文献

J-GLOBAL ID：201702250491008895   整理番号：17A1265422

決定論的学習を介したkinectを用いた手のジェスチャの認識【Powered by NICT】

Hand gesture recognition using kinect via deterministic learning

著者 (5件)： Liu Fenglin (School of Mechanical & Electrical Engineering, Longyan University, Longyan 364012, P.R. China) ,  Du Bangxing (School of Mechanical & Electrical Engineering, Longyan University, Longyan 364012, P.R. China) ,  Wang Qinghui (School of Mechanical & Electrical Engineering, Longyan University, Longyan 364012, P.R. China) ,  Wang Ying (School of Mechanical & Electrical Engineering, Longyan University, Longyan 364012, P.R. China) ,  Zeng Wei (School of Mechanical & Electrical Engineering, Longyan University, Longyan 364012, P.R. China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCDC  ページ： 2127-2132  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 手ジェスチャは空間-時間特徴の集合によって特徴づけられる時空間パターンである。しかし,実世界シナリオにおいて,手ジェスチャ認識は,照明,姿勢およびオクルージョンの変化と巨大な課題を抱えている。Microsoft Kinect装置は,上記の問題を解決し,手のジェスチャ認識のための識別特徴を抽出する効果的な方法を提供する。認識手法は二段階:訓練段階と認識段階から構成されている。訓練段階では,指先の空間位置と方向を含む手運動動力学を表現する手のジェスチャ特徴はKinectから導出した。アラビア語数を表す(0-9)異なるジェスチャの運動パターンの根底にある手運動動力学を局所的にモデル化し,近似動径基底関数(RBF)ニューラルネットワークによる正確にした。近似,運動動力学の得られた知識は,定数RBFネットワークの中に保存される。認識段階では,動的推定量のバンクは,すべての訓練パターンの構築した。定数RBFネットワークに代表される手運動動力学の事前知識が推定量に埋め込まれている。試験ジェスチャーパターンと推定器のセットを比較し認識されることにより,認識誤り集合を生成した。誤差の平均L_1基準は,最小誤差原理に従って訓練ジェスチャーパターンの動力学と試験ジェスチャパターンの動力学間の認識尺度として採用した。2倍と10倍交差検証スタイルを用いて,正確な認識率は95.83%と97.25%と報告された。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 近似法 ,  推定量 ,  *学習 ,  動径基底関数 ,  オクルージョン ,  モデリング ,  動径基底関数ネットワーク
準シソーラス用語： 認識率 ,  事前知識 ,  運動パターン ,  アラビア語 ,  *Kinect ,  ジェスチャー認識 ,  *身振り ,  決定論 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 学習 ,  Kinect ,  手 ,  ジェスチャ