文献

J-GLOBAL ID：201902246150709579   整理番号：19A0515777

畳み込みニューラルネットワークによるマイクロDoppler署名を用いたハンドジェスチャー認識【JST・京大機械翻訳】

Hand Gesture Recognition Using Micro-Doppler Signatures With Convolutional Neural Network

著者 (2件)： Kim Youngwook (Department of Electrical and Computer Engineering, California State University, Fresno, CA, USA) ,  Toomajian Brian (Department of Electrical and Computer Engineering, California State University, Fresno, CA, USA)
資料名： IEEE Access  (IEEE Access)
巻： 4  ページ： 7125-7130  発行年： 2016年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 本論文では,深い畳込みニューラルネットワーク(DCNN)を用いたDopplerレーダにより測定されたマイクロDopplerシグネチャを用いて,人間の手のジェスチャを認識する可能性を検討した。電子機器を制御するために,レーダを用いた手ジェスチャ認識を適用することができる。光学認識システムと比較して,レーダは光条件に関係なく動作でき,事例に埋め込むことができる。著者らは,10の異なる手ジェスチャを分類し,距離情報なしでスペクトログラム上のマイクロDoppler署名のみを用いた。左から右への揺れ,右から左への揺れ,回転時計回り,回転反時計,押込み,二重押込み,保持,および二重保持を含む10のジェスチャーをDopplerレーダとそれらの分光写真を用いて測定した。DCNNを用いて分光写真を分類し,訓練に利用されたデータの90%と検証のための残りの10%を用いた。5回の検証後,提案した方法の分類精度は85.6%であることが分かった。7つのジェスチャで,精度は93.1%まで増加した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *レーダ ,  電子装置 ,  Dopplerレーダ
準シソーラス用語： 分類精度 ,  スペクトログラム ,  *ジェスチャー認識 ,  *身振り ,  ハンドジェスチャー認識 ,  *マイクロドップラ , 【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 (3件)： 畳み込みニューラルネットワーク ,  署名 ,  ハンドジェスチャー認識