文献

J-GLOBAL ID：202102270231779425   整理番号：21A0993935

最適化動的時間ワーピングに基づく手話の運動軌道認識【JST・京大機械翻訳】

Movement Trajectory Recognition of Sign Language Based on Optimized Dynamic Time Warping

著者 (4件)： Li Wenguo (Institute of Intelligent Control and Robotics, Hangzhou Dianzi University, Hangzhou 310018, China) ,  Li Wenguo (Xianheng International (Hangzhou) Electric Manufacturing Co., Ltd., Hangzhou 310022, China) ,  Luo Zhizeng (Institute of Intelligent Control and Robotics, Hangzhou Dianzi University, Hangzhou 310018, China) ,  Xi Xugang (Institute of Intelligent Control and Robotics, Hangzhou Dianzi University, Hangzhou 310018, China)
資料名： Electronics (Web)  (Electronics (Web))
巻： 9  号： 9  ページ： 1400  発行年： 2020年 
JST資料番号： U7178A  ISSN： 2079-9292  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： 運動軌跡認識は,SL翻訳結果の精度に直接影響する,サイン言語(SL)翻訳研究の重要なリンクである。移動軌跡の正確な認識のための新しい方法を提案した。最初に,収集したジェスチャ運動情報を座標変換によって固定座標系に変換するべきである。SL運動軌跡を,軌道の独創性と完全性を維持するために適応Simpsonアルゴリズムを用いて再構成した。次に,アルゴリズムをMahalanobis距離(MD)を用いて多次元時系列に拡張した。一般化線形回帰(GLR)の活性化関数を動的時間ワーピング(DTW)アルゴリズムを最適化するために修正して,それは局所形状特性がグローバル振幅特性のために考慮して,軌道認識のプロセスにおける異常整合の問題を避けることを保証した。最後に,類似性測度法を用いて,それらが同じカテゴリーに分類されるかどうかを判断するために,2つの縦糸軌道間の距離を計算した。実験結果は,この方式がSL移動軌跡の認識に有効であり,軌道認識の精度が86.25%であることを示した。運動軌道のクラス間特性とクラス内特徴の間の差異比率は,20であり,アルゴリズムの一般化能力は効果的に改良することができた。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： アルゴリズム ,  *最適化 ,  測度 ,  言語 ,  再構成 ,  振幅特性 ,  高次元 ,  座標変換 ,  類似性 ,  完全性 ,  *手話
準シソーラス用語： 身振り ,  線形回帰 ,  Mahalanobis距離 ,  *ワーピング , 【Automatic Indexing@JST】

著者キーワード (5件)： 手話 ,  座標変換 ,  一般化線形回帰 ,  動的時間ワーピング ,  軌道認識

分類 (1件)： パターン認識  (JE07000S)

引用文献 (33件)：

• Kumar, P.; Gauba, H.; Roy, P.P.; Dogr, D.P. A Multimodal Framework for Sensor based Sign Language Recognition. Neurocomputing 2017, 259, 21-38.
• Bantupalli, K.; Xie, Y. American Sign Language Recognition using Deep Learning and Computer Vision. In Proceedings of the 2018 IEEE International Conference on Big Data (Big Data), Seattle, WA, USA, 10-13 December 2018; pp. 4896-4899.
• Mittal, A.; Kumar, P.; Roy, P.P.; Balasubramanian, R.; Chaudhuri, B.B. A Modified LSTM Model for Continuous Sign Language Recognition Using Leap Motion. IEEE Sens. J. 2019, 19, 7056-7063.
• Yang, P.; Chen, X.; Li, Y.; Wang, W.; Yang, J. A Sign Language Recognition Method Based on Multi-sensor Information. Space Med. Med. Eng. 2012, 25, 276-281.
• Yang, X.; Chen, X.; Cao, X.; Wei, S.; Zhang, X. Chinese Sign Language Recognition Based on an Optimized Tree-Structure Framework. IEEE J. Biomed. Health Inform. 2017, 21, 994-1004.

タイトルに関連する用語 (4件)： 最適化 ,  ワーピング ,  手話 ,  運動軌道