文献

J-GLOBAL ID：202102232757182777   整理番号：21A2580397

リープモーションコントローラと2層双方向リカレントニューラルネットワークに基づく動的ハンドジェスチャ認識【JST・京大機械翻訳】

Dynamic Hand Gesture Recognition Based on a Leap Motion Controller and Two-Layer Bidirectional Recurrent Neural Network

著者 (3件)： Yang Linchu (Department of Mechanical Engineering; Jiangsu University of Science and Technology, Zhenjiang 212003, China) ,  Chen Ji’an (Department of Mechanical Engineering; Jiangsu University of Science and Technology, Zhenjiang 212003, China) ,  Zhu Weihang (Department of Engineering Technology; University of Houston, Houston, TX 77204, USA)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 7  ページ： 2106  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 動的ハンドジェスチャ認識は,人間コンピュータインタラクションのための最も重要なツールの1つである。動的ハンドジェスチャ認識の精度を改善するために,本論文では,Leap運動コントローラ(LMC)からの動的ハンドジェスチャの認識のための2層双方向電流ニューラルネットワークを提案した。さらに,LMCに基づいて,動的手ジェスチャを捉える効率的な方法を同定した。動的手ジェスチャはLMCからの特徴ベクトルの集合によって表現される。提案システムを,それぞれ360のサンプルと480のサンプル,およびHandigra-Gestureデータセットで,アメリカのSign言語(ASL)データセットで試験した。360のサンプルによるASLデータセットに関して,システムは訓練と試験セットに関して100%と96.3%の精度を達成した。480のサンプルによるASLデータセットに関して,システムは100%と95.2%の精度を達成した。Handifart-Gestureデータセットにおいて,このシステムは100%と96.7%の精度を達成した。さらに,これらのデータセットで5倍,10倍,およびLeave-One-Out交差検証を行った。正確度は,ASLとHandiart-Gestureデータセットでそれぞれ93.33%,94.1%,98.33%(360試料),93.75%,93.5%,98.13%(480試料),及び88.66%,90%,92%であった。開発したシステムは,文献における他のアプローチと比較して,類似またはより良好な性能を示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 電流 ,  言語 ,  制御装置 ,  *ニューラルネットワーク
準シソーラス用語： *身振り ,  特徴ベクトル ,  *ジェスチャー認識 ,  リカレントニューラルネットワーク ,  二層 ,  *ハンドジェスチャ ,  *ハンドジェスチャー認識 , 【Automatic Indexing@JST】

著者キーワード (3件)： 手ジェスチャ認識 ,  リープモーションコントローラ(LMC) ,  リカレントニューラルネットワーク(RNN)

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

引用文献 (37件)：

• Parimalam, A.; Shanmugam, A.; Raj, A.S.; Murali, N.; Murty, S.A.V.S. Convenient and elegant HCI features of PFBR operator consoles for safe operation. In Proceedings of the 4th International Conference on Intelligent Human Computer Interaction (IHCI), Kharagpur, India, 27-29 December 2012; pp. 1-9.
• Minwoo, K.; Jaechan, C.; Seongjoo, L.; Yunho, J. IMU Sensor-Based Hand Gesture Recognition for Human-Machine Interfaces. Sensors 2019, 19, 3827-3839.
• Cheng, H.; Yang, L.; Liu, Z.C. Survey on 3D hand gesture recognition. IEEE Trans. Circuits Syst. Video Technol. 2015, 26, 1659-1673.
• Cheng, H.; Dai, Z.J.; Liu, Z.C. Image-to-class dynamic time warping for 3D hand gesture recognition. In Proceedings of the IEEE International Conference on Multimedia and Expo (ICME), San Jose, CA, USA, 15-19 July 2013; pp. 1-6.
• Hachaj, T.; Piekarczyk, M. Evaluation of Pattern Recognition Methods for Head Gesture-Based Interface of a Virtual Reality Helmet Equipped with a Single IMU Sensor. Sensors 2019, 19, 5408.

タイトルに関連する用語 (4件)： 2層 ,  双方向 ,  リカレントニューラルネットワーク ,  ハンドジェスチャ認識