文献

J-GLOBAL ID：202202256210553221   整理番号：22A1105083

リープモーションコントローラ,赤外線情報,および深層学習フレームワークを用いたハンドジェスチャ認識【JST・京大機械翻訳】

Hand Gesture Recognition Using Leap Motion Controller, Infrared Information, and Deep Learning Framework

著者 (3件)： Toalumbo Bryan (Universidad Tecnica de Ambato, Ambato, Ecuador) ,  Nogales Ruben (Universidad Tecnica de Ambato, Ambato, Ecuador) ,  Nogales Ruben (Escuela Politecnica Nacional, Quito, Ecuador)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1532  ページ： 412-426  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： Handジェスチャ認識(HGR)システムは現在のトピックであり,多くの分野で興味を引いている。この広い関心は,人々が身体的世界とのコミュニケーションと相互作用に手の動きを利用するためである。HGRシステムは過成長しており,その理由は,それらが研究の異なる分野への応用を有することである。現場は,人間-コンピュータ相互作用(HIC),拡張および仮想現実感,ロボット工学,医学およびビデオゲームである。フレームシーケンスからのハンドジェスチャに対応するフレームの認識は,HICシステムの開発に不可欠である。そこで本論文では,Leap運動コントローラにより取得したフレームシーケンスから手ジェスチャに対応する画像を検出するアルゴリズムを提案した。フレームシーケンスは,初期および最終画像がジェスチャの遷移に対応するビデオパターンに従うため,非ゲスト画像を含む。したがって,本論文は自動(AID)と手動(MID)画像識別器を開発した。あらゆるアルゴリズムは,手ジェスチャに対応する画像でデータセットを返す。アルゴリズムを検証するために,あらゆるアルゴリズムによるHGRモデルを提示する。モデルは新しいデータセットを入力し,畳み込みニューラルネットワーク(CNN)に基づくアーキテクチャを供給する。著者らのモデルは5つの静的ジェスチャーを認識する:オープンハンド,fist,波動アウトおよびピンチ。結果は,MIDで92.31%,AIDで94.70%の分類精度を示した。Copyright Springer Nature Switzerland AG 2022 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 ,  *赤外線 ,  相互作用 ,  画像 ,  録画装置 ,  計算機アーキテクチャ ,  コンピュータ ,  バーチャルリアリティ ,  画像認識
準シソーラス用語： *身振り ,  ロボット工学 ,  *ジェスチャー認識 ,  *ハンドジェスチャ ,  *ハンドジェスチャー認識 ,  *深層学習 , 【Automatic Indexing@JST】

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

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 赤外線 ,  深層学習 ,  フレームワーク ,  ハンドジェスチャ認識