمانی موثر هستند، بسیار دشوار می شود. برای رفع مسائل تشخیص ژست پیوسته، چارچوبی را پیشنهاد می کنیم که همزمان هر دو بخش بندی و تشخیص را انجام می دهد. هر جزء چارچوب، اطلاعات مبتنی بر شکل را برای اطمینان از کارایی قوی برای حرکات با تنوع زمانی زیاد اعمال می کند. یک مسیر ژست توسط مجموعه ای از فریم های کلیدی با آستانه تغییر زاویه ای مماسی آن تقسیم می شود. سپس با استفاده از فریم های انتخاب شده، بخش های مسیر متغیر اندازه گیری می شوند. برای شناختن، این بخش های مسیر مورد بررسی قرار می گیرند تا تعیین کنند که آیا بخش مربوط به یک کلاس در میان حرکات مورد نظر یا یک کلاس غیر ژست بر اساس تلفیق اطلاعات شکل و ویژگی های زمانی است. برای ارزیابی عملکرد، الگوریتم پیشنهادی با یک پایگاه داده از حرکات دست جمعی ارزیابی شد. نتایج تجربی نشان می دهد که الگوریتم پیشنهاد شده دارای نرخ تشخیص بالا است در حالی که حفظ عملکرد آن در حضور حرکات پیوسته است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
تشخیص حرکت پیوسته بر اساس اطلاعات شکل مسیری
چکیده انگلیسی
In this paper, we propose a continuous hand gesture recognition method based on trajectory shape information. A key issue in recognizing continuous gestures is that performance of conventional recognition algorithms may be lowered by such factors as, unknown start and end points of a gesture or variations in gesture duration. These issues become particularly difficult for those methods that rely on temporal information. To alleviate the issues of continuous gesture recognition, we propose a framework that simultaneously performs both segmentation and recognition. Each component of the framework applies shape-based information to ensure robust performance for gestures with large temporal variation. A gesture trajectory is divided by a set of key frames by thresholding its tangential angular change. Variable-sized trajectory segments are then generated using the selected key frames. For recognition, these trajectory segments are examined to determine whether the segment belongs to a class among intended gestures or a non-gesture class based on fusion of shape information and temporal features. In order to assess performance, the proposed algorithm was evaluated with a database of digit hand gestures. The experimental results indicate that the proposed algorithm has a high recognition rate while maintaining its performance in the presence of continuous gestures.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition Letters - Volume 99, 1 November 2017, Pages 39-47
نویسندگان
, , ,