4 个月前

基于运动特征增强的循环神经网络用于基于骨架的动态手势识别

基于运动特征增强的循环神经网络用于基于骨架的动态手势识别

摘要

动态手势识别因其在人机交互中的重要性而受到越来越多的关注。本文提出了一种新的基于骨架的动态手势识别方法,该方法通过增加运动特征的循环神经网络实现。手指运动特征被提取以描述手指的动作,而全局运动特征则用于表示手部骨架的整体运动。这些运动特征随后与骨架序列一起输入到双向循环神经网络(RNN)中,从而增强RNN的运动特征并提高分类性能。实验结果表明,所提出的方法有效且优于现有最先进方法。

基准测试

基准方法指标
hand-gesture-recognition-on-dhg-14MFANet
Accuracy: 84.68
hand-gesture-recognition-on-dhg-28MFANet
Accuracy: 80.32

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
基于运动特征增强的循环神经网络用于基于骨架的动态手势识别 | 论文 | HyperAI超神经